基于图神经网络的多尺度网状河系分类匹配方法

P208; 多尺度网状河系匹配是水系数据集成、融合与更新的重要组成部分.鉴于现有网状河系匹配方法未对匹配模式进行预先识别,并缺乏针对性的匹配策略,本文提出基于图神经网络的多尺度网状河系分类匹配方法.首先,将大比例尺网状河系构建为图结构,将其与小比例尺河系之间的匹配模式作为节点的标注,并计算节点特征;然后,利用图神经网络对节点特征进行采样和聚合,建立起河段特征与匹配模式之间的映射关系;最后,根据河系中各河段的匹配模式类别,对其采取相应的匹配策略.试验结果表明,本文方法有效提高了网状河系的匹配精度,具备较好的理论与应用价值....

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 54; no. 2; pp. 371 - 384
Main Authors 黄哲琨, 钱海忠, 蔡中祥, 王骁, 王俊威, 孔令辉
Format Journal Article
LanguageChinese
Published 信息工程大学地理空间信息学院,河南郑州 450001 2025
Subjects
匹配模式
网状河系
多尺度数据
图神经网络
multi-scale data
matching patterns
mesh river systems
匹配策略
matching strategies
graph neural network
Online AccessGet full text

Cover

More Information
Summary:P208; 多尺度网状河系匹配是水系数据集成、融合与更新的重要组成部分.鉴于现有网状河系匹配方法未对匹配模式进行预先识别,并缺乏针对性的匹配策略,本文提出基于图神经网络的多尺度网状河系分类匹配方法.首先,将大比例尺网状河系构建为图结构,将其与小比例尺河系之间的匹配模式作为节点的标注,并计算节点特征;然后,利用图神经网络对节点特征进行采样和聚合,建立起河段特征与匹配模式之间的映射关系;最后,根据河系中各河段的匹配模式类别,对其采取相应的匹配策略.试验结果表明,本文方法有效提高了网状河系的匹配精度,具备较好的理论与应用价值.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2025.20240145