公开(公告)号：CN107291918A

公开(公告)日：2017-10-24

申请号：CN201710507962.X

申请日：2017-06-28

Applicant: 武汉大学

Inventor： 艾廷华 ,  周梦杰 ,  邵世维 ,  张翔 ,  杨敏

IPC: G06F17/30

CPC classification number: G06F17/3087 ,  G06F17/30241 ,  G06F2216/03

Abstract: 本发明公开了一种兴趣点POI同位模式的可视化挖掘方法，包括以下步骤：S1、对城市中的各个类别的兴趣点，采用核密度估计方法计算各个单类兴趣点的核密度；进而选择任意两种类别的兴趣点，根据核密度的数值大小采用分级设色的方法对兴趣点的空间分布情况进行色彩渲染，两类兴趣点分别采用红色和绿色色级，实现这两类兴趣点空间分布情况的可视化；S2、基于色光加色混合原理对选取择的两种类别兴趣点的可视化结果进行色彩混合，得到同位规则图谱，同位规则图谱中的混合后的黄色所占比例越高，表示两种类别的兴趣点之间的同位模式越强。本发明可顾及空间异质性，探索局部同位模式，属于形象思维范畴，具有直观、形象和易感受等特点。

公开(公告)号：CN106899306A

公开(公告)日：2017-06-27

申请号：CN201710090615.1

申请日：2017-02-20

Applicant: 武汉大学

Inventor： 杨敏 ,  艾廷华 ,  晏雄锋

IPC: H03M7/30

Abstract: 本发明公开了一种保持移动特征的车辆轨迹线数据压缩方法，首先，依据速度、方向等移动特征相似性原则对原始轨迹线直线段进行层次化聚类，并将聚类结果组织为层次二叉树结构；然后，在压缩几何精度控制下基于建立的层次二叉树结构对原始轨迹线实施分区，提取各分区内轨迹线片段的首尾点并按时间次序组织为压缩结果。本发明利用移动特征相似性原则对原始轨迹线进行层次化剖分，使得几何精度控制下的轨迹点取舍决策尽量发生在移动模式均一的轨迹线片段内，从而达到更好地保持原始轨迹线移动特征这一目的。

公开(公告)号：CN106682143A

公开(公告)日：2017-05-17

申请号：CN201611187266.7

申请日：2016-12-20

Applicant: 武汉大学

Inventor： 邵世维 ,  艾廷华

IPC: G06F17/30

CPC classification number: G06F17/30241 ,  G06F17/30309 ,  G06F17/30595

Abstract: 本发明公开了一种基于关系型数据库进行网络化GIS数据生产的冲突处理方法，首先创建作业数据库；然后划分工作区范围，并为各分区建立临时作业数据库；接着建立工作区数据库副本，执行作业，提交成果；主服务器对签入的数据进行比较，锁定冲突数据，执行冲突处理；最后主服务器扫描签入的数据，当所有作业员的作业成果均已签入后，删除各分区建立的临时作业数据库的版本信息；本发明能够允许多人对同一份GIS的原始数据进行作业，并解决因为地图“接边”造成的多个作业员编辑同一条记录，并形成统一的数据成果，通过作业区划分、作业数据库‑临时作业库机制、冲突处理操作日志以及编辑锁定等机制解决网络化GIS数据生产的冲突处理问题。

公开(公告)号：CN103034988B

公开(公告)日：2015-09-16

申请号：CN201210551277.4

申请日：2012-12-18

Applicant: 武汉大学

Inventor： 沈焕锋 ,  吴鹏海 ,  艾廷华

IPC: G06T5/50

Abstract: 本发明提出一种任意传感器数量的时空定量遥感融合方法，该方法通过融合任意数量传感器的定量遥感产品生成同时具有这些传感器中最高时空分辨率的定量遥感产品。首先对定量产品进行必要的预处理；其次，对不同传感器定量产品的尺度差异不确定性进行精确表达，并结合M估计理论提高类内拟合精度，从而准确表达光谱尺度差异；再次，以最高空间分辨率产品逐个像元为中心开窗，在窗口内筛选相似像元，并结合光谱尺度差异等权重因子，构造时空融合模型；最后，利用变分框架求解。本发明充分利用不同传感器间的时空互补信息和尺度过渡效应，并顾及地物类型等较正确描述尺度差异，使得融合结果更接近真实的定量产品。且不需要任何辅助数据，易于实现。

公开(公告)号：CN103646109A

公开(公告)日：2014-03-19

申请号：CN201310726445.3

申请日：2013-12-25

Applicant: 武汉大学

Inventor： 张翔 ,  艾廷华 ,  赵羲 ,  杨敏

IPC: G06F17/30

CPC classification number: G06F17/30241 ,  G06K9/66

Abstract: 本发明涉及一种基于机器学习的空间数据匹配方法，包括四个步骤：1）自动生成匹配训练样本，2）通过机器学习建立分类器模型及其参数，3）应用分类器模型对输入空间数据进行目标匹配，4）顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点：可避免量纲标准化和多指标加权中的主观任意性，匹配精度较加权平均方法更高；匹配模型基于样本数据学习建立，数据的自适应性较高；建立模型的典型样本数量少，可大规模应用；利用空间数据的内在几何信息，无需额外属性信息，使用准入性低。