一种航空地球物理制图数据空间点聚合方法技术

本发明专利技术提供一种航空地球物理制图数据空间点聚合方法，包括对提取出来的目标点群进行数据划分，构建相似度矩阵；使用聚类算法对构建的相似度矩阵进行聚类操作，得到聚类结果；对得到的聚类结果进行数据重构，得到最终点注记目标结果；本发明专利技术在一定程度上，能够提升海量航空地球物理数据处理效率，提高成果图展示效果，给用户带来更好的体验，达到快速制图的目的。目的。目的。

【技术实现步骤摘要】
一种航空地球物理制图数据空间点聚合方法


[0001]本专利技术涉及制图数据处理
，尤其涉及一种航空地球物理制图数据 空间点聚合方法。

技术介绍

[0002]在地理空间中，存在某些区域有大量注记类标识与对象需要显示的情况， 而在有限范围内同时显示这些空间点会相互堆叠和覆盖。然而在某一固定区域 的样本数据中，往往并不只有一种类型，通常是多种不同的样本对象存在于同 一片范围内，如同一片区域内的酒店、商场、加油站。此时就需要对该区域的 注记对象，根据语义特征进行数据划分，得到不同语义特征的样本数据。之后 对同一类型的数据进行聚合，得到理想的结果。
[0003]聚类是一种机器学习技术，它设计到数据点的分组。即给定一组数据，通 过聚类算法将每个数据点划分为一个特定的组。聚类的结果满足在同一个子集 内部各个样本之间相似度较高，不同子集的样本之间的没有相同的。相似度的 标准由聚类算法本身的准则决定。常见的聚类算法有基于层次的聚类、基于质 心的聚类、基于概率分布的聚类、基于密度的聚类和基于图的聚类。其中基于 图的聚类把样本集中的每个数据看作图结点，结点之间构建连接边，为每条连 接边赋权重后形成图结构；然后通过图切割把图分割为若干个子图，每个子图 即为一个子簇。基于图聚类与基于质心聚类的不同点在于，基于图聚类使用数 据之间的连接边权重代替了数据之间的相似度值。所以，基于图聚类需要定义 连接边的权值计算方法。
[0004]为了实现对复杂区域内大量样本的数据划分，更高效的获取不同语义特征 的样本数据，本专利技术基于现有的AP算法进行改进，使用一种较为稀疏的图结构 作为信息传播的载体，在全连接图被KD树划分的基础上，各个分区里构建k邻 近图时各个数据点只与其最邻近的k个点建立连接关系可以大量的减少点之间 的连接边的数量，从而减少大量的连接边，进而提高聚类操作的效率。

技术实现思路

[0005]有鉴于此，本专利技术目的是提供一种航空地球物理制图数据空间点聚合方法， 包括以下步骤：
[0006]S1、对提取出来的目标点群进行数据划分，构建相似度矩阵；
[0007]S2、使用聚类算法对步骤S1构建的相似度矩阵进行聚类操作，得到聚类结 果；
[0008]S3、对步骤S2得到的聚类结果进行数据重构，得到最终点注记目标结果。
[0009]本专利技术提供的技术方案带来的有益效果是：在一定程度上，能够提升海量 航空地球物理数据处理效率，提高成果图展示效果，给用户带来更好的体验， 达到快速制图的目的。
附图说明
[0010]图1是本专利技术一种航空地球物理制图数据空间点聚合方法的空间点聚合模 型构建流程图；
[0011]图2是本专利技术一种航空地球物理制图数据空间点聚合方法的聚类算法示例 图；
[0012]图3是本专利技术一种航空地球物理制图数据空间点聚合方法的近邻传播算法 实现过程；
[0013]图4是本专利技术一种航空地球物理制图数据空间点聚合方法的构建相似度矩 阵的图结构；
[0014]图5是本专利技术一种航空地球物理制图数据空间点聚合方法的点注记典型化 模型构建；
[0015]图6是本专利技术一种航空地球物理制图数据空间点聚合方法的近邻传播算法 信息传递过程；
[0016]图7是本专利技术一种航空地球物理制图数据空间点聚合方法的目标重构过程 图。
具体实施方式
[0017]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术 实施方式作进一步地描述。
[0018]请参考图1，本专利技术基于现有的AP算法进行改进，使用一种较为稀疏的图结 构作为信息传播的载体，在全连接图被KD树划分的基础上，各个分区里构建k邻 近图时各个数据点只与其最邻近的k个点建立连接关系可以大量的减少点之间 的连接边的数量，从而减少大量的连接边，进而提高聚类操作的效率，请参考 图2，本专利技术一种航空地球物理制图数据空间点聚合方法，包括以下步骤：
[0019]S1、对提取出来的目标点群进行数据划分，构建相似度矩阵，具体如下：
[0020]S11、输入原始注记数据Z＝{z1,z2,
…
,z
n
}，根据注记外包矩形参数T
size
，提取 注记目标控制点数据M＝{m1,m2,
…
,m
n
}；
[0021]S12、对提取的控制点数据M＝{m1,m2,
…
,m
n
}，根据数据的特征值E＝{e1,e2,
…
,e
n
}，进行控制点数据区分，得到具有单一特征的点集数据X＝{x1,x2,
…
,x
n
}；
[0022]S13、对单一特征的点集数据X＝{x1,x2,
…
,x
n
}，根据提前确定的阈值Num, 进行KD树分区，得到多个分区的点集数据X＝{x1,x2,
…
,x
n
}；
[0023]S131、更新KD树深度，输出分区点集数据大小n；
[0024]S132、若n＝＝Num，输出X，否则执行S131；
[0025]S14、根据分区的点集数据X，计算相似度矩阵S，设置统一参考度p；
[0026]假设点注记目标群集合为X＝{x1,x2,
…
x
i
,
…
x
j
,
…
x
n
}，某目标比例尺下点群的保 留数量为n，则其相似度矩阵S如下：
[0027][0028]如图4所示，构建k(k＝5)邻近连接图，可以大量的减少点之间的连接边的 数量，从而减少大量的连接边，进而提高聚类操作的效率。此时，数据点x
i
和x
j
之间的相似度定义
为s
ij
，表示点x
j
作为点x
i
的聚类中心的能力，使用负的欧氏距 离作为两点间的相似度，如下式所示：
[0029][0030]上式中，d表示每个数据点的描述特征的个数，x
ik
和x
jk
分别表示x
i
和x
j
的第 k个特征属性值，1≤k≤d，且s
ij
越大，两个数据点的距离越近，相似度越高；
[0031]参考度s
ii
的定义如下：
[0032][0033]在相似度矩阵对角线位置的参考度取值会对类代表点的选择产生影响。当 所有样本数据的性质都相同时，设置统一的参考度值为p，p一般采用所有取值 为非-∞的顶点相似度的平均值或中位数，q表示目标x
i
的语义重要性程度，0≤ q≤1,q的取值越大，表示目标x
i
的语义重要性程度越高，p<0，q取值越接近 1，参考度s
ii
的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航空地球物理制图数据空间点聚合方法，其特征在于，包括以下几个步骤：S1、对提取出来的目标点群进行数据划分，构建相似度矩阵；S2、使用聚类算法对步骤S1构建的相似度矩阵进行聚类操作，得到聚类结果；S3、对步骤S2得到的聚类结果进行数据重构，得到最终点注记目标结果。2.根据权利要求1所述的一种航空地球物理制图数据空间点聚合方法，其特征在于，步骤S1所述构建的相似度矩阵具体如下：假设数据点集合为X＝{x1，x2，
…
，x
n
}，则其相似度矩阵S如下：数据点x
i
和x
j
之间的相似度定义为s
ij
，表示点x
j
作为点x
i
的聚类中心的能力，使用负的欧氏距离作为两点间的相似度，如下式所示：上式中，d表示每个数据点的描述特征的个数，x
ik
和x
jk
分别表示x
i
和x
j
的第k个特征属性值，1≤k≤d，且s
ij
越大，两个数据点的距离越近，相似度越高；参考度s
ii
的定义如下：s
ii
＝(1-q)
×
p其中，p为设置的参考度值，q表示目标x
i
的语义重要性程度，0≤q≤1，q的取值越大，表示目标x
i
的语义重要性程度越高，p＜0，q取值越接近1，参考度s
ii
的值越接近0，x
i
被选为聚类中心的概率越高。3.根据权利要求1所述的一种航空地球物理制图数据空间点聚合方法，其特征在于，步骤S2中所述聚类操作具体如下：S21、构建k邻近图，计算相似度矩阵S，设置点注记目标语义重要性Q＝{q1，q2，
…
}，参考度数值p，阻尼系数λ，吸引度矩阵和归属度矩阵的最大迭代次数t
max
，聚类结果稳定次数e，参考度调整步长μ，先设k＝1；S22、执行第k轮AP聚类；S221、设吸引度矩阵R＝[r
ik
]＝[0]、归属度矩阵A＝[a
ik
]＝[0]、更新迭代次数t＝0以及聚类稳定次数e
k
＝0；S222、更新R和A，t＝t+1；S223、若当前聚类结果判断与t-1次聚类结果一致，e
k
＝e
k
+1，否则e
k
＝0；S224、若t达到最大迭代次数t
max
或者聚类结果稳定次数达到e，则终止该轮聚类过程，记录聚类结果并统计子类数量a
k
，执行步骤S23；否则，执行步骤S222；S23、判断是否满足a
k-1
≤n≤a
k
或者a
k
≤n≤a
k-1
其中之一，若满足，按步骤S231输出最终聚类结果；否则，执行步骤S232；S231、若|a
k-1-n|＜|a
k-n|，输出第k-1轮聚类结果；否则，输出第k轮聚类结果；S232、若a
k
＞n，调整参数p＝(1+μ)
×
p；否则，调整p＝(1-μ)
×
p；...

【专利技术属性】
技术研发人员：孙晨星，陈占龙，董宇璇，王林飞，闫红雨，江宝得，熊盛青，陶留锋，何辉，周彰，
申请(专利权)人：中国自然资源航空物探遥感中心，
类型：发明
国别省市：