[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
داوری تخصصی::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 3181246

مقالات منتشر شده: 687
نرخ پذیرش: 73.76
نرخ رد: 17.76

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 193 روز
____
..
:: ::
برگشت به فهرست مقالات برگشت به فهرست نسخه ها
ارائه یک مدل برای تعمیم و ساده‌سازی شبکه راه‌ها با استفاده از روش‌های یادگیری عمیق مبتنی بر گراف
مرضیه زارعی ، محمد کریمی* ، پرستو پیله فروش ها
چکیده:   (12 مشاهده)
یکی از وظایف سازمان‌های ملی نقشه‌برداری تولید نقشه‌ها در مقیاس‌های مختلف است که این فرایند زمان‌بر و هزینه‌بر است. یکی از راهکارهای کاهش زمان و هزینه، تولید نقشه‌های کوچک مقیاس از طریق تعمیم و ساده سازی نقشه‌های بزرگ مقیاس می‌باشد. در این تحقیق، با توجه به اهمیت شبکه راه‌ها در پایگاه داده‌های توپوگرافی، مدل‌سازی تعمیم و ساده‌سازی شبکه راه‌ها در سه گام انجام شد. در گام نخست، با هدف غلبه بر محدودیت‌های روش‌های موجود، یک ساختار ترکیبی ارائه شد که تلفیقی از رویکردهای Mesh، Stroke و بلوک‌های ساختمانی است. در این گام، شبکه راه‌ها به ساختارهای خطی و سطحی-خطی تقسیم شدند و با استفاده از گراف دوگان، روابط توپولوژیکی میان آن‌ها استخراج شد. در گام دوم، ویژگی‌های موضوعی، هندسی و توپولوژیکی ساختارها استخراج و استانداردسازی شد و طبقه‌بندی به کمک الگوریتم Random Forest (برای ساختارهای خطی) و TAGCN (برای ساختارهای سطحی-خطی) انجام گرفت. بر اساس نتایج طبقه‌بندی، راه‌های کم‌اهمیت یا ایزوله حذف و خطوط باقی‌مانده متناسب با مقیاس هدف ساده‌سازی و نرم‌سازی شدند. در گام سوم برای تکمیل فرآیند تعمیم و ساده‌سازی، بلوک‌های ساختمانی به مقیاس هدف تعمیم یافتند و تضادهای مکانی میان آن‌ها و شبکه راه‌های خروجی شناسایی و رفع گردید. نتایج نشان داد که دقت کلی طبقه‌بندی برای ساختارهای خطی 88% و برای ساختارهای سطحی-خطی 93% است. همچنین، براساس نتایج ارزیابی تغییرات عمده نسبت به شبکه اولیه تنها در حدود 8 درصد از طول و تراکم شبکه است.  
 
شماره‌ی مقاله: 5
واژه‌های کلیدی: تعمیم و ساده‌سازی، شبکه راه‌ها، پایگاه داده توپوگرافی، یادگیری عمیق مبتنی بر گراف، عملگر حذف-انتخاب
     
نوع مطالعه: پژوهشي | موضوع مقاله: سامانه های اطلاعات مکانی
دریافت: 1404/7/13 | پذیرش: 1404/11/18
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
برگشت به فهرست مقالات برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology