核机器学习在地图自动综合中的道路网智能选取研究
发布时间：2021-01-13 09:44
道路网的选取问题一直以来都是地图综合乃至地图学研究的重点和难点之一,地图学者做了大量工作,但至今仍没有得到合理的解决。分析原因,道路网选取是个全面、综合的过程,选取时要考虑的因素非常复杂多样,并且许多因素是不明确的,它们与道路的重要性之间很难用确定的模型来表达。常规的方法已经很难满足道路网选取的需要,许多学者转而寻求智能化的道路网选取方法,从理论上来说,这可能成为解决道路网选取问题的新的突破口。道路网智能选取实质上是用智能化的方法模拟专家的选取过程,这其中建立系统有效的知识系统、设计适用于选取问题的智能化方法及其如何有效地学习是研究的重点。因此本论文研究的主要内容如下:（1）知识系统的建立。知识系统是进行道路取舍的依据,建立合理、全面且有效的选取参数系统是进行道路网选取的基础和首要任务。（2）参数值的自动获取。论文基于一般性道路网数据考虑,不依赖于苛刻的语义信息,根据拓扑结构来构建了一系列拓扑参数参与选取,并研究了参数值的自动获取算法。（3）核机器学习模型的设计与仿真实验。核机器学习模型的设计包括核函数的选择及相关参数的调整和优化,利用设计好的核机器模型,对训练样本进行学习,然后选取验...
【文章来源】：南京大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：91 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景
1.1.1 地图综合与道路网选取
1.1.2 课题支撑
1.2 国内外研究进展及存在问题
1.2.1 地图制图综合研究进展
1.2.2 道路网自动综合研究进展
1.2.3 机器学习应用于道路网选取的研究进展
1.2.4 当前道路网选取研究存在的主要问题
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
第2章 构建道路网选取的知识系统
2.1 道路网选取原理
2.1.1 道路网选取的一般原则和指标
2.1.2 利用核机器学习算法进行道路网选取的原理
2.2 知识系统的建立
第3章 选取参数值的自动获取
3.1 stroke构建
3.2 拓扑结构数字化
3.3 参数值的计算
第4章 建立道路网选取的核机器模型
4.1 核机器学习理论
4.1.1 核方法
4.1.2 核函数
4.2 支持向量机
4.2.1 支持向量机原理
4.2.2 支持向量机的核函数
4.2.3 支持向量机特点
4.3 核机器学习模型的建立
4.3.1 实验数据准备
4.3.2 选择核函数及核参数
4.3.3 惩罚因子C选择实验
4.3.4 小结
第5章 基于核机器模型的道路网选取实验
5.1 实验数据选择
5.2 训练样本的选择
5.3 数据预处理
5.3.1 去除伪节点
5.3.2 构建stroke
5.3.3 路段化处理
5.4 计算选取参数
5.5 样本学习
5.6 选取实例
5.6.1 实验数据准备
5.6.2 辐射状道路网选取实例
5.6.3 格网状道路网选取实例
5.6.4 不规则状道路网选取实例
5.7 实验结果小结
第6章 结论与展望
6.1 结论
6.2 创新点
6.3 不足与展望
参考文献
硕士期间的科研成果
致谢
【参考文献】：
期刊论文
[1]基于BP神经网络和拓扑参数的道路网选取研究[J]. 刘凯,李进,沈婕,马劲松. 测绘科学技术学报. 2016(03)
[2]道路网层次骨架控制的道路选取方法[J]. 何海威,钱海忠,刘海龙,王骁,胡慧明. 测绘学报. 2015(04)
[3]道路网智能选取的案例类比推理法[J]. 郭敏,钱海忠,黄智深,何海威,刘海龙. 测绘学报. 2014(07)
[4]对偶图节点重要度的道路网自动选取方法[J]. 刘刚,李永树,杨骏,张喜平. 测绘学报. 2014(01)
[5]采用案例归纳推理进行道路网智能选取[J]. 郭敏,钱海忠,黄智深,刘海龙,王骁. 中国图象图形学报. 2013(10)
[6]顾及道路目标stroke特征保持的路网自动综合方法[J]. 杨敏,艾廷华,周启. 测绘学报. 2013(04)
[7]基于层次随机图的道路选取方法[J]. 李木梓,徐柱,李志林,张红,遆鹏. 地球信息科学学报. 2012(06)
[8]供应链金融视角下的中小企业信用风险评估研究——基于SVM与BP神经网络的比较研究[J]. 胡海青,张琅,张道宏. 管理评论. 2012(11)
[9]基于路划网络功能评价的道路选取方法[J]. 徐柱,刘彩凤,张红,黄泽纯,李志林. 测绘学报. 2012(05)
[10]核机器学习方法及其在生物信息学中的应用[J]. 王蕊,牟少敏,曹学成,苏平. 山东农业大学学报(自然科学版). 2012(03)
博士论文
[1]核机器学习方法及其在视觉检测中的应用研究[D]. 谭治英.电子科技大学 2013
[2]基于支持向量机的聚类及文本分类研究[D]. 平源.北京邮电大学 2012
[3]支持向量机学习算法若干问题的研究[D]. 常甜甜.西安电子科技大学 2010
[4]街道渐进式选取的理论与方法[D]. 田晶.武汉大学 2009
[5]核方法在分类、回归与聚类方面的研究及应用[D]. 陈晓峰.江南大学 2009
[6]核方法的研究及其应用[D]. 牟少敏.北京交通大学 2008
[7]模式识别的核方法研究[D]. 厉小润.浙江大学 2007
[8]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
[9]核机器学习方法若干问题研究[D]. 蒋刚.西南交通大学 2006
[10]支持向量机算法的研究及其应用[D]. 范昕炜.浙江大学 2003
硕士论文
[1]基于BP神经网络的道路网选取方法研究[D]. 李进.南京大学 2014
[2]SOM神经网络在道路网制图综合中的应用[D]. 杨萌萌.南京大学 2013
[3]基于案例学习的道路网智能选取方法研究[D]. 郭敏.解放军信息工程大学 2013
[4]道路自动综合算法的比较与应用研究[D]. 商其亚.兰州交通大学 2013
[5]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
[6]支持向量机分类算法研究与应用[D]. 彭璐.湖南大学 2007
[7]道路网自动制图综合的研究和实践[D]. 陈波.解放军信息工程大学 2006
[8]基于支持向量机的图像分类研究[D]. 肖靓.同济大学 2006
[9]基于ARCGIS的居民地与道路的自动综合[D]. 徐峥.武汉大学 2005
[10]基于弹性力学原理的自动综合位移模型[D]. 侯璇.解放军信息工程大学 2004
本文编号：2974661
【文章来源】：南京大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：91 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景
1.1.1 地图综合与道路网选取
1.1.2 课题支撑
1.2 国内外研究进展及存在问题
1.2.1 地图制图综合研究进展
1.2.2 道路网自动综合研究进展
1.2.3 机器学习应用于道路网选取的研究进展
1.2.4 当前道路网选取研究存在的主要问题
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
第2章 构建道路网选取的知识系统
2.1 道路网选取原理
2.1.1 道路网选取的一般原则和指标
2.1.2 利用核机器学习算法进行道路网选取的原理
2.2 知识系统的建立
第3章 选取参数值的自动获取
3.1 stroke构建
3.2 拓扑结构数字化
3.3 参数值的计算
第4章 建立道路网选取的核机器模型
4.1 核机器学习理论
4.1.1 核方法
4.1.2 核函数
4.2 支持向量机
4.2.1 支持向量机原理
4.2.2 支持向量机的核函数
4.2.3 支持向量机特点
4.3 核机器学习模型的建立
4.3.1 实验数据准备
4.3.2 选择核函数及核参数
4.3.3 惩罚因子C选择实验
4.3.4 小结
第5章 基于核机器模型的道路网选取实验
5.1 实验数据选择
5.2 训练样本的选择
5.3 数据预处理
5.3.1 去除伪节点
5.3.2 构建stroke
5.3.3 路段化处理
5.4 计算选取参数
5.5 样本学习
5.6 选取实例
5.6.1 实验数据准备
5.6.2 辐射状道路网选取实例
5.6.3 格网状道路网选取实例
5.6.4 不规则状道路网选取实例
5.7 实验结果小结
第6章 结论与展望
6.1 结论
6.2 创新点
6.3 不足与展望
参考文献
硕士期间的科研成果
致谢
【参考文献】：
期刊论文
[1]基于BP神经网络和拓扑参数的道路网选取研究[J]. 刘凯,李进,沈婕,马劲松. 测绘科学技术学报. 2016(03)
[2]道路网层次骨架控制的道路选取方法[J]. 何海威,钱海忠,刘海龙,王骁,胡慧明. 测绘学报. 2015(04)
[3]道路网智能选取的案例类比推理法[J]. 郭敏,钱海忠,黄智深,何海威,刘海龙. 测绘学报. 2014(07)
[4]对偶图节点重要度的道路网自动选取方法[J]. 刘刚,李永树,杨骏,张喜平. 测绘学报. 2014(01)
[5]采用案例归纳推理进行道路网智能选取[J]. 郭敏,钱海忠,黄智深,刘海龙,王骁. 中国图象图形学报. 2013(10)
[6]顾及道路目标stroke特征保持的路网自动综合方法[J]. 杨敏,艾廷华,周启. 测绘学报. 2013(04)
[7]基于层次随机图的道路选取方法[J]. 李木梓,徐柱,李志林,张红,遆鹏. 地球信息科学学报. 2012(06)
[8]供应链金融视角下的中小企业信用风险评估研究——基于SVM与BP神经网络的比较研究[J]. 胡海青,张琅,张道宏. 管理评论. 2012(11)
[9]基于路划网络功能评价的道路选取方法[J]. 徐柱,刘彩凤,张红,黄泽纯,李志林. 测绘学报. 2012(05)
[10]核机器学习方法及其在生物信息学中的应用[J]. 王蕊,牟少敏,曹学成,苏平. 山东农业大学学报(自然科学版). 2012(03)
博士论文
[1]核机器学习方法及其在视觉检测中的应用研究[D]. 谭治英.电子科技大学 2013
[2]基于支持向量机的聚类及文本分类研究[D]. 平源.北京邮电大学 2012
[3]支持向量机学习算法若干问题的研究[D]. 常甜甜.西安电子科技大学 2010
[4]街道渐进式选取的理论与方法[D]. 田晶.武汉大学 2009
[5]核方法在分类、回归与聚类方面的研究及应用[D]. 陈晓峰.江南大学 2009
[6]核方法的研究及其应用[D]. 牟少敏.北京交通大学 2008
[7]模式识别的核方法研究[D]. 厉小润.浙江大学 2007
[8]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
[9]核机器学习方法若干问题研究[D]. 蒋刚.西南交通大学 2006
[10]支持向量机算法的研究及其应用[D]. 范昕炜.浙江大学 2003
硕士论文
[1]基于BP神经网络的道路网选取方法研究[D]. 李进.南京大学 2014
[2]SOM神经网络在道路网制图综合中的应用[D]. 杨萌萌.南京大学 2013
[3]基于案例学习的道路网智能选取方法研究[D]. 郭敏.解放军信息工程大学 2013
[4]道路自动综合算法的比较与应用研究[D]. 商其亚.兰州交通大学 2013
[5]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
[6]支持向量机分类算法研究与应用[D]. 彭璐.湖南大学 2007
[7]道路网自动制图综合的研究和实践[D]. 陈波.解放军信息工程大学 2006
[8]基于支持向量机的图像分类研究[D]. 肖靓.同济大学 2006
[9]基于ARCGIS的居民地与道路的自动综合[D]. 徐峥.武汉大学 2005
[10]基于弹性力学原理的自动综合位移模型[D]. 侯璇.解放军信息工程大学 2004
本文编号：2974661
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/2974661.html
