基于支持向量机的线化简方法

摘要：

线要素化简是地图自动综合中的重要部分之一.当前线化简算法的参数和阈值一般依赖于人工设定,且对不同的化简环境缺乏自适应学习能力.将线要素化简视作一种对局部化简单元的取舍二分类问题,从案例学习的角度出发,提出了一种新的基于支持向量机(support vector machine,SVM)的线化简方法.该方法首先以节点和弯曲为化简单元,从专家化简结果中自动获取化简案例;然后提取化简单元的特征描述项作为化简案例的属性空间,利用SVM机器学习方法进行训练,得到用于线化简的SVM分类器;最后通过SVM分类器对新的同类线要素中的化简单元作取舍分类,从而实现线化简.实验结果表明,该方法能够通过学习专家化简案例,在实际测试中较好地还原专家的化简意向,对化简单元取舍的分类正确率高,能够自适应地完成线化简.

关键词：地图自动综合、线化简、案例学习、支持向量机

所属期刊栏目：45

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

在线出版日期：2020-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：744-752,783