基于区域伸缩的空间关系研究与实现

区域连接演算(RCC)是空间推理的重要基础理论之一,它只能粗略地描述空间拓扑关系,难以描述除拓扑关系之外的其他空间关系,如距离和方向。在RCC理论的基础上,引入2个对区域的演算函数,即区域延伸和区域收缩,给出一种以区域为单位的形式化的度量方法。在RESC理论的基础上,利用栅格区域法应用简单和易于实现的特性,准确地得出区域间的空间关系。     

基于区域延伸的定性空间表示

在区域连接演算(region connection calculus,RCC)理论基础上给出了区域延伸的形式定义.通过区域延伸,定义了关联空间的概念,进而提出了空间表示的一个模型,在这个模型中给出了空间中物体的空间拓扑关系、距离关系、方向关系以及位置等信息的定性表示.智能体对空间关系的确定是通过区域延伸实现的,模型为智能体在约束空间环境中的行动推理提供了一个新的表示方法.     

定性空间推理中区域连接演算的多维扩展

区域连接演算(RCC)是定性空问推(QSR)的基础理论之一．但RCC理论只支持区域，不能处理包括点、线和区域在内的空问多维对象，这阻碍了RCC应用的发展．扩展了区域概念，将点和线对象视为特殊的区域．提出了能直接用RCC理论描述空间多维对象拓扑关系的MRCC理论．在保留RCC公理的前提下，MRCC增加了2条新公理，并由此推导出了36种MRCC基本关系．进而讨论了基于概念邻域图和复合表的推理．MRCC拓展了RCC理论的适用范围，促进了RCC向实际应用的发展．     

结合方向关系和拓扑关系的约束满足推理

结合定性空间推理中的区域连接演算（RCC）和基于区域的主方向关系模型,应用拓扑和方向关系上的复合表,将方向关系和拓扑关系的推理看作约束满足问题（CSP）,给出了结合RCC8和主方向关系的约束满足问题推理算法,该算法可结合拓扑关系和方向关系进行推理。     

基于Flou集的模糊区域拓扑关系度量

针对模糊区域的表示和拓扑关系的度量问题,利用Flou集描述模糊区域,不仅符合人们用分明集合描述模糊区域范围的认知习惯,而且适用于对高阶模糊的情形进行描述.为此,在基于Flou集的模糊区域表示模型的基础上,给出2个模糊区域间拓扑关系的度量描述,刻画2个模糊区域属于5种基本拓扑关系的程度,该模糊区域可应用于空间信息查询和空间推理等领域.     

基于缓冲区的扩展拓扑关系模型及应用

定性空间推理在人工智能等领域有着广阔的应用前景,但目前单方面空间关系研究较多,多方面结合研究较少,这与实际应用需求不符.由于各类空间关系具有独立性,需要找到适当的理论将它们融合,目前对于拓扑、距离结合模型的研究还不够充分.针对缺乏基本关系可处理且易于在GIS系统中实现的模型等情况,提出了一种扩展拓扑关系模型BERCC.BERCC源于RCC理论,其主要思想是通过考虑缓存区之间的拓扑关系来提高模型表达能力,同时能表达一定程度的距离信息.推导了BERCC的弱复合表,证明了BERCC基本关系是可处理的,给出了一个包括全集关系和基本关系的可处理子集,在此基础上实现了约束满足推理算法.最后,基于该理论和方法实现了一个实验系统,进一步验证了模型及算法的正确性和实用性.     

基于对象空间关系的图像检索方法研究

描述了图像中对象之间的拓扑关系、投影间隔关系和角度关系,给出了不同空间关系距离的定义,提出了集成查询图像与数据库图像中共有对象数目和空间关系的图像相似性度量方法。实验证明,利用该相似性度量方法实现的图像检索系统的检索精度是较高的。     

基于对象空间关系的图像检索方法研究

描述了图像中对象之间的拓扑关系、投影间隔关系和角度关系，给出了不同空间关系距离的定义，提出了集成查询图像与数据库图像中共有对象数目和空间关系的图像相似性度量方法。实验证明，利用该相似性度量方法实现的图像检索系统的检索精度是较高的。     

一个结合多方面定性空间信息的新方法

定性空间推理是人工智能领域中非常重要的研究内容.空间信息包含拓扑关系、大小关系、形状、距离等很多方面.以往多侧重于单一方面的研究,如何将孤立的各方面信息进行统一表示和推理是当前定性空间推理中的一个重要问题.提出利用结合操作来融合不同空间信息表示的新方法.利用结合操作,可以由原先完备互斥关系集合得到新关系,同时利用原有的复合表自动生成新关系的粗复合表.基于结合操作,给出2个理论模型:结合拓扑关系与大小关系模型、结合拓扑关系与远近关系模型.并提出了邻域划分图的概念,说明了邻域划分图与概念邻域图的关系.利用邻域划分图回答了Galton提出的问题:为什么LOS(视觉光线演算)的概念邻域图不同于标准的空间或时间关系的概念邻域图,这些关系的复合表中关系总是来自于概念邻域图.     

线面拓扑和度量关系的细分描述和计算方法

由于单独的拓扑关系、度量关系无法区分复杂要素之间的空间关系,在语义描述上存在歧义,提出一种二维空间R~2下空间关系的细分表达模型.该模型将面与线求交后,线面可以表示成n-1个拓扑和度量分量的序列矩阵,在语义上进行更细致的分段描述;采用折线节点微小圆求交的算法,考虑面带洞和目标的不确定性,归纳出线面拓扑关系细分判断的7个规则,以及长度、分割度等度量项的计算方法.最后以土地利用中图斑扣除线状地物计算地类面积为实例,验证了该模型和计算方法对解决实际问题的有效性.     

Spatial reasoning in a fuzzy region connection calculus

Although the region connection calculus (RCC) offers an appealing framework for modelling topological relations, its application in real-world scenarios is hampered when spatial phenomena are affected by vagueness. To cope with this, we present a generalization of the RCC based on fuzzy set theory, and discuss how reasoning tasks such as satisfiability and entailment checking can be cast into linear programming problems. We furthermore reveal that reasoning in our fuzzy RCC is NP-complete, thus preserving the computational complexity of reasoning in the RCC, and we identify an important tractable subfragment. Moreover, we show how reasoning tasks in our fuzzy RCC can also be reduced to reasoning tasks in the original RCC. While this link with the RCC could be exploited in practical reasoning algorithms, we mainly focus on the theoretical consequences. In particular, using this link we establish a close relationship with the Egg-Yolk calculus, and we demonstrate that satisfiable knowledge bases can be realized by fuzzy regions in any dimension.     

A fuzzy sets theoretic approach to approximate spatial reasoning

Relational composition-based reasoning has become the most prevalent method for qualitative reasoning since Allen's 1983 work on temporal intervals. Underlying this reasoning technique is the concept of a jointly exhaustive and pairwise disjoint set of relations. Systems of relations such as RCC5 and RCC8 were originally developed for ideal regions, not subject to imperfections such as vagueness or fuzziness which are found in many applications in geographic analysis and image understanding. This paper, however, presents a general method for classifying binary topological relations involving fuzzy regions using the RCC5 or the RCC8 theory. Our approach is based on fuzzy set theory and the theory of consonant random set. Some complete classifications of topological relations between fuzzy regions are also given. Furthermore, two composition operators on spatial relations between fuzzy regions are introduced in this paper. These composition operators provide reasonable relational composition-based reasoning engine for spatial reasoning involving fuzzy regions.     

二维空间对象空间关系的定性表示

主要研究了二维空间中空间对象间关系的定性表示。介绍了基于RCC的拓扑关系定性表示,讨论了方向关系的定性表示,给出了一个将拓扑关系定性表示和方向关系定性表示相结合的定性表示模型——SR表示模型。     

凹形区域和带单洞区域间拓扑关系的表示

现有空间拓扑关系模型多针对同种类的空间对象进行处理,在实际应用中具有一定的局限性.本文在4-交集模型的基础上,通过扩展4-交集矩阵,对凹形区域和带单洞区域间的拓扑关系进行了表示,得到凹形区域和带单洞区域间161种拓扑关系,并给出前10种拓扑关系的示意图.提出算法,并通过程序验证161种拓扑关系均可实现.证明所获得的161种基本关系的完备性和互斥性,通过与相关工作的比较可知该表示模型比其它相关模型表达力更强.     

Spatial data methods and vague regions: A rough set approach

Uncertainty management has been considered essential for real world applications, and spatial data and geographic information systems in particular require some means for managing uncertainty and vagueness. Rough sets have been shown to be an effective tool for data mining and uncertainty management in databases. The 9-intersection, region connection calculus (RCC) and egg–yolk methods have proven useful for modeling topological relations in spatial data. In this paper, we apply rough set definitions for topological relationships based on the 9-intersection, RCC and egg–yolk models for objects with broad boundaries. We show that rough sets can be used to express and improve on topological relationships and concepts defined with these models.