本文關(guān)鍵詞：基于語義的地理信息集成方法研究

  更多相關(guān)文章： 地理信息集成 數(shù)據(jù)鏈接 語義映射 相似度算法

【摘要】：針對同一個客體,不同地理信息系統(tǒng)(GIS)所提供的數(shù)據(jù)類型不同,為了給用戶提供更加全面、完整的地理信息,需要對不同數(shù)據(jù)源進行信息集成。隨著互聯(lián)網(wǎng)的發(fā)展,Web等數(shù)據(jù)源中存在著越來越多的地理信息數(shù)據(jù)。通常,不同數(shù)據(jù)源的數(shù)據(jù)類型是異構(gòu)的,對多種數(shù)據(jù)源的數(shù)據(jù)進行集成存在著許多問題,其中最關(guān)鍵的問題是如何對不同數(shù)據(jù)源進行特征分類以及如何進行不同數(shù)據(jù)源間的地理信息的映射。本文文采用基于語義的特征分類定義方法,提出一個以語義為核心的地理信息模型,解決了分布式地理信息源的語義異構(gòu)問題。并可以利用集成方法對獲取的語義數(shù)據(jù)實現(xiàn)地理信息的集成。本文針對目前多源地理信息數(shù)據(jù)集成過程中存在著異構(gòu)性且精度難以保障等問題。首先,分析當(dāng)前國外與互聯(lián)網(wǎng)相關(guān)的電子地圖網(wǎng)站的地理信息下載方法,獲取相關(guān)范圍的地理數(shù)據(jù),并對地理信息進行數(shù)據(jù)解析,得到研究所需的原始數(shù)據(jù)。然后,對各自地理信息的數(shù)據(jù)特征分類體系進行研究,對數(shù)據(jù)源間的特征進行語義映射及異構(gòu)性消除。其次,采用一種多特征融合的數(shù)據(jù)匹配方法對數(shù)據(jù)進行相似度測量,達到鏈接相關(guān)相似數(shù)據(jù)的目的,從而實現(xiàn)了多源地理信息集成。最后,利用相關(guān)的評價體系對集成的數(shù)據(jù)進行實驗分析,實驗表明本文所提出的相似度計算方法具有很高的精確度,為地理信息集成打下了良好的基礎(chǔ)。
【關(guān)鍵詞】：地理信息集成 數(shù)據(jù)鏈接 語義映射 相似度算法
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：P208
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-14
• 1.1 研究背景與意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.3 論文主要研究內(nèi)容與章節(jié)安排12-14
• 1.3.1 論文的主要研究內(nèi)容12
• 1.3.2 論文的章節(jié)安排12-14
• 第2章 數(shù)據(jù)抽取14-21
• 2.1 引言14
• 2.2 數(shù)據(jù)獲取14-17
• 2.2.1 獲取方法15-16
• 2.2.2 獲取數(shù)據(jù)16-17
• 2.3 抽取數(shù)據(jù)17-20
• 2.4 本章小結(jié)20-21
• 第3章 基于語義的數(shù)據(jù)映射21-28
• 3.1 引言21
• 3.2 語義網(wǎng)21-22
• 3.3 本體22-27
• 3.3.1 本體語言23-24
• 3.3.2 本體模型24-25
• 3.3.3 語義映射25-27
• 3.4 本章小結(jié)27-28
• 第4章 數(shù)據(jù)匹配28-36
• 4.1 引言28
• 4.2 空間位置匹配28-30
• 4.2.1 歐幾里德距離算法29
• 4.2.2 經(jīng)緯度距離算法29-30
• 4.3 非空間屬性特征匹配30-32
• 4.3.1 分類屬性匹配算法30-31
• 4.3.2 字符串屬性匹配算法31-32
• 4.4 特征匹配算法32-35
• 4.4.1 多特征融合匹配算法33-34
• 4.4.2 加權(quán)多特征融合匹配算法34-35
• 4.5 本章小結(jié)35-36
• 第5章 數(shù)據(jù)集成36-41
• 5.1 引言36
• 5.2 數(shù)據(jù)鏈接36-37
• 5.3 集成數(shù)據(jù)37-40
• 5.4 本章小結(jié)40-41
• 第6章 實驗及結(jié)果分析41-52
• 6.1 數(shù)據(jù)處理流程41
• 6.2 實驗結(jié)果分析41-43
• 6.3 實驗評估指標(biāo)43-45
• 6.3.1 準(zhǔn)確率44-45
• 6.3.2 召回率45
• 6.3.3 F-measure值45
• 6.4 加權(quán)多特征融合算法實驗分析45-47
• 6.5 多特征融合匹配算法實驗優(yōu)化47-51
• 6.5.1 K近鄰分類算法的實現(xiàn)49-50
• 6.5.2 K近鄰分類算法實驗結(jié)果分析50-51
• 6.6 本章小結(jié)51-52
• 第7章 結(jié)論與展望52-53
• 參考文獻53-57
• 致謝57

，

本文編號：791975