针对信息冗余的POI信息融合建模研究
发布时间：2021-07-16 20:55
地理信息系统（Geographic Information system,GIS）目前应用于各个行业领域,其中兴趣点（Points Of Interest,POI）信息是GIS系统中重要的数据。随着多种应用地图的出现,不同的地图对同一POI信息的表示出现差异,使得POI信息的一致性出现问题,这直接影响到用户对POI信息的使用,因此,研究POI信息的数据融合和更新对GIS系统有着重要的意义。本文针对POI信息的数据融合的问题,提出了非空间属性与空间位置相结合来判决POI信息匹配性的优化算法,其方法是:一,基于分词后的POI信息,利用改进的非空间属性算法对其POI信息点的非空间属性数据进行匹配;二,基于POI信息点之间的空间位置,再次进行二次匹配,以确定POI在地理位置上的交叠性;三,在前两步所得数据的基础上,进行迭代匹配以得到更高的匹配效率;四,对信息熵算法进行改进以实现POI信息数据的融合并输出结果,解决POI信息数据一致性的问题。通过本文提出的算法对POI点信息进行实验,实验结果表明,误差值能控制在8.09%的范围内,同时POI信息点之间的匹配效率提高到78.57%,使得POI信息的...
【文章来源】：昆明理工大学云南省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
不同地图数据的分析图
数据融合技术。基于以上研究情况，对 POI 信息数据做了总结和分析，在此基础上，提出了相关的研究问。绍了 POI 信息数据融合技术相关的理论知识、算法原析了各个算法，为优化算法做准备。基于 POI 信息数了一种针对信息冗余改进的空间位置与非空间属性OI 信息数据融合方法。首先，使用改进的非空间属性一次匹配；然后，使用空间位置进行迭代寻优匹配；出的距离作为参照，在样本数据中进行数据融合，然后例，将改进的相似度算法和空间位置算法应用在具体融合的结果来验证和分析算法性能；最后，对本论文，根据论文中所存在的不足进行展望，以供后续研究文研究的思想和逻辑结构，根据本文的内容描绘了本2 所示。
jjjSD 式（3.2）、（3.3）、（3.4）中，jD 为 POI 名称分词以后的词 j 在文本集中出现的总频数，jP 、jI 、jS 分别表示 j 在全部 POI 名称中分别作为前缀、中缀和后缀出现的总频数。3.1.2 POI 地址名称的预处理为了对标准词语进行切分，本文建立了行政区划的词库来完成“地址标准化”，并做为“字符串”处理。地址信息有层次化的结构，主要包括行政区划、街道、实体和附加信息四个部分[50]：（1）行政区划，分成省（包含省、自治区、直辖市和特别行政区）、地（包含地区、盟、自治州和地级市）、县（包含县、自治县、旗、自治旗、县级市、市辖区、林区和特区）、乡（包含乡、民族乡、镇、街道、苏木、民族苏木和区公所）、村（包含村、社区、居和嘎查）、组（包含村民小组和社区居民小组）如图 3.1 所示的树状图。
【参考文献】：
期刊论文
[1]结合语义扩展和卷积神经网络的中文短文本分类方法[J]. 卢玲,杨武,杨有俊,陈梦晗. 计算机应用. 2017(12)
[2]基于改进的TF-IDF算法及共现词的主题词抽取算法[J]. 公冶小燕,林培光,任威隆,张晨,张春云. 南京大学学报(自然科学). 2017(06)
[3]基于深度学习的中文地名识别研究[J]. 沈思,朱丹浩. 北京理工大学学报. 2017(11)
[4]地理信息语义的LOD表达与相似性度量[J]. 贾小斌,艾廷华,彭子凤,王光霞. 武汉大学学报(信息科学版). 2016(10)
[5]隐私保护的信息熵模型及其度量方法[J]. 彭长根,丁红发,朱义杰,田有亮,符祖峰. 软件学报. 2016(08)
[6]基于混合余弦相似度的中文文本层次关系挖掘[J]. 董洋溢,李伟华,于会. 计算机应用研究. 2017(05)
[7]顾及位置关系的网络POI地址信息标准化处理方法[J]. 王勇,刘纪平,郭庆胜,罗安. 测绘学报. 2016(05)
[8]基于词频类别相关的特征权重算法[J]. 张羚,陆余良,杨国正. 计算机应用研究. 2017(02)
[9]基于天地图的POI数据采集系统设计与实现[J]. 曾李阳,齐华,谭明建,刘建川,严林. 测绘与空间地理信息. 2016(03)
[10]基于任务合并的并行大数据清洗过程优化[J]. 杨东华,李宁宁,王宏志,李建中,高宏. 计算机学报. 2016(01)
博士论文
[1]基于知识整合的词汇语义相似度计算方法研究[D]. 蔡圆媛.北京交通大学 2016
[2]基于语义标注的地理信息服务关键技术研究[D]. 梁汝鹏.解放军信息工程大学 2013
[3]基于信息熵和互信息的流域水文模型不确定性分析[D]. 龚伟.清华大学 2012
硕士论文
[1]基于改进情感词识别方法的舆情情感分析系统设计[D]. 何新宇.北方工业大学 2016
[2]地理实体匹配技术研究[D]. 庄敏.东南大学 2016
[3]基于深度学习的中文命名实体识别研究[D]. 王国昱.北京工业大学 2015
[4]油纸绝缘典型缺陷局部放电特征提取与模式识别研究[D]. 褚鑫.中国矿业大学 2015
[5]SVM参数寻优及其在分类中的应用[D]. 徐晓明.大连海事大学 2014
[6]基于位置与属性的多源POI数据融合的研究[D]. 王婷婷.中国海洋大学 2014
[7]基于多源POI数据的匹配融合方法研究[D]. 陈瑞.兰州交通大学 2014
[8]北斗系统用户通信数据扩容技术研究[D]. 彭皓.西安电子科技大学 2013
[9]数据质量管理与数据清洗技术的研究与应用[D]. 陈孟婕.北京邮电大学 2013
[10]基于信息增益和信息熵的特征词权重计算研究[D]. 李海瑞.重庆大学 2012
本文编号：3287747
【文章来源】：昆明理工大学云南省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
不同地图数据的分析图
数据融合技术。基于以上研究情况，对 POI 信息数据做了总结和分析，在此基础上，提出了相关的研究问。绍了 POI 信息数据融合技术相关的理论知识、算法原析了各个算法，为优化算法做准备。基于 POI 信息数了一种针对信息冗余改进的空间位置与非空间属性OI 信息数据融合方法。首先，使用改进的非空间属性一次匹配；然后，使用空间位置进行迭代寻优匹配；出的距离作为参照，在样本数据中进行数据融合，然后例，将改进的相似度算法和空间位置算法应用在具体融合的结果来验证和分析算法性能；最后，对本论文，根据论文中所存在的不足进行展望，以供后续研究文研究的思想和逻辑结构，根据本文的内容描绘了本2 所示。
jjjSD 式（3.2）、（3.3）、（3.4）中，jD 为 POI 名称分词以后的词 j 在文本集中出现的总频数，jP 、jI 、jS 分别表示 j 在全部 POI 名称中分别作为前缀、中缀和后缀出现的总频数。3.1.2 POI 地址名称的预处理为了对标准词语进行切分，本文建立了行政区划的词库来完成“地址标准化”，并做为“字符串”处理。地址信息有层次化的结构，主要包括行政区划、街道、实体和附加信息四个部分[50]：（1）行政区划，分成省（包含省、自治区、直辖市和特别行政区）、地（包含地区、盟、自治州和地级市）、县（包含县、自治县、旗、自治旗、县级市、市辖区、林区和特区）、乡（包含乡、民族乡、镇、街道、苏木、民族苏木和区公所）、村（包含村、社区、居和嘎查）、组（包含村民小组和社区居民小组）如图 3.1 所示的树状图。
【参考文献】：
期刊论文
[1]结合语义扩展和卷积神经网络的中文短文本分类方法[J]. 卢玲,杨武,杨有俊,陈梦晗. 计算机应用. 2017(12)
[2]基于改进的TF-IDF算法及共现词的主题词抽取算法[J]. 公冶小燕,林培光,任威隆,张晨,张春云. 南京大学学报(自然科学). 2017(06)
[3]基于深度学习的中文地名识别研究[J]. 沈思,朱丹浩. 北京理工大学学报. 2017(11)
[4]地理信息语义的LOD表达与相似性度量[J]. 贾小斌,艾廷华,彭子凤,王光霞. 武汉大学学报(信息科学版). 2016(10)
[5]隐私保护的信息熵模型及其度量方法[J]. 彭长根,丁红发,朱义杰,田有亮,符祖峰. 软件学报. 2016(08)
[6]基于混合余弦相似度的中文文本层次关系挖掘[J]. 董洋溢,李伟华,于会. 计算机应用研究. 2017(05)
[7]顾及位置关系的网络POI地址信息标准化处理方法[J]. 王勇,刘纪平,郭庆胜,罗安. 测绘学报. 2016(05)
[8]基于词频类别相关的特征权重算法[J]. 张羚,陆余良,杨国正. 计算机应用研究. 2017(02)
[9]基于天地图的POI数据采集系统设计与实现[J]. 曾李阳,齐华,谭明建,刘建川,严林. 测绘与空间地理信息. 2016(03)
[10]基于任务合并的并行大数据清洗过程优化[J]. 杨东华,李宁宁,王宏志,李建中,高宏. 计算机学报. 2016(01)
博士论文
[1]基于知识整合的词汇语义相似度计算方法研究[D]. 蔡圆媛.北京交通大学 2016
[2]基于语义标注的地理信息服务关键技术研究[D]. 梁汝鹏.解放军信息工程大学 2013
[3]基于信息熵和互信息的流域水文模型不确定性分析[D]. 龚伟.清华大学 2012
硕士论文
[1]基于改进情感词识别方法的舆情情感分析系统设计[D]. 何新宇.北方工业大学 2016
[2]地理实体匹配技术研究[D]. 庄敏.东南大学 2016
[3]基于深度学习的中文命名实体识别研究[D]. 王国昱.北京工业大学 2015
[4]油纸绝缘典型缺陷局部放电特征提取与模式识别研究[D]. 褚鑫.中国矿业大学 2015
[5]SVM参数寻优及其在分类中的应用[D]. 徐晓明.大连海事大学 2014
[6]基于位置与属性的多源POI数据融合的研究[D]. 王婷婷.中国海洋大学 2014
[7]基于多源POI数据的匹配融合方法研究[D]. 陈瑞.兰州交通大学 2014
[8]北斗系统用户通信数据扩容技术研究[D]. 彭皓.西安电子科技大学 2013
[9]数据质量管理与数据清洗技术的研究与应用[D]. 陈孟婕.北京邮电大学 2013
[10]基于信息增益和信息熵的特征词权重计算研究[D]. 李海瑞.重庆大学 2012
本文编号：3287747
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3287747.html
