图形、图像融合利用的集成学习智能化简方法及其在岛屿岸线化简中的应用

为充分利用已有化简成果及其蕴含的化简知识, 本文集成几种机器学习算法提出图形、图像融合利用的智能化简方法, 实现顶点取舍决策的学习和优化。首先, 分别利用全连接神经网络和卷积神经网络设计、构建基于图形的顶点取舍模型和基于图像的顶点取舍模型, 通过样本训练各模型拟合从图形特征到顶点取舍和从栅格图像到顶点取舍的映射; 然后, 基于线性加权、朴素贝叶斯、支持向量机、人工神经网络构建多种融合决策模型, 实现基于图形和基于图像的顶点取舍的融合利用; 最后, 通过试验用例对所有模型进行测试。试验结果表明: 基于图形和基于图像的顶点取舍模型在一定程度上学习、掌握了化简算子, 融合利用后还能进一步提高化简准确...

Full description

Saved in:
Bibliographic Details
Published in:Ce hui xue bao 2022-03, Vol.51 (3), p.373
Main Authors: 杜佳威, 武芳
Format: Article
Language:chi ; eng
Subjects:
Algorithms
Artificial neural networks
Decisions
Learning algorithms
Machine learning
Neural networks
Raster
Simplification
Support vector machines
Weighting methods
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:为充分利用已有化简成果及其蕴含的化简知识, 本文集成几种机器学习算法提出图形、图像融合利用的智能化简方法, 实现顶点取舍决策的学习和优化。首先, 分别利用全连接神经网络和卷积神经网络设计、构建基于图形的顶点取舍模型和基于图像的顶点取舍模型, 通过样本训练各模型拟合从图形特征到顶点取舍和从栅格图像到顶点取舍的映射; 然后, 基于线性加权、朴素贝叶斯、支持向量机、人工神经网络构建多种融合决策模型, 实现基于图形和基于图像的顶点取舍的融合利用; 最后, 通过试验用例对所有模型进行测试。试验结果表明: 基于图形和基于图像的顶点取舍模型在一定程度上学习、掌握了化简算子, 融合利用后还能进一步提高化简准确性、实现优势互补。
ISSN:1001-1595
1001-1595
DOI:10.11947/j.AGCS.2022.20210135