面向位置聚合的泛在地图信息分类模型
地理信息分类是地图学的核心内容.随着泛在信息社会的来临,地理信息逐渐呈现时空泛在的新质特征,传统地理信息分类模型面临新的挑战.本文以泛在地图信息为研究对象,面向位置聚合应用需求,提出由"实例层→特征层?维度层?主题层"4个层次构成的信息分类模型.本文设计了一种泛在地图信息分类建模的验证方法,通过基于特征系统和信息维度的泛在地图主题特征标注,实现泛在地图信息在向量空间统一表达,并结合层次聚类算法生成泛在地图信息分类分级体系.通过气象主题分类试验对分类模型的可行性进行了验证.该分类模型本质上是一种认知规律约束下数据驱动的分类分级体系自动建模,特征层的扩展改变了传统地理信息分类模型的"实例→维度?主题"结构,使得泛在地图信息分类在保持层级化认知结构的同时,具备细粒度语义描述能力.
信息分类、泛在地图信息、位置聚合、信息维度、层次聚类
50
P208(一般性问题)
国家重点研发计划;国家自然科学基金;国家自然科学基金
2021-07-06(万方平台首次上网日期,不代表论文的发表时间)
共11页
789-799