面状居民地形状分类的图卷积神经网络方法

摘要：

形状识别和分类是地图制图综合的重要内容之一,面状居民地要素作为地理空间矢量数据的重要组成部分,其形状认知是制图综合的基础.本文针对当前几何和统计形状分类方法的不足,借助图卷积神经网络的图数据分类能力,提出了一种基于图卷积神经网络的面状居民地形状分类方法.该方法首先从面状居民地轮廓多边形入手,提取其轮廓的多个特征,获取形状的图表达;然后,利用图卷积神经网络对居民地形状信息进行多轮次提取和聚合,将形状信息嵌入一个高维向量中;最后利用全连接神经网络对高维形状向量进行分类.试验表明,该方法能够有效提取居民地形状信息,克服了传统分类方法人为设置指标的不足,实现了端到端的居民地形状信息提取与分类.

关键词：面状居民地、图卷积神经网络、形状分类、制图综合、图分类

所属期刊栏目：51

分类号：P208(一般性问题)

资助基金：国家自然科学基金;自然资源部城市土地资源监测与仿真重点实验室开放基金

在线出版日期：2022-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2390-2402