典型地理要素的智能化制图综合方法

目录序前言第1章　引言　11.1　制图综合概述　11.1.1　制图综合概念　11.1.2　制图综合算子　21.1.3　制图综合对象　41.2　智能化制图综合概述　51.2.1　智能化制图综合概念　51.2.2　智能化制图综合背景　61.2.3　智能化制图综合意义　71.3　智能化制图综合发展　81.3.1　研究进展　81.3.2　存在问题　121.3.3　未来方向　13参考文献　14第2章　制图综合模型与制图综合知识　172.1　制图综合模型　172.1.1　道路网骨架层次模型　172.1.2　道路弯曲化简模型　212.1.3　居民地重要性影响因子模型　262.2　制图综合知识　312.2.1　制图综合知识的概念与形式化　312.2.2　基于案例的制图综合知识获取　382.2.3　基于案例学习的制图综合　45参考文献　47第3章　道路自动化综合　503.1　基于道路网层次骨架控制的道路选取方法　503.1.1　道路层次骨架提取　503.1.2　各层次Stroke重要性评价和选取流程　543.1.3　基于层次骨架的道路选取流程及对比　583.1.4　实验与分析　603.1.5　小结　603.2　基于三元弯曲组划分的道路形态化简方法　613.2.1　道路化简前的预处理　623.2.2　道路弯曲识别　633.2.3　三元弯曲组构建和化简　663.2.4　基于三元弯曲组的循环化简策略　693.2.5　小结　723.3　基于弯曲的道路化简冲突避免方法　733.3.1　道路化简导致空间冲突的原因与类型分析　733.3.2　基于弯曲的道路化简冲突判别方法　753.3.3　避免产生化简冲突的解决方法　773.3.4　小结　79参考文献　81第4章　道路智能化综合　824.1　基于案例类比推理的道路网智能选取方法　824.1.1　CBR模型　824.1.2　基于案例类比推理的道路网智能选取原理　834.1.3　案例库简化和案例泛化　844.1.4　基于案例类比推理的道路网智能选取流程　874.1.5　实验验证及结果分析　894.1.6　小结　954.2　基于案例归纳推理的道路网智能选取方法　954.2.1　基于案例归纳推理的道路网智能选取原理　954.2.2　归纳学习机制研究　964.2.3　归纳推理结果　1044.2.4　基于案例归纳推理的道路网智能选取流程　1074.2.5　实验验证及结果分析　1084.2.6　小结　1134.3　基于卷积神经网络的立交桥识别方法　1144.3.1　理论依据　1144.3.2　基于视觉型案例的栅矢结合立交桥识别策略　1154.3.3　立交桥初步定位以及案例获取　1184.3.4　采用AlexNet模型对立交桥样本进行分类模型训练　1224.3.5　实验与分析　1254.3.6　小结　1294.4　线要素（道路）化简算法及参数自动设置的案例类比推理方法　1294.4.1　理论依据　1294.4.2　案例推理的化简算法及参数自动设置原理　1304.4.3　面向案例类比推理的化简效果评估　1334.4.4　基于案例类比推理的算法及参数迭代寻优　1354.4.5　实验与分析　1384.4.6　小结　141参考文献　141第5章　居民地自动化综合　1435.1　采用主成分分析法的面状居民地自动选取方法　1435.1.1　采用主成分分析法的居民地重要性评价原理　1435.1.2　主成分分析法的原理与步骤　1445.1.3　采用主成分分析法的居民地自动选取流程　1465.1.4　实验验证与分析　1495.1.5　小结　1525.2　基于层次分析法的面状居民地自动选取方法　1525.2.1　采用层次分析法的居民地重要性评价原理　1525.2.2　层次分析法的原理与步骤　1535.2.3　基于层次分析法的居民地自动选取流程　1555.2.4　实验验证与分析　1575.2.5　小结　1625.3　顾及分布特征的面状居民地自动选取方法　1625.3.1　基于约束Delaunay三角网的居民地分布特征提取　1625.3.2　顾及居民地分布特征的选取流程　1655.3.3　实验与分析　1685.3.4　小结　170参考文献　171第6章　居民地智能化综合　1726.1　基于决策树算法的面状居民地智能选取方法　1726.1.1　理论依据　1726.1.2　居民地要素属性参量设计与初步分析　1736.1.3　基于决策树的居民地综合规则生成　1766.1.4　实验与分析　1806.1.5　小结　1826.2　基于KNN算法的面状居民地智能选取方法　1826.2.1　KNN算法基本思想及优势分析　1836.2.2　基于KNN算法的居民地案例的设计与构建　1846.2.3　基于KNN算法的居民地案例匹配机制设计　1876.2.4　实验与分析　1896.2.5　小结　1946.3　顾及多特征的点群居民地SOM聚类选取算法　1946.3.1　点群居民地分类　1956.3.2　外部轮廓居民地选取方法　1956.3.3　内部普通居民地选取方法　1966.3.4　实验与分析　1996.3.5　小结　2056.4　顾及道路网约束的点群居民地SOM聚类选取算法　2056.4.1　道路在居民地选取中的约束作用　2056.4.2　顾及道路网约束的SOM聚类　2076.4.3　实验与分析　2096.4.4　小结　220参考文献　220第7章　河系智能化综合　2227.1　基于朴素贝叶斯的树状河系分级方法　2227.1.1　基于朴素贝叶斯的树状河系分级方法原理　2227.1.2　主支流案例的设计和获取　2247.1.3　主支流NBC分类模型的训练和测试　2277.1.4　实验与分析　2287.1.5　小结　2317.2　规则约束下朴素贝叶斯辅助决策的树状河系选取方法　2327.2.1　规则约束下朴素贝叶斯辅助决策的树状河系选取方法原理　2327.2.2　河流选取案例的设计与获取　2347.2.3　河流选取NBC分类模型的训练与测试　2367.2.4　实验与分析　2377.2.5　小结　2407.3　基于支持向量机的河流化简方法　2407.3.1　基于支持向量机的线化简方法原理　2407.3.2　化简案例的设计及获取　2427.3.3　SVM分类模型的训练　2467.3.4　实验与分析　2477.3.5　小结　250参考文献　251第8章　基于CGC的制图综合知识服务架构及系统实现　2538.1　基于CGC的制图综合知识模型　2538.1.1　基于CGC的知识模型组成　2538.1.2　三种案例及其衍生知识特点　2548.2　CGC的获取及存储　2558.2.1　案例来源　2558.2.2　存储格式　2578.3　CGC知识库组织管理和使用　2578.3.1　案例预处理　2588.3.2　案例库元数据和索引　2598.3.3　案例知识转化　2608.3.4　知识库更新与共享　2618.4　CGC知识管理服务系统设计　2628.5　基于CGC的自动制图综合系统　2648.5.1　实验系统概述　2648.5.2　系统核心功能实现　2678.6　小结　275参考文献　276