基于支持向量机的线化简方法

作者：段佩祥; 钱海忠^*; 何海威; 谢丽敏; 罗登瀚

来源：武汉大学学报(信息科学版), 2020, 45(05): 744-783.

DOI：10.13203/j.whugis20180434

• 地图自动综合
• 线化简
• 案例学习
• 支持向量机

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。

• 单位
  信息工程大学地理空间信息学院