基于二元关系的GIS实体拓扑关系的粗糙表达

利用二元关系和粗糙集的一些性质来研究GIS实体之间关系,发现在基于二元关系的广义近似空间下GIS实体的前继领域、后继领域算子、上、下继领域包含了比它自身更广的一个集合定义。同样基于粗糙集,我们发现二元关系GIS实体的上、下近似比Pawlark粗糙集的定义更广泛。在二元关系的广义近似空间下,一个GIS单点集的上近似等于它的前继领域,同样等于它后继领域的逆。     

GIS的不同次区域之间相似性度量

 GIS属性相似度量有相似系数及以空间位置的空间自相关。这2种方法都不能计算全域为背景的次区域相似性问题,而以隶属函数的粗糙度量很好地解决了这个问题。本文利用粗糙集计算了GIS的离散型数据的次区域相似度量。利用邻域粗糙集计算了连续属性值的上下近似逼近,并利用邻域信息粒子计算连续属性值的粗糙隶属问题,从而计算连续属性值次区域相似度量问题。本文方法能度量次区域而不是全域或单个元素之间的空间相关与自相关问题,考虑了全区域背景下的GIS相似问题。并针对GIS连续属性值,利用距离函数和邻域粗糙集来划分连续属性的上下近似,以及分类问题,提出一种基于邻域信息粒子的粗糙隶属函数。最后利用粗糙相似度量公式度量GIS次区域的相似问题。     

基于覆盖粗糙集的GIS不确定性分析

粗糙集作为一种处理不确定性问题的工具,近年来在GIS中得到了广泛的应用。它利用上、下近似来逼近对象。在以往的GIS粗糙集应用中,都是基于等价划分的pawlark粗糙集。本文基于划分之中可以存在交集的覆盖粗糙集,利用近年在基础数学研究中的一些覆盖粗糙集的理论与性质,探讨了GIS不确定研究的覆盖近似空间、覆盖粗糙集、模糊覆盖粗糙集、模糊覆盖粗糙隶属函数等。发现覆盖粗糙集在处理GIS不确定性问题时,有比粗糙集更广的适应范围。     

GIS栅格数据的邻域粒化和粗糙逼近

GIS栅格数据能表述连续变化的空间现象,它每个像元的属性值有连续数据和离散数据2种。针对栅格连续数值空间进行分析,突破传统的基于栅格本身邻域位置的研究方法,从属性值本身来定义邻域,基于属性距离度量公式来定义数据的领域。不同的邻域大小,一个栅格像元可以得到不同的邻域;并且从粗糙逼近的角度来探讨邻域信息粒子样本的上、下近似...     

分层递阶近似空间下的GIS属性数据不确定性描述

GIS属性数据作为GIS实体的属性,具有模糊性、不确定性。由GIS实体对象和对象的属性组成的二元关系满足近似空间的特性。本研究从GIS信息系统的对象、属性出发,利用格概念,认为GIS属性数据集合可以构成偏序关系,并且(P(A),)构成一个完备的偏序格。如果从属性链的角度分析,GIS实体集在的细分划分空间关系下,可以构成分层递阶近似空间,并且随着属性个数的增加,知识颗粒将逐渐"细化"。     

基于大数据的城市服务业空间关联分析

信息技术与电商平台的发展,产生了各种各样的大数据。在城市服务业中,商家在电商平台上注册自己带有坐标的信息,构成了空间服务业的空间大数据源。首先建立限定距离阈值的空间关联规则数据模型,介绍该模型产生频繁项集和关联规则的方法与步骤。最后利用Python爬取糯米网南宁站的商家信息,用Apriori算法做出了10~1 000 m 6种距离阈值的空间关联规则和服务业空间频繁项集。     

变精度粗糙集下的GIS面目标拓扑关系扩展研究

空间拓扑关系一直是GIS研究热点。本文在分析了GIS面目标拓扑关系的基础上,引入粗糙集概念。在Pawlak粗糙集中,把RCC模型中面目标看成粗糙集中的等价类划分,不考虑边界的模糊性和边界,RCC模型的关系表达模型不变。而在变精度粗糙集中,由于引入多数包含β因子,除PO(X,Y)和POI(X,Y)外,RCC模型其他关系表达模型也不会变化,并且这些关系属于β=0的特例。在PO(X,Y)模型中由于两个面目标存在公共相交部分,及X∩Y≠φ。因此,当C(X,Y)≤β,即X与Y中的公共元素的数目,大于X中元素数目的50%时,显然可以得到Y⊇^βX。因此,在变精度粗糙集中,我们认为两个面目标PO(X,Y)有两种集合表达形式Y⊇^βX和Y⊄^βX,并由此作出了POI(X,Y)和PO(X,Y)在变精度粗糙集下的面目标相交拓扑关系拓展图。     

城市计算视角下的空间粗糙关联规则方法研究

同位模式表示不同类型的实体在空间邻域内共同频繁出现的规律,是城市实体空间关联的主要表达形式,但不能挖掘出指定实体的空间关联,需要寻找新的计算方法。在城市计算的视角下,通过引入粗糙集研究城市空间关联问题发现：1）该方法能把复杂的地理空间关联问题转换成信息决策问题,在信息决策表中计算城市实体之间的空间关联等拓扑关系,计算过程和结果可以挖掘城市行业之间的空间集聚和关联问题。2）通过属性约简得到属性核可以把高维空间数据降维,找到影响空间关联的重要因子。3）该方法拓宽了城市计算的理论方法体系和粗糙集方法的行业应用。最后,通过Python爬取南宁市城市服务业数据,进行方法的验证,计算结果与成熟的Apriori算法结果,以及南宁市服务业空间关联实际情况基本一致,证明了粗糙空间关联方法的可行性和正确性。