空間數(shù)據(jù)分析的神經(jīng)計(jì)算方法.pdf

1、空間數(shù)據(jù)也被稱作地理信息或地理空間數(shù)據(jù)，用來標(biāo)識(shí)空間實(shí)體在地球上的地理位置、邊界、大小等信息的數(shù)據(jù)，它可以用來描述來自現(xiàn)實(shí)世界的對象，諸如海洋、城市、道路等。空間數(shù)據(jù)一般采用對象的坐標(biāo)和拓?fù)浣Y(jié)構(gòu)等形式存儲(chǔ)，并可用地圖進(jìn)行展現(xiàn)。空間數(shù)據(jù)一般通過地理信息系統(tǒng)(G IS)進(jìn)行分析和使用。空間數(shù)據(jù)分析已經(jīng)廣泛應(yīng)用在植物種群分布、動(dòng)物遷徙分析、城市犯罪地理分析、交通路網(wǎng)分析、地震災(zāi)害監(jiān)測等領(lǐng)域。隨著社會(huì)進(jìn)步和科技的發(fā)展，空間數(shù)據(jù)搜集的手段越來越豐

2、富，各行業(yè)搜集和存儲(chǔ)的空間數(shù)據(jù)呈爆炸性增長趨勢?？臻g數(shù)據(jù)的急劇增長給傳統(tǒng)的空間數(shù)據(jù)處理方法帶來嚴(yán)峻的挑戰(zhàn)。
　　 針對大規(guī)模空間數(shù)據(jù)處理的需求，本文主要研究如何提高空間大數(shù)據(jù)集的分析效率，重點(diǎn)研究了基于神經(jīng)計(jì)算的空間數(shù)據(jù)處理方法。神經(jīng)計(jì)算是一類重要的仿生計(jì)算方法，它模擬生物神經(jīng)網(wǎng)絡(luò)的運(yùn)行機(jī)制來處理現(xiàn)實(shí)中的各種問題。本文主要研究了脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Networks，PCNN)在空間數(shù)據(jù)處理

3、中的應(yīng)用方法。主要研究內(nèi)容為：
　　 1．研究了空間數(shù)據(jù)的簡化，提出了一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的空間點(diǎn)數(shù)據(jù)簡化方法。設(shè)計(jì)了一種改進(jìn)的PCNN模型，通過該模型可以快速搜索空間點(diǎn)數(shù)據(jù)集的邊界，同時(shí)能夠有效識(shí)別數(shù)據(jù)噪聲。該方法是一種通用的數(shù)據(jù)簡化算法，獲得的簡化集可以用于多種不同的數(shù)據(jù)分析算法，并具有較高的泛化精度。
　　 2．研究了LS-SVM(Least Squares Support Vector Machine)的稀疏

4、化方法。LS-SVM與傳統(tǒng)SVM相比，只需求解一套線性方程組而避免了凸二次優(yōu)化問題，但其缺點(diǎn)是丟失了SVM的稀疏性。為了增強(qiáng)LS-SVM的稀疏性，本文提出了一種基于支持向量預(yù)選的LS-SVM稀疏化方法。與已有的一些LS-SVM稀疏化方法相比，本方法避免了迭代的裁減過程且對LS-SVM稀疏性的增強(qiáng)效果明顯。
　　 3．研究了路網(wǎng)的最短路徑優(yōu)化方法。針對大規(guī)模路網(wǎng)分析的實(shí)時(shí)性需求，提出了兩種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的快速路徑搜索方法。第

5、一種模型被稱為競爭脈沖耦合神經(jīng)網(wǎng)絡(luò)模型(CPCNN)，該模型具有一種On-forward/Off-backward的局部競爭機(jī)制。在其自動(dòng)波傳播過程中，重要的神經(jīng)元點(diǎn)火被加強(qiáng)激勵(lì)，無意義的點(diǎn)火事件被明顯抑制。因此，這種模型能明顯降低搜索空間，提高搜索效率。第二種模型被稱為雙源脈沖耦合神經(jīng)網(wǎng)絡(luò)模型(DSPCNN)，它具有兩個(gè)點(diǎn)火源和兩列并行傳播的自動(dòng)波，其搜索空間也比現(xiàn)有的一些模型小，搜索效率較高。
　　 4．研究了基于序列圖像的

6、運(yùn)動(dòng)分割方法。提出了一種基于非均勻采樣密度聚類的運(yùn)動(dòng)分割方法。針對幀差法的運(yùn)動(dòng)檢測結(jié)果，將其轉(zhuǎn)化為空間數(shù)據(jù)集，然后對其進(jìn)行非均勻采樣，最后利用基于密度的空間聚類進(jìn)行運(yùn)動(dòng)分割。該方法能有效平滑幀差圖中不同運(yùn)動(dòng)區(qū)域運(yùn)動(dòng)像素間的密度差異，并能顯著減少原始運(yùn)動(dòng)像素的數(shù)量，因而能獲得高質(zhì)量的運(yùn)動(dòng)分割結(jié)果，并且分割效率較高。
　　 上述研究主要致力于提高空間數(shù)據(jù)分析的效率和質(zhì)量，使得一些基于大規(guī)?？臻g數(shù)據(jù)的處理任務(wù)能夠有效的實(shí)現(xiàn)。研究成果表