线要素化简算法及参数的案例推理方法研究.pptx

线要素化简算法参数设置的案例推理方法研究 论文汇报提纲 线要素化简算法参数设置的案例推理方法研究 一 、相关研究背景 线要素化简算法参数设置的案例推理方法研究 问题分析 解决方案 化简算法的选择以及参数设置依赖于人工反复修正 将人工化简结果视为案例 从少量的专家化简案例中反推算法及参数的最优设置 更加快速精确地得到合适的化简程度， 满足不同区域、不同要求下的个性化制图需求。 效率低下 二 、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 基于案例的算法参数设置流程 提供少量的化简案例（化简前、化简后）作为参照 多个算法在参数候选集内对案例（化简前）进行化简，得到候选结果 通过合适的相似性评价指标和参数寻优策略实现类比推理（即自动筛选出与案例（人工化简）吻合度最高的候选结果，并记录算法和参数的组合） 二 、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 1、案例的记录（自动获取） 关键性步骤 2、面向案例类比推理的化简效果评估 3、算法及参数的案例类比寻优 二 、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 线要素化简案例 1、案例的记录（自动获取） 线要素化简案例的定义源于CBR中对于案例的定义。 在实际的案例数据管理中，化简案例数据的主体是作为参照的一对线状要素数据（OLi , RLi） 线要素化简案例示意图 二 、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 1、案例的记录（自动获取） 结构化表示 O表示化简前线要素的集合，O={ OL1 , OL2 ,…, OLm }； R={ RL1 , RL2 ,…, RLm}表示化简后线要素的集合； f表示算法化简结果ALi与案例结果RLi的相似性计算函数；用于评价化简程度是否符合预期。 二 、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 1、案例的记录（自动获取） 案例获取方式 （1）由经验丰富的制图专家提供化简案例。 （2）调取相应的成果数据，以目标比例尺线要素数据为基准自动获取化简案例。 线要素化简案例自动获取示意图 二、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 评价指标选取标准 2、面向案例类比推理的化简效果评估 （1）能够在“相同化简算法不同阈值”化简结果的纵向比较中，衡量不同阈值化简程度的优劣； （2）能够在“不同化简算法最优阈值”化简结果的横向比较中，衡量不同算法化简结果的优劣。 化简结果随算法阈值变化示例图 二、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 评价指标选取过程 2、面向案例类比推理的化简效果评估 常用的相似性评价指标 二、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 评价指标选取过程 2、面向案例类比推理的化简效果评估 Hausdorff距离指标 转角函数指标 缓冲区限差指标 D-P算法 Li-Openshaw算法 弯曲组算法 测试不同的相似性评价指标是否能够筛选出最优的算法化简结果 二、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 评价指标选取过程 2、面向案例类比推理的化简效果评估 Hausdorff距离指标相似性变化曲线图 转角函数随指标相似性变化曲线图 随着化简阈值增加的相似性变化曲线： 应存在明显的峰值； 且峰值所对应化简结果为最佳。 D-P算法 Li算法 弯曲组算法 二 、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 评价指标选取过程 2、面向案例类比推理的化简效果评估 缓冲区限差指标相似性变化曲线图 缓冲区限差指标曲线最符合预期的结果，存在明显的峰值 且曲线峰值所对应的各算法化简结果均与给定的案例化简结果十分相近 能比较出不同算法间最优结果的优劣程度 二、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 3、算法及参数的案例类比寻优 参数候选集获取 DP算法：（0 - Vmax） Li-Openshaw算法：（0 - Dmax） 弯曲组算法：（ Amin - Amax ） “1/100*阈值范围”为基本步长k进行插值，得到候选集 （注：为提高精度根据需要可在得到初步最优阈值后， 在初步最优阈值的前后步长范围内进行二次插值） 二、案例推理参数设置的基本原理 线要素化简算法参数设置的案例推理方法研究 3、算法及参数的案例类比寻优 参数寻优过程 寻优过程分为以下两个步骤： （1）各化简算法使用参数候选集中参数值对案例源数据进行迭代化简，寻找该算法对于各组案例的最优阈值设置； （2）根据各化简算法最优阈值的平均值以及其相似性分布情况，得到最优算法和阈值参数的组合。 二、案例