地理信息系統(tǒng)（Geographic Information system,GIS）目前應(yīng)用于各個(gè)行業(yè)領(lǐng)域,其中興趣點(diǎn)（Points Of Interest,POI）信息是GIS系統(tǒng)中重要的數(shù)據(jù)。隨著多種應(yīng)用地圖的出現(xiàn),不同的地圖對(duì)同一POI信息的表示出現(xiàn)差異,使得POI信息的一致性出現(xiàn)問(wèn)題,這直接影響到用戶對(duì)POI信息的使用,因此,研究POI信息的數(shù)據(jù)融合和更新對(duì)GIS系統(tǒng)有著重要的意義。本文針對(duì)POI信息的數(shù)據(jù)融合的問(wèn)題,提出了非空間屬性與空間位置相結(jié)合來(lái)判決POI信息匹配性的優(yōu)化算法,其方法是:一,基于分詞后的POI信息,利用改進(jìn)的非空間屬性算法對(duì)其POI信息點(diǎn)的非空間屬性數(shù)據(jù)進(jìn)行匹配;二,基于POI信息點(diǎn)之間的空間位置,再次進(jìn)行二次匹配,以確定POI在地理位置上的交疊性;三,在前兩步所得數(shù)據(jù)的基礎(chǔ)上,進(jìn)行迭代匹配以得到更高的匹配效率;四,對(duì)信息熵算法進(jìn)行改進(jìn)以實(shí)現(xiàn)POI信息數(shù)據(jù)的融合并輸出結(jié)果,解決POI信息數(shù)據(jù)一致性的問(wèn)題。通過(guò)本文提出的算法對(duì)POI點(diǎn)信息進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,誤差值能控制在8.09%的范圍內(nèi),同時(shí)POI信息點(diǎn)之間的匹配效率提高到78.57%,使得POI信息的... 

【文章來(lái)源】：昆明理工大學(xué)云南省

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同地圖數(shù)據(jù)的分析圖

數(shù)據(jù)融合技術(shù)�；谝陨涎芯壳闆r，對(duì) POI 信息數(shù)據(jù)做了總結(jié)和分析，在此基礎(chǔ)上，提出了相關(guān)的研究問(wèn)。紹了 POI 信息數(shù)據(jù)融合技術(shù)相關(guān)的理論知識(shí)、算法原析了各個(gè)算法，為優(yōu)化算法做準(zhǔn)備�；� POI 信息數(shù)了一種針對(duì)信息冗余改進(jìn)的空間位置與非空間屬性O(shè)I 信息數(shù)據(jù)融合方法。首先，使用改進(jìn)的非空間屬性一次匹配；然后，使用空間位置進(jìn)行迭代尋優(yōu)匹配；出的距離作為參照，在樣本數(shù)據(jù)中進(jìn)行數(shù)據(jù)融合，然后例，將改進(jìn)的相似度算法和空間位置算法應(yīng)用在具體融合的結(jié)果來(lái)驗(yàn)證和分析算法性能；最后，對(duì)本論文，根據(jù)論文中所存在的不足進(jìn)行展望，以供后續(xù)研究文研究的思想和邏輯結(jié)構(gòu)，根據(jù)本文的內(nèi)容描繪了本2 所示。

jjjSD 式（3.2）、（3.3）、（3.4）中，jD 為 POI 名稱(chēng)分詞以后的詞 j 在文本集中出現(xiàn)的總頻數(shù)，jP 、jI 、jS 分別表示 j 在全部 POI 名稱(chēng)中分別作為前綴、中綴和后綴出現(xiàn)的總頻數(shù)。3.1.2 POI 地址名稱(chēng)的預(yù)處理為了對(duì)標(biāo)準(zhǔn)詞語(yǔ)進(jìn)行切分，本文建立了行政區(qū)劃的詞庫(kù)來(lái)完成“地址標(biāo)準(zhǔn)化”，并做為“字符串”處理。地址信息有層次化的結(jié)構(gòu)，主要包括行政區(qū)劃、街道、實(shí)體和附加信息四個(gè)部分[50]：（1）行政區(qū)劃，分成�。ò　⒆灾螀^(qū)、直轄市和特別行政區(qū)）、地（包含地區(qū)、盟、自治州和地級(jí)市）、縣（包含縣、自治縣、旗、自治旗、縣級(jí)市、市轄區(qū)、林區(qū)和特區(qū)）、鄉(xiāng)（包含鄉(xiāng)、民族鄉(xiāng)、鎮(zhèn)、街道、蘇木、民族蘇木和區(qū)公所）、村（包含村、社區(qū)、居和嘎查）、組（包含村民小組和社區(qū)居民小組）如圖 3.1 所示的樹(shù)狀圖。

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合語(yǔ)義擴(kuò)展和卷積神經(jīng)網(wǎng)絡(luò)的中文短文本分類(lèi)方法[J]. 盧玲,楊武,楊有俊,陳夢(mèng)晗.  計(jì)算機(jī)應(yīng)用. 2017(12)
[2]基于改進(jìn)的TF-IDF算法及共現(xiàn)詞的主題詞抽取算法[J]. 公冶小燕,林培光,任威隆,張晨,張春云.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2017(06)
[3]基于深度學(xué)習(xí)的中文地名識(shí)別研究[J]. 沈思,朱丹浩.  北京理工大學(xué)學(xué)報(bào). 2017(11)
[4]地理信息語(yǔ)義的LOD表達(dá)與相似性度量[J]. 賈小斌,艾廷華,彭子鳳,王光霞.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2016(10)
[5]隱私保護(hù)的信息熵模型及其度量方法[J]. 彭長(zhǎng)根,丁紅發(fā),朱義杰,田有亮,符祖峰.  軟件學(xué)報(bào). 2016(08)
[6]基于混合余弦相似度的中文文本層次關(guān)系挖掘[J]. 董洋溢,李偉華,于會(huì).  計(jì)算機(jī)應(yīng)用研究. 2017(05)
[7]顧及位置關(guān)系的網(wǎng)絡(luò)POI地址信息標(biāo)準(zhǔn)化處理方法[J]. 王勇,劉紀(jì)平,郭慶勝,羅安.  測(cè)繪學(xué)報(bào). 2016(05)
[8]基于詞頻類(lèi)別相關(guān)的特征權(quán)重算法[J]. 張羚,陸余良,楊國(guó)正.  計(jì)算機(jī)應(yīng)用研究. 2017(02)
[9]基于天地圖的POI數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 曾李陽(yáng),齊華,譚明建,劉建川,嚴(yán)林.  測(cè)繪與空間地理信息. 2016(03)
[10]基于任務(wù)合并的并行大數(shù)據(jù)清洗過(guò)程優(yōu)化[J]. 楊東華,李寧寧,王宏志,李建中,高宏.  計(jì)算機(jī)學(xué)報(bào). 2016(01)

博士論文
[1]基于知識(shí)整合的詞匯語(yǔ)義相似度計(jì)算方法研究[D]. 蔡圓媛.北京交通大學(xué) 2016
[2]基于語(yǔ)義標(biāo)注的地理信息服務(wù)關(guān)鍵技術(shù)研究[D]. 梁汝鵬.解放軍信息工程大學(xué) 2013
[3]基于信息熵和互信息的流域水文模型不確定性分析[D]. 龔偉.清華大學(xué) 2012

碩士論文
[1]基于改進(jìn)情感詞識(shí)別方法的輿情情感分析系統(tǒng)設(shè)計(jì)[D]. 何新宇.北方工業(yè)大學(xué) 2016
[2]地理實(shí)體匹配技術(shù)研究[D]. 莊敏.東南大學(xué) 2016
[3]基于深度學(xué)習(xí)的中文命名實(shí)體識(shí)別研究[D]. 王國(guó)昱.北京工業(yè)大學(xué) 2015
[4]油紙絕緣典型缺陷局部放電特征提取與模式識(shí)別研究[D]. 褚鑫.中國(guó)礦業(yè)大學(xué) 2015
[5]SVM參數(shù)尋優(yōu)及其在分類(lèi)中的應(yīng)用[D]. 徐曉明.大連海事大學(xué) 2014
[6]基于位置與屬性的多源POI數(shù)據(jù)融合的研究[D]. 王婷婷.中國(guó)海洋大學(xué) 2014
[7]基于多源POI數(shù)據(jù)的匹配融合方法研究[D]. 陳瑞.蘭州交通大學(xué) 2014
[8]北斗系統(tǒng)用戶通信數(shù)據(jù)擴(kuò)容技術(shù)研究[D]. 彭皓.西安電子科技大學(xué) 2013
[9]數(shù)據(jù)質(zhì)量管理與數(shù)據(jù)清洗技術(shù)的研究與應(yīng)用[D]. 陳孟婕.北京郵電大學(xué) 2013
[10]基于信息增益和信息熵的特征詞權(quán)重計(jì)算研究[D]. 李海瑞.重慶大學(xué) 2012



本文編號(hào)：3287747