[发明专利]一种结合空间结构和属性信息的自适应邻域确定方法

权利要求书

1.一种结合空间结构和属性信息的自适应邻域确定方法，其特征在于包括以下步骤：

(1)对GIS原始数据进行数据预处理得到各个空间对象的属性信息，对属性信息用矩阵的形式进行建模，构建信息矩阵X∈R^d×n＝[x₁,x₂,...,x_n]，其中n表示空间对象的数量，d代表属性信息的维度，列向量x_i代表第i个空间对象的各种属性信息；

(2)根据空间对象的类型对各个空间对象的空间结构进行建模，空间对象的类型包括点、线和面；具体包括以下过程：

对于类型为点的空间对象，即点对象，通过点对象之间的距离确定空间相似度矩阵S∈R^n×n；

对于类型为线的空间对象，即线对象，通过线对象之间的连通性，确定空间相似度矩阵S，连通性通过线对象之间的最短距离或偏转角度衡量，空间相似度矩阵S中元素的大小用于表示两个线对象之间的相关程度；

对于类型为面的空间对象，即面对象，通过面对象的几何属性和面对象之间的距离，来确定空间相似度矩阵S；

(3)基于空间对象的空间结构和属性信息进行稀疏重建处理，并对优化过程进行迭代，得到表示空间对象之间相关性的最优重建权重矩阵，作为空间对象之间最优的邻域关系。

2.根据权利要求1所述的结合空间结构和属性信息的自适应邻域确定方法，其特征在于：对于类型为点的空间对象，即点对像，具体通过以下方法确定空间相似度矩阵S：利用泰森多边形方法搜寻某个点对象的邻接点，对它们的距离进行反距离加权计算，得到该点对象与其邻域的空间相似度，进而构建所有点对象的空间相似度矩阵。

3.根据权利要求1所述的结合空间结构和属性信息的自适应邻域确定方法，其特征在于：对于类型为面的空间对象，即面对像，具体通过以下方法确定空间相似度矩阵S：首先确定面对象中心点，然后用泰森多边形方法搜索每个面对像的邻接对象，对它们的距离进行反距离加权计算，构建所有面对像的空间相似度矩阵。

4.根据权利要求1所述的结合空间结构和属性信息的自适应邻域确定方法，其特征在于：步骤(3)通过以下过程得到表示空间对象之间相关性的最优重建权重矩阵：

(3-1)输入信息矩阵X、空间相似度矩阵S和第一调优参数ρ₀、第二调优参数ρ₁和第三调优参数ρ₂；

(3-2)初始化重构权重矩阵α∈R^n×n＝[α₁,α₂,...,α_n]，其中向量α_i代表第i个对象和其他所有对象之间的相关性，将迭代次数t置为0；

(3-3)计算对角矩阵D，对角矩阵D的第i个对角元素值为

(3-4)更新重构权重矩阵α，更新后的重构权重矩阵为：

α＝(ρ₀X^TX+ρ₁D+ρ₂I)^-1(ρ₀X^TX+ρ₂S)

其中I是一个n×n的单位矩阵；

(3-5)重复步骤(3-3)至步骤(3-4)，直到目标函数的值趋于稳定，目标函数为：

5.根据权利要求1所述的结合空间结构和属性信息的自适应邻域确定方法，其特征在于：步骤(3)结束后，将所有空间对象之间关系的最优权重矩阵用于实际应用。