基于距离类别的多源兴趣点融合算法

被引：5

作者：

徐爽 ^{[1
]}

张谦 ^{[2
]}

李琰 ^{[1
]}

刘嘉勇 ^{[1
]}

机构：

[1] 四川大学电子信息学院

[2] 中国电子科技集团第二十九研究所

来源：

计算机应用 | 2018年 / 38卷 / 05期

关键词：

兴趣点; 数据融合; 空间属性; 非空间属性; 距离; 类别;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

为了更好地实现多源兴趣点(POI)数据的有效集成与精确融合,提出了一种结合空间与非空间属性的距离类别的兴趣点融合算法(MNMDC)。首先,对空间属性,通过标准化权重算法计算待融合对象的空间相似度得到融合集;其次,利用非空间Jaro-Winkle算法对融合集中类别一致的对象使用低阈值排除,对类别不一致的使用高阈值排除;最后,使用距离约束、类别一致约束和高阈值的非空间Jaro-Winkle算法找出空间算法遗漏的可融合对象。实验结果表明,该方法平均准确率达到93.3%,与空间和非空间算法(COM-NWT)及格网化纠正方法相比,在7组不同重合度的数据下MNMDC方法的平均准确率提高2.7和1.6个百分点、平均召回率提高2.3和1.4个百分点。MNMDC在实际融合过程中能更精确地融合POI数据。

引用

页码：1334 / 1338

页数：5

共 14 条

[1] 基于多源POI数据的匹配融合方法研究[D]. 陈瑞.兰州交通大学 2014
[2] Timeefficient execution of bounded Jaro-Winkler distances. KEVIN DREBLER,AXEL-CYRILLE NGONGA NGOMO. Proceedings of the 9th International Conference on Ontology Matching . 2014
[3] 深网POI信息获取与一致性处理方法研究
王勇
[J]. 测绘学报, 2017, (03) : 399 - 399
[4] 基于空间位置信息的多源POI数据融合问题的研究[D]. 高新院.中国海洋大学 2013
[5] Learning Geographical Preferences for Point-of-interest Recommendation. Liu B,Fu Y,Yao Z, et al. Proceedings of the 19th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining . 2013
[6] Time-aware point-of-interest recommendation. YUAN Q,CONG G,MA Z,et al. Proceedings of the 36th ACM International Conference on Research and Development in Information Retrieval . 2013
[7] Object Fusion in Geographic Information Systems. BEERI C,KANZA Y,SAFRA E,et al. Proceedings of the30th International Conference on Very Large Data Bases:30 . 2004
[8] 基于自然语言处理的多源POI数据融合的研究[D]. 李瑞姗.中国海洋大学 2013
[9] A feature-based approach to conflation of geospatial sources
Samal, A
Seth, S
Cueto, K
[J]. INTERNATIONAL JOURNAL OF GEOGRAPHICAL INFORMATION SCIENCE, 2004, 18 (05) : 459 - 489
[10] Using Ontologies for Integrated Geographic Information Systems[J] . Frederico T.Fonseca,Max J.Egenhofer,PeggyAgouris,GilbertoCamara. &nbspTransactions in GIS . 2002 (3)

← 1 2 →