典型文献
利用图卷积神经网络的道路网选取方法
文献摘要：
针对传统道路网选取方法过度依赖人工定义规则的不足,提出了一种结合stroke模型和图卷积神经网络的新方法.该方法以stroke为基础对道路网构图,并提取其连通度、长度、直曲比、曲折率作为图节点的描述特征;进一步建立了一种分层设计的图卷积神经网络,通过半监督学习方式预测节点的保留或删除状态,实现道路网选取.实验表明,该方法能有效选取不同比例尺的道路网,不仅能保持较好的道路连通性,还能充分顾及整体密度分布特征的保持,研究结果可应用于多尺度数据库建设.
文献关键词：
地图综合;道路网;选取;深度学习;图模型
中图分类号：
作者姓名：
朱余德;杨敏;晏雄锋
作者机构：
广东国地规划科技股份有限公司,广东 广州510650;武汉大学 资源与环境科学学院,湖北 武汉430079;同济大学 测绘与地理信息学院,上海200092
文献出处：
引用格式：
[1]朱余德;杨敏;晏雄锋-.利用图卷积神经网络的道路网选取方法)[J].北京测绘,2022(11):1455-1459
A类：
B类：
图卷积神经网络,道路网,stroke,构图,连通度,曲比,分层设计,过半,半监督学习,学习方式,删除,比例尺,道路连通,连通性,顾及,体密度,密度分布特征,多尺度数据,数据库建设,地图综合,图模型
AB值：
0.351445
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
