基于多元相似性理论的数据一体化融合.pptx

1、基于多元相似性理论的数据一体化融合相关定义解释 格式塔(Gestalt)原则：人们认识事物总是先把事物作为一个整体进行认知的。单词Gestalt来源于德语,有关研究将格式塔定义为各部分之间相互影响的一个有机整体,具有整体大于各部分之和的特性。格式塔强调良好的组织原则,也是一种空间抽象的规律。在格式塔心理学家看来,知觉到的东西要大于眼睛见到的东西 空间认知理论：空间认知是研究人门对周围地理事物的位置、形状、空间分布、相互关系及其动态变化认识过程的科学，它研究人们在认识空间事物的过程中，大脑是如何进行信息加工的，属于思维过程研究。地图空间认知则主要研究人是如何利用地图获取空间信息、对信息的认识和记

2、忆、利用信息发现问题、进行决策和指导外部行动等一系列过程。空间相似关系定义：空间相似关系作为空间关系（包括距离、拓扑、方向、相似、相关关系等）的一个子集。是空间信息科学的理论基础之一。从本质看所谓相似就是指事物之间在特征方面的一一对应！语义相似性的定义：语义相似性研究的主要是两个词语（语句）之 间的相似程度，就犹如在初中数学中学习的相似三角形一样，只不过语义相似性属于属性相似性范畴，而三角形相似性属于几何相似性范畴.语义匹配一致性匹配处理流程：空间相似关系的分类：空间相似关系的性质：1)反身性,即一个空间目标一定与自身相似;2)对称性,即A目标与B目标的相似特征也是B目标与A目标的相似特征;3

3、)非传递性,即由A目标与B目标特征相似且B目标与C目标特征相似不能推出A目标与C目标特征相似 4)多尺度自相似性,即同一目标在不同比例尺的地图上表达为不同形式,其间具有相似性 5)自相似的尺度依赖性,同一目标在不同比例尺的地图上,相似度大小与地图比例尺变化具有函数依赖关系,且比例尺变化越大,目标之间的相似度越小个体相似性理论现状：个体匹配即对单个空间目标的几何特征（微观特征）研究，最主要的方法是对其进行几何匹配。几何匹配的现如今主要思想是根据地物几何形状的相似程度进行匹配。可以通过对比点、线、面的距离、大小、方向等进行匹配目标几何相似度计算表1：常见多指标匹配方法描述个体相似性理论研究现状：居

4、民地变化信息提取与表达实现的总技术路线图：同名个体实体匹配流程图：个体同名实体匹配类型描述：个体匹配研究热点：同名实体匹配如今的研究热点是通过对地理要素的几何、拓扑和语义等指标按一定准则进行差异性分析或相似性度量，从而发现同区域不同来源矢量地理数据中同名实体建立对应关系。空间群(组)目标相似关系研究空间群组相似性理论现状：用来表现空间地理实体的数据通常分为点、线和面三类数据,对应到空间群(组)目标中,可以区分出点群、线群和面群三种空间群(组)目标。故接下来分别研究空间点群、线群和面群目标。群组目标研究技术路线图：空间点群目标相似关系：1854年英国霍乱死者位置分布 单个地理空间中的点目标是一个

5、没有形状、没有大小的空间图形,由单独的点目标组成的点群目标是空间分布分析的重要对象“分析过程对单个点目标的大小、形状己不感兴趣,我们更关心的是点群目标的群体分布所隐含的空间结构化信息。如早在1854年,英国的琼.斯诺博士就利用霍乱病死者居住分布图,根据患者的居住地与饮用水井之间的空间位置关系,揭示了霍乱病的发病根源地图上呈点群装分布的地理要素实例：空间线群目标相似关系研究 线状要素是地图上大量存在的最基本的地图要素(武芳等,2003)从线群目标所呈现出的形态来看,地图上的线群目标可以分为线簇目标和线网目标类。在地形图中,呈线簇状分布的目标主要是等高线;呈网状分布的要素主要是道路、水系、境界线等

6、。线群要素是由单个线划要素组成的,在对线群要素进行研究时,既要注重于线群要素的整体描述,同时,可以把对组成线群要素的单个线划要素处理的方法考虑借鉴进来以进行相似关系的判断。地图上的线簇（网）状目标示例改进了的面状目标之间拓扑概念邻域图：空间面群目标降维处理 处理思路:对于地图上的面群要素,直接计算其方向或者距离比较困难，对面群目标,我们可以按照一定的技术方法对其进行降维处理,把地图上属于二维要素的面状目标通过一定的降维手段简化为一维的线状目标,利用现有的对线状目标的处理方法来对面群目标的方向和距离相似度进行计算。群组匹配的研究热点：在地图目标特别是群组目标中会表现出各种丰富的结构特征，根据格式

7、塔心理学，人们认识事物一般是“先整体后局部”，且整体认知大于局部之和。找出“群组效应”即“宏观”特征（众多道路线一起组成“道路网”，城市的道路网结构特征可以从某种程度上反映该城市的规划布局和景观特征）空间数据融合，内容：空间数据融合是利用现有不同数据的优势派 生出比原始数据可用性更好的新数据，使其具 有更好的几何精确性、逻辑一致性、完整性及现势 性。虽然不同学者对空间数据融合的内容阐述不 同，但具体实现时大都先后经过如下三个步骤：数据集成、数据匹配、数据融合。虽然这三个部分的内容不同，但在整个融合体系中是相互联系，紧 密衔接的。数据集成是数据融合的前提，通过消 除差异实现多源数据的统一。由于不

8、同数据对同 名实体的描述不同，故需要依靠数据匹配找出同 名实体。数据融合则是在上述处理基础上开展的 重组、整合。利用空间数据融合技术进行空间数据生产及更新的总体方案和技术流程：总体方案及技术流程：利用空间数据融合进行空间数据生产和更新基于一体化生产模式，总体方案及技术流程如上图所示。首先对多源空间数据的准确性、现势 性等进行评估，制定数据的使用方案；其次通过空 间数据集成将矢量、栅格这两类多源空间数据统一于数字地图制图系统中；再次利用空间匹配算 法找出不同数据集中的同名实体；然后按照预先 制定的数据使用方案和融合策略进行空间数据融 合，得到新的数据，同时参考遥感影像等最新资料 进行数据更新及编

9、辑处理；最后经数据检查后生 成新的空间数据。空间数据融合处理的技术流程图：数据融合的框架流程：矢量数据融合国内外研究现状：国内目前还没有针对矢量数据融合的系统研究文献但针对矢量数据融合某些方面有一些探讨 国内对于地理空间矢量数据的融合,往往只侧重于某些方面,或是针对某一特定的需要 国外对于矢量数据融合的研究从理论基础到技术工具都投入了相当的财力物力，并取得了很大的成果研究展望：1，空间目标的语义相似关系没有考虑（语义匹配是空间匹配的一个重要但现如今研究较少的领域，在空间双向匹配中语义匹配有重要作用，有待深入研究）2，在相似度计算模型中关于相似关系的不对成型没有考虑（A与B相似，B与A相似是不一

10、样的）3，没有对空间群组目标进行细分，更深入的空间场景相似性计算没有涉及 4，没有考虑空间群组目标的上下文环境（结合上下文环境研究有待考虑）备注（文字补充）：空间数据的结构特征的模式识别:空间群组目标会呈现分布上的结构特征和不同模式，为了识别和提取其分布结构特征，可从三方面着手。1，根据具体的空间目标研究其适合的空间分布相关理论支持，如空间认知理论视觉识别的格式塔原则，城市形态学理论；2，根据不同类型的空间数据，建立和其空间建构相关联的对应空间数据的支持，如城市居民地的结构特征识别可借助于城市主轴线（道路网、河流等）数据的支持，河流结构特征的识别可借助于等高线数据的支持等。3，通过适当的技术手

11、段配合进行结构特征的识别和提取。如可利用空间数据挖掘的相关技术如空间聚类分析技术来进行分布模式的识别和结构特征的提取。在GIS研究中，群组目标的分布模式识别通常可通过聚类分析来完成，根据距离关系将目标群组划分为若干个组，使得组内元素的联系比跨组间元素的联系要紧密，从而达到其空间分布结构特征的识别和提取。聚类划分的目的，群组优势何在：一个重要的目的就在于发现空间实体自然的空间集聚模式，对于揭示空间实体的分布规律，提取空间实体的群体空间结构特征，预测空间实体的发展变化趋势具有重要的作用。而划分为群组的优势也显而易见。首先从另一个角度（群组）对居民地进行划分与分配，这相比于降维线装划分是一个全新的领

12、域与层次，可以发现以往发现不到的问题，能从中总结得出许多。群组的研究是面状居民地匹配的一个延伸与发展，在制图综合领域中的建筑物聚合操作中有重要应用。针对技术路线图说明如下：(1）结构特征相似度的计算 结构特征是空间群组目标由于其空间分布而表现出来的特征。相对于几何特征针对单个空间目标的研究，它则是针对群组（大量数据）的目标进行研究，而针对大量数据，数据统计分析是一有效手段。当大量数据统计分析结果比较一致时，有理由认为这些数据具有较高的相似度。方法：1，利用格式塔心理学、城市形态学、模式识别、空间聚类分析等方法和技术进行空间目标的结构特征划分和识别。2，借鉴模式识别中的研究方法和成果，采用数据统

13、计分析的方法进行群组目标的结构特征相似度的计算。以城市居民地为例。它一般都是比较密集，规则人工构筑物，居民地之间的空白形成街道网，它是居民地内部节后的骨架单元。由于城市形态学常被用来处理一个城市的结构或模式。因此可用城市形态学中城市构造理论为依据，利用城市街道网（必要时还需配合其它城市主要轴线如河流等），将研究区域划分为逐步细化的四个层次，即邻区，大街区，街区和地块，从而描述和识别城市居民地的结构分布特征。数据融合概念补充：多源地理空间矢量数据集成与融合 多源地理空间矢量数据集成是把不同来源、格式、比例尺、多投影方式或大地坐标系统的地理 空间数据在逻辑上或物理上的有机集中,从而实 现地理信息的共享。集成后的地理空间数据仍然 保留着原来的数据特征,并没有发生质的变化。多源矢量数据融合是指按某种特定的应用目的,将同一地区不同来源的空间数据,采用一定的方 法和原则,重新组合专题属性数据,改善地理空间 实体的几何精度,提高地理数据生产效率和质量。多源地理空间矢量数据集成和融合不是孤立的两 个过程。集成是融合的基础,融合是集成基础上 进一步的发展。空间矢量数据集成和融合首先实 现地物实体的分类分级、数据模型和几何位置的 统一。集成和融合差异在于,融合不仅仅是数据 的集中,而是产生质量更高的新数据。