【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。