学位论文 > 优秀研究生学位论文题录展示
基于案例学习的道路网智能选取方法研究
作 者: 郭敏
导 师: 钱海忠
学 校: 解放军信息工程大学
专 业: 地图制图学与地理信息工程
关键词: 道路网 案例 案例库 类比推理 归纳推理 智能 噪声
分类号: P283
类 型: 硕士论文
年 份: 2013年
下 载: 35次
引 用: 0次
阅 读: 论文下载
内容摘要
制图综合受人类复杂思维的影响,存在大量不确定性,采用传统数学模型来解决制图综合问题遇到了越来越大的挑战。制图综合必须要智能化,这是制图学者的普遍共识。当前已有的综合方法因缺乏自主学习和推理等能力,还不能称之为真正意义上的“智能”。智能的基础是知识,智能的核心是推理机制。在智能化制图综合中,只注重制图综合知识而忽视推理机制研究,是造成当前自动综合智能化水平低下的重要原因。因此,攻克制图综合推理机制这一瓶颈,是提高制图综合智能化水平的关键。论文以道路网选取为研究对象,引入机器学习中基于案例推理研究成果,探索采用更接近人类学习和认知习惯的方法作为解决智能化综合的途径,提出了基于案例学习的道路网智能选取方法,并着重对推理机制这一核心问题进行了研究。该方法将制图专家对道路网选取结果作为案例,计算机通过学习和推理,自动从案例中获取知识(规则或者案例模型)并用于解决相同或相似道路网选取任务。该方法拥有高效推理机制,具备识别现有知识、获取新知识、不断改善性能和自我完善能力,为自动制图综合智能化发展找到了一条可行途径,也为自动制图综合或其它相关智能化研究提供理论与技术借鉴。论文重点对道路网案例描述、案例和案例库设计与管理、类比学习推理机制、归纳学习推理机制、案例库噪声控制等关键问题进行了研究,主要研究内容包括:1.设计与构建了道路网案例模型。针对当前道路网信息表达不能为制图综合提供足够信息支撑问题,在认真分析道路网选取制约因素的基础上,提出了新的道路网信息描述模型。以此为基础,研究了道路网选取案例描述与表达结构。从制图综合角度提出了道路网选取案例库设计与管理原则。为基于案例学习的道路网智能选取研究奠定了基础。2.提出了基于案例类比学习的道路网智能选取方法。详细设计了选取流程框架,并就类比推理机制这一关键问题进行了较为深入研究。结合道路网自身特征和道路网选取的基本原则,提出了道路网选取案例库简化和案例泛化的基本原理和方法,从专家案例库中自动生成具备概括能力的案例模型,用于解决相同或相似道路网选取任务。3.提出了基于案例归纳学习的道路网智能选取方法。通过对归纳推理机制展开研究,采用决策树构建算法,从案例库中自主归纳、推理形成案例规则,从而将制图专家难以形式化表达的“隐形经验”规则化,进而实现计算机自动从专家案例库中获取专家经验并解决相同或相似道路网选取任务。4.研究了预降噪和后降噪相结合的案例库噪声降低策略。针对案例库中错误案例对推理结果产生的消极影响,首先以制图综合知识为监控,对案例进行初步过滤,剔除违背制图综合基本常识的错误案例;然后对剩余案例库中的案例进行对比和统计分析,对小概率案例和异常案例予以剔除,从而到达提高案例库案例质量和改善计算机学习效果的目的。
|
全文目录
摘要 5-6 Abstract 6-12 第一章 绪论 12-21 1.1 研究背景 12-13 1.2 研究意义 13-14 1.3 研究现状及存在的主要问题 14-18 1.3.1 道路网选取基本原理和方法 14-15 1.3.2 几种典型的道路网选取方法 15-17 1.3.3 当前道路网选取方法存在的主要问题 17-18 1.4 研究内容及目标 18-19 1.4.1 研究内容 18 1.4.2 研究目标 18 1.4.3 研究策略 18-19 1.5 论文的组织结构 19-21 第二章 人工智能与制图综合 21-28 2.1 人工智能基础 21-22 2.1.1 人工智能的基本定义 21 2.1.2 人工智能的发展历程 21-22 2.2 人工智能与地图制图综合 22-25 2.2.1 自动制图综合存在的主要问题及改进策略 22-23 2.2.2 人工智能在制图综合中的应用现状 23-25 2.3 机器学习与地图制图综合 25-27 2.3.1 机器学习的概念 25 2.3.2 机器学习的基本结构 25 2.3.3 机器学习在制图综合中的应用 25-27 2.4 本章小结 27-28 第三章 道路网案例与案例库的设计与管理 28-35 3.1 构建案例学习模式的意义 28-29 3.2 道路网案例的描述结构 29-30 3.3 道路网案例对象状态描述 30-32 3.4 道路网案例组织与管理 32-34 3.5 本章小结 34-35 第四章 基于案例类比推理的道路网智能选取 35-47 4.1 CBR 模型 35-36 4.2 基于案例类比推理的道路网智能选取原理 36 4.3 案例库简化和案例泛化 36-40 4.3.1 案例库简化基本原理 36-38 4.3.2 案例泛化基本原理 38-40 4.4 基于案例类比推理的道路网智能选取流程 40-41 4.5 实验验证及结果分析 41-46 4.5.1 专家案例库生成 41-42 4.5.2 案例库简化 42-43 4.5.3 案例泛化 43 4.5.4 类比推理过程的科学性验证 43-45 4.5.5 对案例类比推理模型的科学性验证 45-46 4.6 本章小结 46-47 第五章 基于案例归纳推理的道路网智能选取 47-63 5.1 基于案例归纳推理的道路网智能选取原理 47 5.2 归纳学习机制研究 47-54 5.2.1 C4.5 决策树基本原理 47-49 5.2.2 构建决策树 49-54 5.3 归纳推理结果 54-57 5.3.1 规则集的形成 54 5.3.2 规则集的简化 54-56 5.3.3 规则的使用 56-57 5.4 基于案例归纳推理的道路网智能选取流程 57 5.5 实验验证及结果分析 57-61 5.5.1 专家案例库生成 57-59 5.5.2 基于专家案例库的规则集生成 59 5.5.3 归纳推理过程的科学性验证 59-60 5.5.4 归纳推理获取规则的适用性验证 60-61 5.5.5 进一步提高本方法综合结果正确性的措施 61 5.6 本章小结 61-63 第六章 案例库案例数据噪声降低策略研究 63-78 6.1 案例库数据预降噪策略 64-65 6.2 类比推理中案例库数据后降噪策略研究 65-70 6.2.1 案例库数据噪声对类比推理的影响 65 6.2.2 噪声案例剔除策略 65-66 6.2.3 实验 66-70 6.3 归纳推理中案例库数据后降噪策略研究 70-77 6.3.1 案例库数据噪声对归纳推理的影响 70-71 6.3.2 C4.5 决策树学习存在的问题 71 6.3.3 基于错误修剪决策树的案例库数据降噪策略 71-75 6.3.4 实验 75-77 6.4 本章小结 77-78 第七章 原型系统的设计与实现 78-89 7.1 系统的结构设计 78 7.2 试验流程 78-79 7.3 系统环境及主要功能 79 7.4 系统核心功能实现 79-87 7.4.1 数据预处理 80 7.4.2 空间分析 80-82 7.4.3 数据格式转换 82 7.4.4 专家对道路网选取 82-83 7.4.5 构建专家案例库 83 7.4.6 计算机类比推理智能选取 83-86 7.4.7 计算机归纳推理智能选取 86-87 7.5 本章小结 87-89 第八章 总结与展望 89-91 8.1 论文主要创新点 89 8.2 存在的问题及改进方向 89-91 致谢 91-92 参考文献 92-95 作者简历 95
|
相似论文
- 基于多Agent理论的卫星协同定轨技术研究,V474
- 基于数字滤波技术的直线电机伺服控制系统设计,TM359.4
- WiMAX系统中智能天线技术的应用研究,TN821.91
- 智能家居系统中ZigBee节点的研究,TN929.5
- 配电线路故障智能诊断装置的研究,TM755
- 物料悬浮速度智能测试系统的设计研究,S220.2
- 中国的教育公平监测:理论探索与案例分析,G521
- 基于EMD的车牌识别方法及应用,TP391.41
- 基于ARM9的智能解说系统的设计与实现,TP391.44
- 营口港鲅鱼圈港区矿石码头工程环境监理案例研究,U656.1
- 高等职业院校中外合作办学研究,G718.5
- 高职院校教学案例库的创建探究,TP311.53-4
- 基于车载3D加速传感器的路况监测研究,TP274
- 经济领域中的博弈逻辑推理问题探析,B812
- 基于zigbee的智能楼宇环境监测无线传感网络,TN929.5
- 儿童言语类比推理能力的动态评估研究,B844.1
- 基于多元智能理论的网络学习评价研究,G434
- 差异性学生评价探究,G40-058.1
- 基于多元智能理论的幼儿数学能力发展研究,G613.4
- 孵化设备智能控制系统的设计,TP273.5
- 基于多元智能理论的教育游戏设计研究,G434
中图分类: > 天文学、地球科学 > 测绘学 > 地图制图学(地图学) > 地图编制
© 2012 www.xueweilunwen.com
|