一種態勢圖的符號聚合與解聚方法
【專利摘要】本發明提出一種態勢圖的符號聚合與解聚方法，首先建立態勢圖的符號聚合與解聚規則，然后由聚合規則確定聚合后的級別、隊標顯示方式、標繪位置及方向，實現對包含多個實體的單位，進行單一隊標聚合標繪；由解聚規則確定由本級單位的單個隊標分解為多個下級單位隊標，實現局部態勢細化顯示，選擇某一單位，顯示其下級單位的詳細態勢。
【專利說明】
一種態勢圖的符號聚合與解聚方法
技術領域
[0001]本發明涉及計算機信息處理領域，具體涉及一種電子地圖符號信息提取和智能顯示方法。
【背景技術】
[0002]現有地理信息系統(GIS)基本是基于單個要素的符號顯示，即根據系統采集到的各要素位置數據對應在GIS圖上顯示。當需要顯示的要素數量較多時，在地圖可視范圍內將出現密密麻麻的符號，由于符號顯示距離相對較小，用戶很難操作提取這些符號信息，不利于用戶快速有效地把握整體態勢。
【發明內容】
[0003]本發明旨在提出一種針對態勢圖的符號聚合和解聚的方法，可根據用戶需求分層級展示各級用戶關心的要素態勢信息，整個聚合和解聚過程依據特定規則自動生成，根據用戶操作智能匹配顯示層級和要素信息，快速方便。
[0004]為實現上述目的，本發明提供一種態勢圖的符號聚合與解聚方法，其特征在于:首先建立態勢圖的符號聚合與解聚規則，所述符號聚合與解聚規則，包括異常點剔除、隨機隊標聚合線段確定、隨機隊標包絡線計算、橢圓擬合；由聚合規則確定聚合后的級別、隊標顯示方式、標繪位置及方向，實現對包含多個實體的單位，進行單一隊標聚合標繪；由解聚規則確定由本級單位的單個隊標分解為多個下級單位隊標，實現局部態勢細化顯示，選擇某一單位，顯示其下級單位的詳細態勢。
[0005]在顯示過程中，在一個相對高層次的編成組織內，存在個別實體位置異常的情況，在聚合之前將異常實體點剔除。
[0006]利用距離表示點與點間關系，利用基于距離的方法，識別、剔除編成單元中的異常。
[0007]對于機動類隊標，通過掃描所屬實體，擬合形成機動線段。
[0008]采用最小二乘法擬合直線的方式，首先獲取最佳的直線參數，然后根據所有編成單元中最大和最小的經度值，重新計算對應的緯度值，將兩個極值連接，形成的線段作為隨機隊標中使用的線段。
[0009]對行動類、部署類隊標，通過系統掃描所屬實體，形成面積包絡線，依據包絡線形狀確定隊標的地域線、縱深線和方向線。
[0010]采用格雷厄姆算法來計算平面點集形成的凸包。
[0011]使用橢圓擬合凸包的邊界，根據圓心、長半軸、短半軸來地域線、縱深線和方向指示線。
[0012]先隨機選取6個點擬合橢圓，然后計算與此橢圓匹配的所有樣本點個數，重復此過程一定次數，采用投票機制，匹配樣本點多的橢圓即為最優橢圓，根據求得的橢圓參數，使用長半軸作為縱深線和方向指示線，短半軸作為地域線。
[0013]本發明基于采集的要素符號地理信息，結合要素屬性提取要素的組織和活動信息，解決了當前態勢圖信息冗余、雜亂、無規則的問題，方便各級用戶充分快速了解態勢信息。依靠符號自動聚合和解聚，可充分展示各級要素態勢信息，有效地提高了用戶業務能力。
【附圖說明】
[0014]圖1是本發明異常點剔除示意圖
[0015]圖2是凸包示意圖
[0016]圖3是二維平面橢圓的表示圖
【具體實施方式】
[0017]本發明提供一種態勢圖的符號聚合與解聚方法，其特征在于:首先建立態勢圖的符號聚合與解聚規則，由聚合規則確定聚合后的級別、隊標顯示方式、標繪位置及方向，實現對包含多個實體的單位，進行單一隊標聚合標繪；由解聚規則確定由本級單位的單個隊標分解為多個下級單位隊標，實現局部態勢細化顯示，選擇某一單位，顯示其下級單位的詳細態勢。
[0018]符號聚合與解聚規則，包括異常點剔除、隨機隊標聚合線段確定、隨機隊標包絡線計算、橢圓擬合。
[0019](I)異常點剔除
[0020]在顯示過程中，在一個相對高層次的編成組織內，存在個別實體位置異常的情況，會對聚合結果的準確性產生影響，需要在聚合之前將異常實體點剔除，如圖1所示。
[0021]異常點檢測是數據挖掘領域的一類重要任務，在許多應用中具有重要作用。異常數據挖掘，又稱為離群點分析或者孤立點挖掘。異常數據是少量的、與眾不同的，與大多數數據相比是有偏差的，而且產生這種偏差的原因不是隨機的，而是有其更深層次的必然原因，它產生于完全不同的機制。
[0022]為了從數據集中識別異常數據，就必須有一個明確的標準。這需要找到數據的內在規律，在一個可接受的誤差范圍內，滿足內在規律的數據就是正常數據，而不滿足內在規律的數據就是異常數據。這種數據間的內在規律可以根據數據本身的特點從位置關系、函數關系、規則關系、序列關系等方面來考查。
[0023]位置關系是數據間的最常見的一種關系，大多數正常數據具有很大的相似性而符合一個共同模式，在空間上表現在一起的趨勢，團結在一個或者多個核心的周圍，而那些異常數據則表現得離群，他們總是離所有的核心都很遠。
[0024]函數關系也是一種常見的數據關系，即大多數數據都符合某個函數模型，因此數據點大多分布在函數曲線附近，而那些異常數據則距離曲線比較遠。
[0025]如果數據集中某些符合某個規則條件，則稱這些數據具有規則關系。具有同一規則關系的正常數據一般會使該規則的結論成立，而如果某個數據具有該規則關系但不能是該結論成立，那么他就是異常。
[0026]序列關系是指數據集中的某些數據滿足某種序列模式，而那些相同條件下不滿足序列模式的數據就是異常數據。
[0027]從技術來源看，異常點剔除方法可以劃分為基于統計的方法、基于距離的方法、基于偏離的方法和基于聚類的方法。
[0028]根據數據集的特性事先假定一個數據分布的概率模型，然后根據模型的不一致性來確定異常。首先對給定的數據集假設一個概率分布模型，然后在某個顯著水平上，確定數據集的拒絕域或者接受域，拒絕域是出現概率很小的區間，如果數據落在此區間，則判定為異常數據。
[0029]統計學的方法的優點是很明顯的，它建立在成熟的統計學理論基礎上，只要給定概率模型，其他統計模型非常有效，異常點的含義也非常明確。
[0030]基于距離的方法主要是基于數據點間的距離來發現異常點，由于它具有比較明顯的幾何解釋，是當前使用最普遍的方法。基于距離的方法的基本思想是以距離的大小來檢測小模式，異常點是那些被認為沒有足夠的鄰居的點。他可以述為數據集N中，至少有P個對象和對象O的距離大于d，則對象O是一個帶參數P和d的基于距離的異常點。
[0031]基于距離的方法對全局各個聚類的數據提出了統一的P和d參數，但是如果各個聚類本身密度的不同，則基于距離的方法會出現問題，因此提出了基于密度模型的局部異常點挖掘算法。在這種情況下，數據是否異常不僅取決于它與周圍數據的距離得大小，而且與鄰域內的密度狀況有關，一個鄰域內的密度可以用包含固定數據點個數的鄰域半徑或者指定半徑鄰域中包含的數據點數來描述。
[0032]基于偏離的方法的基本思想是通過檢查一組對象的主要特性來確定異常，如果一個對象的特性與給定的描述過分的偏離，則該數據被認為是異常點。現有的基于偏離的方法主要有序列異常技術和OLAP數據看立體方法。序列異常技術的核心是要構建一個相異度函數，對于一個包含了很多樣本的數據集，如果樣本間的相似度較高，相異度函數的值就比較小，反之，如果樣本間的相異度越大，相異度函數的值就越大(例如方差就是滿足這種要求的函數)。OLAP數據立方體方法利用在大規模的多維數據中采用數據立方體確定反常區域，如果一個立方體的單元值顯著不同于根據同居模型得到的期望值，則該單元值被認為是一個異常點。基于聚類的方法的基本思想是將異常挖掘的過程轉換成聚類的過程。首先是將數據集利用已經成熟的模型進行聚類分析，將數據集劃分為多個簇，然后選擇那些離簇的質心比較遠的樣本作為異常點。
[0033]建立異常點的識別、剔除方法，首先應尋找一個可以表達多指標情形下點與點之間關系的、簡單易用的數量指標。距離是可以滿足這個要求的指標之一，利用距離可以表示點與點間關系。如果某點是樣本中的異常點，它必遠離樣本中的其它點，即與多數點的距離較大，其平均距離也必大。反之，若某點為正常值，則它必與樣本中的某些點相鄰較近，距離較小，則其平均距離必不大。
[0034]基于此種思想，本發明利用“基于距離的方法”，作為識別、剔除編成單元中異常點的方法。
[0035](2)隨機隊標聚合線段確定
[0036]對于機動類隊標，通過掃描所屬實體，擬合形成機動線段。
[0037]在一定程度上，具有地理信息的每個部隊實體都可以看作由經度和緯度表示的一個點。由多個實體擬合線段就轉變為由多點擬合線段的問題。曲線擬合中常用方法的是直線擬合。設X(經度)和y (緯度)之間的函數關系為:
[0038]y = a+bx
[0039]式中有兩個待定參數，a代表截距，b代表斜率。對于等精度測量所得到的N組數據(xi，yi)，i = 1,2……，N，xi值被認為是準確的，所有的誤差只聯系著yi。下面利用最小二乘法把觀測數據擬合為直線。
[0040]用最小二乘法估計參數時，要求觀測值yi的偏差的加權平方和為最小。
[0041]本發明采用最小二乘法擬合直線的方式，首先獲取最佳的直線參數a和b，然后根據所有編成單元中最大和最小的經度值，重新計算對應的緯度值，將兩個極值連接，形成的線段作為隨機隊標中使用的線段。
[0042](3)隨機隊標包絡線計算
[0043]行動類、部署類隊標，通過系統掃描所屬實體，形成面積包絡線，依據包絡線形狀確定隊標的地域線、縱深線和方向線。
[0044]凸包是計算幾何中一種基本結構。凸包是物體形狀描述、特征抽取的一個重要工具，已被廣泛地應用于計算機圖形學、圖像處理、設計自動化、模式識別和運籌學等研究領域。可以這樣來想像平面點集的凸包，用一根橡皮圈套住點集中的所有點，當橡皮圈收縮時形成的圖形就代表了凸包的圖像，如圖2所示。
[0045]計算平面點集凸包有一系列算法，包括卷包裹法、Graham(格雷厄姆)方法、分治算法、Z3-1算法、Z3-2算法、實時凸包算法、增量算法及近似算法。
[0046]本發明從時間復雜度和算法復雜度綜合考慮，采用格雷厄姆算法來計算凸包。
[0047](4)橢圓擬合
[0048]由于凸包是不規則的幾何圖形，難以根據凸包計算地域線、縱深線和方向指示線。如果使用橢圓擬合凸包的邊界，則可根據圓心、長半軸、短半軸來地域線、縱深線和方向指示線。將凸包的頂點作為離散點，則轉換為平面中的離散點集擬合橢圓的問題。
[0049]橢圓擬合法的基本思路是:對于給定平面上的一組樣本點，尋找一個橢圓，使其盡可能靠近這些樣本點。也就是說將平面中的一組數據以橢圓方程為模型進行擬合，使某一橢圓方程盡量滿足這些數據，并求出該橢圓方程的各個參數。
[0050]最小二乘法是為了解決如何從一組測量值中尋求可信賴值的方法，廣泛應用于科學實驗與工程技術中。
[0051]常用的橢圓擬合方法主要有三類，一類是基于Hough變換的橢圓擬合方法，另一類方法是基于不變矩的方法，再一類則是基于最小二乘的方法。這些方法中，基于最小二乘的方法適用于各種復雜的對象模型，并能直觀地給出關于某種擬合誤差的測度，達到很高的擬合精度。
[0052]在二維平面坐標系中，橢圓一般可以用2種形式來表示，一種是利用圓錐曲線方程的代數形式表示。
[0053]另外一種更直觀的方式是用平面坐標系的幾何參數表示，即橢圓中心位置(xC，yC)，長軸和短軸(a，b)，長軸的轉角(Θ)。二維平面里的任意橢圓都可以用這5個參數唯一確定。參數的幾何意義如圖3所示。
[0054]最小二乘法橢圓擬合是較常用的橢圓擬合方法。最小二乘法是在隨機誤差為正態分布時，由最大似然法推出的一個最優估計技術，它可使測量誤差的平方和最小，因此也被視為從一組測量值中求出一組未知量的最可信賴的方法之一。最小二乘技術主要是尋找參數集合，從而最小化數據點與橢圓之間的距離度量。這里的距離度量常見的有幾何距離和代數距離。幾何距離表示某點到曲線最近點的距離。平面內某點(xO，yO)到方程f(x，y)=O所代表曲線的代數距離就是f(xO，yO)。
[0055]本發明采用最小二乘橢圓擬合算法，由于包含誤差較大樣本點在內的所有樣本點都參與運算，所以會對橢圓擬合的最后結果產生偏差。針對這種情況，采用隨機理論的思想，先隨機選取6個點擬合橢圓，然后計算與此橢圓匹配的所有樣本點個數。重復此過程一定次數，采用投票機制，匹配樣本點多的橢圓即為最優橢圓。根據求得的橢圓參數，使用長半軸作為縱深線和方向指示線，短半軸作為地域線。
【主權項】
1.一種態勢圖的符號聚合與解聚方法，其特征在于:首先建立態勢圖的符號聚合與解聚規則，所述符號聚合與解聚規則，包括異常點剔除、隨機隊標聚合線段確定、隨機隊標包絡線計算、橢圓擬合；由聚合規則確定聚合后的級別、隊標顯示方式、標繪位置及方向，實現對包含多個實體的單位，進行單一隊標聚合標繪；由解聚規則確定由本級單位的單個隊標分解為多個下級單位隊標，實現局部態勢細化顯示，選擇某一單位，顯示其下級單位的詳細態勢。2.根據權利要求1所述的態勢圖的符號聚合與解聚方法，其特征在于:在顯示過程中，在一個相對高層次的編成組織內，存在個別實體位置異常的情況，在聚合之前將異常實體點剔除。3.根據權利要求2所述的態勢圖的符號聚合與解聚方法，其特征在于:利用距離表示點與點間關系，利用基于距離的方法，識別、剔除編成單元中的異常。4.根據權利要求1所述的態勢圖的符號聚合與解聚方法，其特征在于:對于機動類隊標，通過掃描所屬實體，擬合形成機動線段。5.根據權利要求4所述的態勢圖的符號聚合與解聚方法，其特征在于:采用最小二乘法擬合直線的方式，首先獲取最佳的直線參數，然后根據所有編成單元中最大和最小的經度值，重新計算對應的緯度值，將兩個極值連接，形成的線段作為隨機隊標中使用的線段。6.根據權利要求1所述的態勢圖的符號聚合與解聚方法，其特征在于:對行動類、部署類隊標，通過系統掃描所屬實體，形成面積包絡線，依據包絡線形狀確定隊標的地域線、縱深線和方向線。7.根據權利要求6所述的態勢圖的符號聚合與解聚方法，其特征在于:采用格雷厄姆算法來計算平面點集形成的凸包。8.根據權利要求7所述的態勢圖的符號聚合與解聚方法，其特征在于:使用橢圓擬合凸包的邊界，根據圓心、長半軸、短半軸來地域線、縱深線和方向指示線。9.根據權利要求8所述的態勢圖的符號聚合與解聚方法，其特征在于:先隨機選取6個點擬合橢圓，然后計算與此橢圓匹配的所有樣本點個數，重復此過程一定次數，采用投票機制，匹配樣本點多的橢圓即為最優橢圓，根據求得的橢圓參數，使用長半軸作為縱深線和方向指示線，短半軸作為地域線。
【文檔編號】G06F17/30GK105893370SQ201410663515
【公開日】2016年8月24日
【申請日】2014年11月19日
【發明人】楊仕穎
【申請人】北京航天長峰科技工業集團有限公司