收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

深度卷积学习支持下的建筑物模式分析

晏雄锋  
【摘要】:建筑物作为地理空间矢量数据库中重要的组成部分,是表达空间现象、支撑空间分析和提供空间服务的基础之一,其无论在个体形态还是群组结构,都存在显著的模式特征。然而,建筑物作为二维平面矢量数据,其形式化和定量化表达方法仍难以统一;同时,模式作为高层次概念,具有很强的模糊性和不确定性。尽管现有研究已从多角度、多层次、多领域展开,并取得了一定成果,但仍亟需探索更有效的技术来提取隐含在数据背后的特征。近年来,深度学习在诸多领域都取得了巨大成功,其优势之一在于局部特征保持,这与建筑物等地理空间数据的局部相关性和多尺度特征思想上一致。然而,深度学习并没有在建筑物模式分析问题中同振共鸣,制约其发展的主要原因是矢量存储表达的建筑物不能满足深度学习对输入数据的规范性要求。针对该问题,论文以图傅里叶变换和卷积定理为理论基础,介绍了一种新的图卷积运算,并基于此构造出图卷积神经网络学习模型(Graph convolutional neural network,GCNN),应用于解决矢量建筑物数据的模式分析问题。主要研究工作如下:(1)从空间尺寸和空间类型两个维度讨论了建筑物模式研究的科学问题,并总结了不同尺度下的模式特点和不同角度下的基本分类;以Gestalt理论为基础,归纳了位置、尺寸、方向、形状等个体建筑物认知参量以及密度、距离等群组认知参量;介绍了基于约束Delaunay三角网、类Voronoi图和最小支撑树等几何图的建筑物关系建模方式。(2)介绍了以拉普拉斯特征向量为变换基的图傅里叶变换,并基于此将图节点域的卷积运算转换到图傅里叶域的点乘运算,定义新的图卷积运算;介绍了基于拉普拉斯特征值多项式构造出的快速、局部图卷积,并利用其参数少、效率高、空间局部连接等特点,与神经网络等计算模型相结合,构造了基于图结构的卷积神经网络学习模型(GCNN);同时,详细介绍了GCNN的网络架构和基子反向传播算法的学习过程。(3)针对个体建筑物的形状特征,提出了面向地图综合的模板匹配化简方法,主要思想是从整体上提炼出一些稳定、典型、重复出现的形状作为模板,来替换原始的建筑物。论文从创建方式和形状特点两个方面总结出四种不同类型的模板,提出了基于转角函数和图卷积自编码器(Graph convolutional autoencoder,GCA)的形状相似性度量方法,以及基于最小二乘的模板匹配方法。实验部分比较和讨论了转角函数和GCA模型在形状相似性度量方面的性能;使用了不同尺度的建筑物数据验证模板匹配化简方法的有效性,并定性和定量地评价了化简结果;同时比较了不同模板匹配方法的优缺点,并进一步讨论了模板的多样性和层次性对化简结果的影响。(4)针对建筑物的聚类问题,提出了监督式的GCNN聚类模型,并分别以节点特征和边状态为学习对象,提出了两个不同的聚类方法:节点聚类和边聚类。· 节点聚类以聚类群组中心点作为标注信息,将聚类问题转化为特征映射问题,最后在新的特征空间下采用K-means算法得到聚类结果;· 边聚类以左、右邻域内节点描述参量的分布差异性和空间自相关性,以及自身几何特性作为输入,最终对边的保留或删除状态进行预测。论文采用监督式方法评价聚类结果,并以调整兰德系数量化标注和预测聚类结果之间的差异。实验表明,节点聚类和边聚类都能一定程度上提取描述建筑物之间聚集分布的模式特征,其中边聚类在拟合能力和归纳能力方面优于节点聚类。同时,论文比较和讨论了 GCNN聚类与基于缓冲区分析和局部约束两种方法,指出GCNN聚类中监督信息能有效集成大量的制图经验和知识,更适应于不同尺度、不同区域数据的聚类。(5)针对建筑物群组模式的分类问题,提出了GCNN分类方法。该模型思想上类似于图像分类,即以几何图构建建筑物群组关系,并以建筑物为处理单元,通过图卷积运算对其认知参量进行组合、变换,最终采用全连接层映射得到整体群组的类别。论文从视觉认知角度,将街区层次的建筑物群组划分为规则模式和不规则模式两类,并使用不同区域的数据来验证GCNN方法的有效性、鲁棒性和适应性。实验表明,该方法在分类精度和归纳能力方面优于支持向量机和随机森林等传统机器学习方法,且不需要人工提取用于描述建筑物群组的特征,是端对端(End-to-end)的解决方案;同时也克服了基于规则分类方法中规则过于严格、参数人工设置、模式适应范围有限等缺点。本论文以建筑物模式分析为例,初步探讨了 GCNN模型在分析图结构空间矢量数据的潜力,如何结合其他深度计算技术对其改进,并切实地解决复杂的地理空间认知分析、智能计算、知识建模问题,仍大有可为。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 马光怡;;水利工程建筑物结构设计存在的问题及对策[J];黑龙江科技信息;2017年12期
2 程金先;;建筑结构抗震设计理论与实例[J];城市地理;2017年12期
3 王雅敏;周国铭;;中小型冷库设计和管理(4)[J];渔业机械仪器;1987年01期
4 冈田恒男;大和田羲正;木村秀雄;高云学;;补强混凝土砌块结构建筑物抗震能力的鉴定方法(草案)[J];世界地震工程;1987年02期
5 董建国,胡中雄,陈冠发,钱宇平;打桩对建筑物影响的测试分析[J];岩土工程学报;1988年02期
6 黄文露;;水利工程建筑物结构设计及其处理方式[J];建材与装饰;2016年26期
7 张居平;;水利工程建筑物结构设计和处理办法解析[J];科技风;2015年11期
8 王军;;水利工程建筑物结构设计关键问题研究[J];门窗;2017年08期
9 宋波;;水利工程建筑物结构设计与处理方式[J];四川水泥;2017年09期
10 李曼;;对水利工程建筑物结构设计关键问题的研究[J];科技创新与应用;2013年15期
11 段丽知;李光森;;水利工程建筑物结构设计与处理方式[J];中华民居(下旬刊);2014年08期
12 李曼;;浅谈水利工程建筑物结构设计与处理方式[J];科技创新与应用;2013年15期
13 李曼;;浅谈水利工程建筑物结构设计与处理方式[J];科技创新与应用;2013年19期
14 周炎;;建筑物结构设计的细节问题探讨[J];住宅与房地产;2017年06期
15 赵辉;;超高层隔震建筑物结构设计技术研究[J];科技致富向导;2014年08期
16 谢永涛;;航道建设工程整治建筑物结构方案[J];科技传播;2010年13期
17 徐福卫;陈海玉;秦丽;郭声波;;屋顶花园对建筑物结构安全性的影响[J];襄樊学院学报;2010年02期
18 牛义;;构建筑物变形监测的必要性分析[J];住宅与房地产;2019年16期
19 林洪;;火灾后建筑物的主体结构检测鉴定与处理研究[J];福建建材;2018年05期
20 徐有邻;邸小坛;黄秀云;;建筑物结构性能计算机评定的探讨[J];建筑结构;1993年11期
中国重要会议论文全文数据库 前10条
1 岳清瑞;曾锐;陈小兵;胡孔国;李荣;陈烈;王伟军;;纤维网格在建筑物结构加固改造中的应用[A];第二届全国土木工程用纤维增强复合材料(FRP)应用技术学术交流会论文集[C];2002年
2 廖学燕;施富强;蒋耀港;李徐然;;长期频繁爆破振动对建筑物和人体影响研究[A];中国力学大会-2017暨庆祝中国力学学会成立60周年大会论文集(C)[C];2017年
3 王萍萍;郝一鸣;;谈换填垫层法在软基处理中的实际运用[A];科技研究——2015科技产业发展与建设成就研讨会论文集(下)[C];2015年
4 王守祥;王彦利;赵红宇;;爆破拆除八层框架结构大楼[A];中国爆破新技术Ⅱ[C];2008年
5 王明林;李桂臣;宋守志;孟祥振;陈玉田;刘松安;骆秋宾;陈维铭;韩景春;孙文华;;高炉区两楼一次起爆双向折叠控制爆破[A];岩石破碎理论与实践——全国第五届岩石破碎学术会论文选集[C];1992年
6 何坤;;建筑工程软土地基施工处理方法分析[A];2015年3月建筑科技与管理学术交流会论文集[C];2015年
7 邢益江;张青;李飞;何嘉辉;张玉成;;地基工程减振方法的应用——地下人造隔墙方案[A];中国土木工程学会2019年学术年会论文集[C];2019年
8 毕卫国;马宗锋;;爆破振动对邻近建筑物影响的安全评价分析[A];第十一届中国煤炭学会爆破学术会议论文集[C];2010年
9 Jürgen Schnieders;;区级能量平衡[A];2018全国装配式被动房高峰论坛暨第五届中国被动式集成建筑材料产业技术交流大会论文集[C];2018年
10 林梁;;地基岩土的差异性对地震的不同响应[A];聚羧酸系高性能减水剂及其应用技术研讨会论文集[C];2008年
中国博士学位论文全文数据库 前8条
1 晏雄锋;深度卷积学习支持下的建筑物模式分析[D];武汉大学;2019年
2 吴腾;机载LiDAR点云面向对象的分类与建筑物提取[D];武汉大学;2016年
3 谢嘉丽;基于高分辨率遥感影像的农村建筑物信息提取若干关键技术研究[D];西南交通大学;2019年
4 陈茂霖;面向多测站地面三维激光扫描数据的建筑物提取与几何重构[D];武汉大学;2018年
5 张驰;内外一体化建筑物数据模型研究[D];南京师范大学;2014年
6 侯艳娟;城市隧道施工影响下地层与建筑物结构的动态作用关系及其应用[D];北京交通大学;2010年
7 逄铁铮;大断面城市隧道穿越复杂建筑物群的安全性控制研究[D];北京交通大学;2015年
8 薛腾飞;基于SAR多特征变化检测的震害建筑物提取研究[D];中国地震局工程力学研究所;2017年
中国硕士学位论文全文数据库 前10条
1 袁文亮;一种联合形态学和光谱-阴影-形状约束的高分辨率遥感影像建筑物提取方法[D];武汉大学;2017年
2 朱莉莉;BIM与GIS集成下的建筑物语义模型转换研究[D];华中师范大学;2019年
3 王艺臻;城市轨道交通地下线诱发邻近建筑物振声特性及控制方法研究[D];北京交通大学;2019年
4 邓瑞;基于深度学习的建筑物识别[D];重庆邮电大学;2019年
5 郑垂孟;近距离爆破冲击对邻近建筑物的影响[D];福州大学;2018年
6 杨旭勃;基于语义分割的卫星影像中道路和小建筑物提取方法研究[D];华中科技大学;2019年
7 谢晓辉;楼顶平台权属及利用问题研究[D];郑州大学;2019年
8 马杰;移动龙卷风对低矮建筑物风荷载特性研究[D];哈尔滨工业大学;2018年
9 张梦成;长江中下游整治建筑物功能评估[D];东南大学;2018年
10 李林林;基于SAR图像极化特征和统计模型纹理参数的建筑物损毁评估[D];中国地质大学;2018年
中国重要报纸全文数据库 前8条
1 广西南宁市自然资源局 黄曦;违规改造建筑物,查处难题如何解?[N];中国自然资源报;2019年
2 张海瑞;恒晋科技:科技驱动锻造核心竞争力[N];太原日报;2017年
3 白延龙;建筑物结构安全控制软件问世[N];中国建设报;2000年
4 特约记者 白延龙;建筑物结构安全控制软件问世[N];北京科技报;2000年
5 张婕;建筑物结构安全控制软件通过专家鉴定[N];中华建筑报;2007年
6 宗禾;市政基础设施建筑物结构工程禁用立窑水泥[N];广东建设报;2008年
7 本报记者 王德华;完善指导意见 加快推进实施[N];云南政协报;2019年
8 宣钰 阜阳支队;先谋后动多胜算[N];人民武警报;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978