面向更新应用的基于PSO神经网络面状目标匹配方法研究

发布时间：2019-07-21 16:16

【摘要】：随着基础地理空间数据“原始积累”阶段的基本完成和地理信息系统(GIS)技术的不断发展和广泛应用,地理空间数据的现势性问题日益突出,数据更新成为GIS发展的瓶颈,对GIS数据的快速有效且可持续的更新研究成为当前GIS领域研究的热点与难点之一。由于同一区域的地理空间数据由于不同的应用目的造成了在几何形状、拓扑结构、数据精度、表达详细程度、属性完整性、数据分类与语义表达以及空间关系等方面不尽一致,形成了多重表达的地理空间数据,这些不一致性给数据的融合与更新带来了极大不便,为了获得精度更高、属性信息更丰富、现势性更好的高质量地理空间数据,需要对这些多重表达数据进行目标匹配,识别表达客观世界中同一地物的目标,并建立映射关系,在此基础上进行数据的融合与联动更新,解决数据之间的不一致性等问题。 本文在空间相似性度量方法、度量指标以及产生根源分析的基础上,结合地理要素的多重表达特征,探讨了基于PSO神经网络的面状目标匹配方法,并以此为基础研究了数据的联动更新模式。 首先,针对缓冲区增长法构建候选匹配集存在复杂的叠加分析等问题,根据已有的空间索引方法,引入层次理论和城市形态思想,构建统一的不规则基础网格,通过网格索引并辅以目标最小外接矩形的简单空间关系快速准确地获取候选匹配集,不仅避免了复杂的空间分析操作,而且最大限度地缩小了候选匹配集的范围。 其次,针对面状矢量数据的几何特征和多重表达特征,采用粗匹配和精匹配相结合的方法,根据重叠面积比对面目标进行粗匹配,并对存在交叉的粗匹配对进行目标聚合,将一对多和多对多的匹配类型转化为一对一的匹配类型处理,解决了非一对一的匹配问题,然后引入神经网络智能学习的思想,通过对样本数据采用基于粒子群优化(PSO)和蚁群算法相结合的学习算法,智能地确定神经网络的连接结构和连接权值,改善了传统的根据专家经验确定权重过于主观的方法,对粗匹配目标对(或聚合目标对)进行精匹配,获取目标的精确匹配关系,同时采用双向匹配策略,用逆向匹配补充正向匹配中未发现的匹配目标对,最后的双向匹配的结果进行目标聚合,实验证明,利用基于PSO神经网络的目标匹配方法能提高匹配的准确率。 再次,研究多重表达地理空间数据模型,提出了关联式多重表达数据模型,通过目标匹配可以建立“横向”多时态表达、“纵向”多尺度表达、“斜向”相邻不同时态不同尺度的数据之间映射关联,并在此基础上探讨了基于目标匹配的数据联动更新模式,通过目标匹配自动探测目标变化信息,根据数据之间的映射关联关系,快速定位到存在变化的目标,实现更新信息在多重表达数据之间的联动,完成多重表达地理空间数据的快速、一致更新。 最后,对本文提出的目标匹配方法和数据联动更新方法进行实验验证。通过同时间不同类型数据、同时间同类型不同比例尺数据、不同时间不同类型数据三组目标匹配实验说明不同数据环境下,目标匹配各指标的权重不一定相同,且与以往参考文献中各指标给定权重计算空间相似性进行目标匹配的方法相比,基于PSO神经网络目标匹配方法具有较高准确率。根据PSO神经网络目标方法建立2009年建筑物普查数据、2009年电子地图1：1000比例尺数据、2009年电子地图1：10000比例尺数据的匹配关联关系,以2010年建筑物普查数据为数据更新源,基于此目标匹配方法自动探测相对于2009年建筑物普查数据中的变化信息,实现变化在2009年建筑物普查数据以及两个比例尺电子地图数据中的联动更新,证明基于目标匹配的数据联动更新方法能较好地完成多重表达地理空间数据的更新。
【图文】：

及自动提取变化信息，并对变化信息进行分类和操作标记，实现多重表达数据库中更新的实时传播，具体如图1-1所示。根据上述研究思路，本文的内容组织结构如图1-2所示：第一章为绪论，介绍论文选题的研究背景和目标匹配技术的研宄意义，同时综述了与本文目标匹配研究相关的空间相似性、目标匹配技术以及地理信息数据更新三个方面的研宄现状以及存在的问题，并据此问题分析形成本文的研究目标和内容，最后对本文的研究思路和内容组织结构进行简要介绍。第二章为相似性匹配的概述，主要包括三个方面的内容：一是用于度量目标匹配的空间相似性的基本问题研宄，涉及定义、特性、计算模型和主要应用领域等方面的内容；二是分析地理要素的多重表达特征，分为多尺度表达和多类表达两种

中更新的实时传播，具体如图1-1所示。根据上述研究思路，，本文的内容组织结构如图1-2所示：第一章为绪论，介绍论文选题的研究背景和目标匹配技术的研宄意义，同时综述了与本文目标匹配研究相关的空间相似性、目标匹配技术以及地理信息数据更新三个方面的研宄现状以及存在的问题，并据此问题分析形成本文的研究目标和内容，最后对本文的研究思路和内容组织结构进行简要介绍。第二章为相似性匹配的概述，主要包括三个方面的内容：一是用于度量目标匹配的空间相似性的基本问题研宄，涉及定义、特性、计算模型和主要应用领域等方面的内容；二是分析地理要素的多重表达特征，分为多尺度表达和多类表达两种，探讨了由此导致的地理实体匹配的类型；三是介绍目标匹配的一般流程与评价方法
【学位授予单位】：武汉大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：P208;TP183

【相似文献】

相关期刊论文 前10条

1 刘彩红;唐万梅;;基于组合神经网络的教师评价模型研究[J];重庆师范大学学报(自然科学版);2008年04期

2 钟义信;;神经网络:成就、问题与前景[J];科学;1992年02期

3 莫恭佑;;神经网络及其在英国的应用[J];国际科技交流;1992年03期

4 闵志;;神经网络:使计算机具有快速学习功能[J];国际科技交流;1992年03期

5 冯建峰,钱敏平;神经网络中的退火——非时齐情形[J];北京大学学报(自然科学版);1993年03期

6 唐功友;离散Hopfield神经网络的稳定性[J];青岛海洋大学学报;1994年S2期

7 靳蕃;;中国神经网络学术大会在西南交通大学隆重召开[J];学术动态报道;1996年04期

8 彭宏,张素;带有时滞的神经网络的稳定性[J];杭州大学学报(自然科学版);1997年04期

9 陈新,孙道恒,黄洪钟;结构分析有限元系统与神经网络[J];起重运输机械;1999年06期

10 成宇;神经网络是怎么搭建的?[J];百科知识;2005年16期

相关会议论文 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

相关重要报纸文章 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

相关博士学位论文 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

相关硕士学位论文 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

本文编号：2517290