基于统计式机器学习的地理本体融合模型

被引：5

作者：

王晓璇 ^{[1
,2
]}

陈鹏 ^{[1
]}

刘鹏 ^{[2
]}

刘妙龙 ^{[1
]}

机构：

[1] 同济大学测量与国土信息工程系

[2] 中国人民解放军理工大学全军网格技术研究中心

来源：

同济大学学报(自然科学版) | 2011年 / 39卷 / 05期

关键词：

地理本体融合; 统计; 样本偏斜; 支持向量机;

D O I：

暂无

中图分类号：

P208 [测绘数据库与信息系统];

学科分类号：

070503 ; 081603 ; 0818 ; 081802 ;

摘要：

针对不同领域对地理事物的认知体系差异造成了地理本体异构的问题,提出了地理本体融合模型,引入统计式机器学习的方法对概念间的关系进行自动处理,并以概念间关系在不同本体出现的频度来产生其可信度,最后形成带有统计信息和领域信息的大型地理概念空间.该模型巧妙规避概念层面繁琐的异构映射过程,融合概念空间将多个地理本体所表达的概念知识融为一体,并保持了领域内的信息,有效实现了不同认知体系之间的共享.

引用

页码：758 / 763

页数：6