基于人工蜂群算法的自动制图综合研究
发布时间：2021-05-31 23:48
伴随着全球信息化的浪潮接踵而至,社会上每个行业都在朝着信息化前进,我国已将信息相关产业作为可持续发展的国家战略。我国的铁路是全球运营里程最长的线路,并且是运营情况最复杂的线路之一。铁路相关的专题地图已经成为铁路信息化建设的必备基础设施。建立一个界面友好、形象直观、具备良好交互性的铁路电子地图作为铁路各部门、各系统之间铁路专题地理信息资源是不可或缺的,同时还提高了铁路运营部门现有业务的科学决策水平和信息利用效率。结合地理制图综合的相关知识,运用智能计算方法对铁路线路的空间分布和相互关系进行科学合理的描述。经过收集整理并仔细研读大量国内外相关文献及资料,本文认为自动制图综合技术的主要特点是高智能化的视觉显示,本质上是一个多目标优化问题。利用多目标人工蜂群算法克服了既存综合理论与方法的若干缺陷,为地图综合理论提供了新的研究视角,同时也为自动制图技术的改进找到了更为合理的优化路径。通过自动制图综合技术过程的介绍,确定铁路地理位置的表达与选取作为论文的研究内容。制图思维是制图综合技术的内在支撑,制图思维经过反复加工或梳理重构,形成规范化的制图综合知识,这些知识的集合又反过来成为制图思维方面进一步...
【文章来源】：兰州交通大学甘肃省
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
多目标的基本框架
(c)模拟示意图 (d)实验结果图图 4.4 模拟数据铁路节点实验结果比较节通过对模拟数据节点分布范围指标、节点关联度以及节点间距离冲突指验展开实验计算，根据最终的实验结果可知，根据图 4.4(a)(b)对比得出利自动制图综合技术，总体上，全部节点因各选取指标的不同，反映了选取。节点自身携带的特性数据和外部的地理数据必须相符，对带有特定属性标在该模型中加以保留，而其他节点的选取则按照先前构建的自动制图综进行取舍；同时，节点距离指标以外的地理数据节点没有被选取；图 4.4)的局部放大图，基于关联度指标，展现了节点之间关联度的分布特点，将域之内的节点主动保留下来，在其之外的数据节点按照自动制图综合的选择地将其保留。) 警卫铁路数字地图节点选取实验节将我国某地的铁路地理空间数据节点目标视为检验对象，通过上述模型综合。图 4.5 为选取前的部分铁路节点地理空间数据分布图。
图 4.6 局部放大图截图节点示意图选取的局部放大截图，包含了五类要素铁路沿线设备设施，车站节点数据等参考制图综合知看，铁路相应节点分布相对离散。自动制图综合过程有的凸包方法进行比较。图 4.7 凸包方法进行选取
【参考文献】：
期刊论文
[1]基于层次分析法的多尺度点群目标相似度计算[J]. 段晓旗,刘涛,武丹. 地球信息科学学报. 2016(10)
[2]基于地图要素控制点的制图综合研究[J]. 朱吉祥,张礼中,周小元,陆琰. 科技创新与应用. 2014(27)
[3]人工蜂群算法研究综述[J]. 秦全德,程适,李丽,史玉回. 智能系统学报. 2014(02)
[4]模拟生物理想自由分布模型的粒子群算法[J]. 秦全德,李荣钧. 控制与决策. 2011(12)
[5]移动环境地图自动综合系统设计与实现[J]. 沈婕. 地球信息科学学报. 2011(05)
[6]多尺度地理空间点群目标相似度的分析与计算[J]. 王超超,史霄,黄娟,王华萍. 商丘师范学院学报. 2011(03)
[7]数字铁路框架体系的研究[J]. 史天运,王英杰,李平. 交通运输系统工程与信息. 2010(06)
[8]基于GIS的铁路车站电子地图绘制平台设计[J]. 李望,倪少权,吕红霞. 铁道运输与经济. 2010(09)
[9]自动制图综合链理论与技术模型[J]. 钱海忠,武芳,王家耀. 测绘学报. 2006(04)
[10]基于制图综合知识的空间数据检查[J]. 钱海忠,武芳,郭健,王家耀. 测绘学报. 2006(02)
博士论文
[1]基于人工蜂群算法的最优潮流相关技术研究[D]. 何宣虎.北京交通大学 2016
[2]基于保质设计的自动制图综合研究[D]. 邓红艳.解放军信息工程大学 2006
硕士论文
[1]铁路GIS平台中地图操作和公里标操作接口的研究与实现[D]. 辛强.电子科技大学 2016
[2]铁路应急资源动态多阶段调度决策模型及其应用研究[D]. 穆然.兰州交通大学 2015
[3]基于遗传算法的电力工程多目标优化研究[D]. 章姗捷.华北电力大学 2015
[4]基于人工蜂群算法的SPECT-B超甲状腺图像配准[D]. 郭莉莉.河北大学 2015
[5]基于反馈的多目标人工蜂群算法研究[D]. 刘婷婷.东北大学 2013
[6]基于GIS的铁路检测数据可视化分析研究与应用[D]. 徐晓磊.中国铁道科学研究院 2012
[7]求解多目标优化问题的混合遗传算法的研究与应用[D]. 李中林.东北大学 2012
[8]多目标人工蜂群算法的研究与应用[D]. 李云彬.东北大学 2012
[9]道路制图自动综合技术研究与实现[D]. 韩锁.华中师范大学 2012
[10]电力建设项目的多目标综合优化研究[D]. 侯海洋.华北电力大学 2012
本文编号：3209217
【文章来源】：兰州交通大学甘肃省
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
多目标的基本框架
(c)模拟示意图 (d)实验结果图图 4.4 模拟数据铁路节点实验结果比较节通过对模拟数据节点分布范围指标、节点关联度以及节点间距离冲突指验展开实验计算，根据最终的实验结果可知，根据图 4.4(a)(b)对比得出利自动制图综合技术，总体上，全部节点因各选取指标的不同，反映了选取。节点自身携带的特性数据和外部的地理数据必须相符，对带有特定属性标在该模型中加以保留，而其他节点的选取则按照先前构建的自动制图综进行取舍；同时，节点距离指标以外的地理数据节点没有被选取；图 4.4)的局部放大图，基于关联度指标，展现了节点之间关联度的分布特点，将域之内的节点主动保留下来，在其之外的数据节点按照自动制图综合的选择地将其保留。) 警卫铁路数字地图节点选取实验节将我国某地的铁路地理空间数据节点目标视为检验对象，通过上述模型综合。图 4.5 为选取前的部分铁路节点地理空间数据分布图。
图 4.6 局部放大图截图节点示意图选取的局部放大截图，包含了五类要素铁路沿线设备设施，车站节点数据等参考制图综合知看，铁路相应节点分布相对离散。自动制图综合过程有的凸包方法进行比较。图 4.7 凸包方法进行选取
【参考文献】：
期刊论文
[1]基于层次分析法的多尺度点群目标相似度计算[J]. 段晓旗,刘涛,武丹. 地球信息科学学报. 2016(10)
[2]基于地图要素控制点的制图综合研究[J]. 朱吉祥,张礼中,周小元,陆琰. 科技创新与应用. 2014(27)
[3]人工蜂群算法研究综述[J]. 秦全德,程适,李丽,史玉回. 智能系统学报. 2014(02)
[4]模拟生物理想自由分布模型的粒子群算法[J]. 秦全德,李荣钧. 控制与决策. 2011(12)
[5]移动环境地图自动综合系统设计与实现[J]. 沈婕. 地球信息科学学报. 2011(05)
[6]多尺度地理空间点群目标相似度的分析与计算[J]. 王超超,史霄,黄娟,王华萍. 商丘师范学院学报. 2011(03)
[7]数字铁路框架体系的研究[J]. 史天运,王英杰,李平. 交通运输系统工程与信息. 2010(06)
[8]基于GIS的铁路车站电子地图绘制平台设计[J]. 李望,倪少权,吕红霞. 铁道运输与经济. 2010(09)
[9]自动制图综合链理论与技术模型[J]. 钱海忠,武芳,王家耀. 测绘学报. 2006(04)
[10]基于制图综合知识的空间数据检查[J]. 钱海忠,武芳,郭健,王家耀. 测绘学报. 2006(02)
博士论文
[1]基于人工蜂群算法的最优潮流相关技术研究[D]. 何宣虎.北京交通大学 2016
[2]基于保质设计的自动制图综合研究[D]. 邓红艳.解放军信息工程大学 2006
硕士论文
[1]铁路GIS平台中地图操作和公里标操作接口的研究与实现[D]. 辛强.电子科技大学 2016
[2]铁路应急资源动态多阶段调度决策模型及其应用研究[D]. 穆然.兰州交通大学 2015
[3]基于遗传算法的电力工程多目标优化研究[D]. 章姗捷.华北电力大学 2015
[4]基于人工蜂群算法的SPECT-B超甲状腺图像配准[D]. 郭莉莉.河北大学 2015
[5]基于反馈的多目标人工蜂群算法研究[D]. 刘婷婷.东北大学 2013
[6]基于GIS的铁路检测数据可视化分析研究与应用[D]. 徐晓磊.中国铁道科学研究院 2012
[7]求解多目标优化问题的混合遗传算法的研究与应用[D]. 李中林.东北大学 2012
[8]多目标人工蜂群算法的研究与应用[D]. 李云彬.东北大学 2012
[9]道路制图自动综合技术研究与实现[D]. 韩锁.华中师范大学 2012
[10]电力建设项目的多目标综合优化研究[D]. 侯海洋.华北电力大学 2012
本文编号：3209217
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3209217.html
