论文部分内容阅读
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,然后选取验证数据进行仿真实验,不断进行优化调整,直到选取结果满足要求。本文以道路网选取为研究对象,针对一般性道路网基础属性少、语义信息缺乏等特点,根据一般道路网都具有的基础属性和拓扑结构,建立了一套不依赖语义信息的知识系统,并设计了选取参数值自动构建的算法,以此作为选取依据。然后结合机器学习领域的优秀研究成果,利用核机器算法强大的非线性映射能力,通过对样本的学习和训练实现对道路网的自动选取。选择不同结构类型的道路网进行了选取实验,通过实验发现,本文道路网选取方法是可行且有效的,其对于辐射状和格网状道路网具有更好的应用效果。