基于边缘点识别与聚类分析的地理信息测绘数据异常检测方法.pdfVIP

CHINA SCIENCE AND TECHNOLOGY INFORMATION     Nov.2025·中国科技信息2025年第22期两星推荐◎

Reality基于边缘点识别与聚

SubstitutabilitySustainability类分析的地理信息测

绘数据异常检测方法

ImpactEcological

韩珊珊 路文佳

传统的异常检测手段多以人工经验法、规则法为主，存

FeasibilityInnovation在主观性强、实时性差、不适应性强等缺陷，很难与现代智

能化测绘对数据质控的高需求相适应。边缘点识别技术能够

从测点空间分布结构中提取异常区域，聚类分析从总体特征

中提取数据关系特征，二者融合为异常检测的高精度化提供

Industry RelevanceInteractivity

了理论与方法支持。

Openness

1当前基于形变量的异常检测存在的不足

维度评分理由

（Dimension）（Reasoning）

基于形变量的算法仅检测单点或某点数值异常，未能考

真实度理论体系完备，算法逻辑清晰，含局部密度、可信度模型等数学

（Reality）依据。虑测点的空间拓扑邻域关系。例如，在山区一些复杂的地形

可替代度上，点数值有较大差异是正常的地形信息，形变量算法很容

异常检测算法常见于遥感与地理信息领域，替代性中等。

（Substitutability）易判定为异常。基于形变量方法一般以数值阈值为准则，没

影响力对测绘智能化数据质控有现实推动，但行业波及范围有限。有考虑测点间空间属性相似性的判断，导致融合的多源数据、

（Impact）

异构数据出现错判、漏判问题。

可实现度

（Feasibility）已具完整算法与系统架构设计，可直接在GIS平台部署。地理测绘数据经常存在小范围扰动，比如建筑物、道路

行业关联度交叉处等位置测点会出现自然突变情况，形变量方法极易放

广泛适用于地理测绘、地灾监测、城市规划等领域。

（IndustryRelevance）大对小范围激变的误检率，而在高密度测点范围内却无法检

开放度

属通用算法研究，无保密或专利限制。出异常点存在。形变量算法通常采取逐点解析的方法，不对

（Openness）

数据