地图空间形状认知的自编码器深度学习方法

摘要：

形状是地理空间要素的重要特征,是人们建立空间概念、形成空间认知的重要依据.本文利用深度学习的特征挖掘能力引入自编码学习方法,对二维地图空间中形状边界上多组邻域尺寸下的多个特征进行集成和整合,为空间形状认知的机理和形式化提供支撑.本文以建筑物数据为例,将建筑物形状边界转换为序列数据,并提取其描述特征;随后结合sequence-to-sequence自编码学习模型,对无标签的建筑面要素数据进行学习训练,形成形状认知编码.试验表明,本文方法能够产生符合形状认知、具有相似度计算意义的形状编码,具备对不同建筑物形状的区分能力;同时,在形状检索和匹配等应用场景中,该形状编码能有效地表示建筑物的全局和局部特征,与视觉认知结果一致.

关键词：空间认知、形状编码、深度学习、自编码器、sequence-to-sequence模型

所属期刊栏目：50

分类号：P208(一般性问题)

资助基金：国家自然科学基金;国家自然科学基金;国家重点研发计划

在线出版日期：2021-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：757-765