基于定性空间推理的多层空间关联规则挖掘算法

很多应用于空间数据挖掘的空间关系模型存在表达能力不强、可理解性较差、不支持不确定性等问题。针对这种情况，以定性空间推理的RCC理论为基础，结合模糊逻辑，提出了一种面向空间数据库的近似区域空间关系模型，在此基础上给出了多层空间关联规则的挖掘算法QSRSAK。该算法使用了MBR优先判定、顶点近似等手段针对大型空间数据库进行了优化处理。实验结果表明，QSRSAR在空间知识表达能力、规则可理解性和空间关系计算效率等方面优于同类算法。     

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MBR的拓扑、方位、尺寸结合的定性空间推理

解决实际问题需将多方面空间关系结合进行推理,多方面空间关系结合推理已成为定性空间推理的研究热点;已有工作主要集中在两方面空间关系结合,缺少两方面以上空间关系结合工作.为解决上述问题,通过最小外包矩形近似表示区域对象,利用其在坐标轴上投影间的关系表示相应空间关系;提出扩展矩形关系模型,实现拓扑、方位和尺寸关系的统一表示和推理;给出RCC8、主方位及尺寸关系转换成扩展矩形关系的转换算法;讨论其上关系取反和复合,指出其复合是基于相容性而非存在性;证明(强预)凸扩展矩形关系约束网是可处理的.     

基于区域伸缩的空间关系表示

区域连接演算(RCC)是定性空间推理的重要基础理论之一.但由于缺乏必要的度量,RCC只是粗略地描述空间拓扑关系而难以对其更准确地描述,也难以利用RCC描述除拓扑关系之外的其它空间关系,如距离、方向等.本文在RCC理论的基础上,提出了区域伸缩演算(RESC).RESC增加了一个全等CG的原始空间关系,引入了两个新颖的对区域的演算函数,即区域延伸和区域收缩,从而给出了一种以区域为单位的形式化的度量方法.利用RESC,不仅可以扩展RCC-8拓扑关系,而且能以灵活多样的粒度来描述区域间的距离关系、方向关系、位置关系以及运动关系.RESC增强了RCC的空间关系表示能力,拓展了RCC理论的适用范围.     

时空推理中自动生成复合表的通用算法

时空推理是面向时间/空间问题的研究领域,在人工智能(如语义Web、机器人导航、自然语言处理、物理过程的定性模拟和常识推理等)和其他领域有着广泛的应用前景.复合推理在时空推理中具有重要作用,是约束满足问题等其他定性推理的基础.复合推理是由R(a,b)和R(b,c)决定R(a,c)的一种演绎推理.一般将关系复合结果放在复合表中备查.但目前复合表的建立需要逐个模型进行手工推导,少数模型给出了独立的复合表生成算法,没有适合多种时空关系模型、能自动生成复合表的通用算法.为此,提出了一种能自动生成复合表的通用算法.首先,给出了基于空间划分的通用时空表示模型.在此基础上,提出了基于场景检测的通用复合表生成算法.通过理论分析和对RCC、宽边界、区间代数等20余种典型时空模型的测试,证明了本算法对于所有以精确区域(或区间)为基础的确定、不确定时空模型均能正确快速地生成复合表.     

基于MBR的主方向关系一致性检验

定性的空间推理在地理信息系统、人工智能、数据库及多媒体等领域中的应用越来越引起人们的注意.空间推理的基础理论以及相应算法也在不断地创新和发展.方向关系推理是空间推理研究领域的重要分支,利用区间代数及矩形代数理论,以物体的极小边界盒(minimum bounding rectangle,简称MBR)为模型,提出了一种基于MBR的主方向关系与矩形代数关系相结合的推理方法.利用该方法,可以将矩形代数良好的计算性质应用于空间方向关系推理中,实现了矩形代数与基于MBR主方向关系的相互转换方法、主方向关系合成及求反方法、主方向关系中凸(convex)关系判定方法及方向关系一致性检验算法.     

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．     

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.     

边界约束的非相交球树实体对象多维统一索引

针对现有空间索引剖分结构复杂、节点重叠率高及对多维实体对象检索及运算支撑较弱等问题,构建了一种边界约束的非相交球实体对象多维统一空间索引;利用球的几何代数外积表达,提出了基于求交算子的直线-平面和直线-球面的相交判定与交点提取方法,建立了多维实体对象体元化剖分方法及包含边界约束的非相交离散球实体填充算法,实现了实体对象空间均匀、非重叠的分割,并在填充球的个数、重叠率以及对象逼近近似度等约束条件上获得了较好的平衡.定义了最小外包球生成与更新的迭代算法与包含球体积修正的批量Neural Gas层次聚类算法,在尽可能保证球树各分支平衡性的前提下,实现了索引层次体系的稳健构建.利用几何代数下球对象间几何关系计算的内蕴性与参数更新的动态性,实现了索引结构的动态生成与更新,进而设计了实体对象表面及其内部任意位置及区域的检索策略及基于实体索引的空间关系计算方法.基于不同实体对象的模拟实验显示,基于几何代数的实体对象索引可以有效实现多维实体对象表面及其内部任意位置及区域的快速检索,并能在有限时间内以较高的精度实现多维实体对象最近邻距离和动态实体对象相交状态的检索.相对于常用球树索引,所提出的索引方法在填充率、节点重叠率、填充误差、体元个数、层次球个数、体积百分比和时间占用等方面均具有明显优势,且不同分辨率剖分条件下的索引结构及空间关系计算精度具有更高的稳健性,可运用于具有较强时间约束下复杂多维动态场景中对象检索与空间关系计算.     

基于结合空间拓扑和方向关系信息的空间推理

结合了定性空间推理中著名的区域连接演算（region connection calculus，RCC）和基于区域的方向关系演算（cardinal direction calculus，CDC），并且给出两个演算在两个方向上的交互表，即RCC8-To-CDC和CDC-To-RCC8．给出了结合RCC8和CDC知识的约束满足问题的路径一致算法（path consistency algorithm）（该算法是对Allen著名的路径一致算法的修改），并且采用两个队列实现了该算法，采用这种结构可以实现并行计算．在该算法中，基于以上两个交互表的交互操作被嵌入到算法里面来保证整个约束满足问题的一致性．算法的计算复杂性证明是多项式的，     

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.     

Multi-granularity and metric spatial reasoning

Composition reasoning is a basic reasoning task in qualitative spatial reasoning (QSR). It is an important qualitative method for robot navigation, node localization in wireless sensor networks and other fields. The previous composition reasoning works dedicated in single granularity framework. Multi-granularity spatial relation is not rare in real world, and some qualitative spatial relation models are multi-granularity models, such as RCC, STAR_m, CDC_m and OPRA_m. Although multi-granularity composition reasoning is very useful in many applications, it has not been systematically studied before. A special case of multi-granularity composition reasoning, referred to as metric spatial reasoning, is also discussed here. The general frameworks and basic theories for multi-granularity and metric spatial reasoning are put forward here. Furthermore, we redefine the spatial relation models for distance, topology and direction under the proposed multi-granularity and metric frameworks. We add metric representation for the OPRA_m. The multi-granularity and metric reasoning tasks are studied for these four models for the first time. Finally we perform some experiments on OPRA_m with encouraging results to verify our theories. Multi-granularity and metric spatial reasoning tasks are new problems in QSR and quite different from the previous works. Our works can be potentially applied in robot navigation, wireless sensor networks and other applications.     

不完备信息系统下的不确定性度量方法

在不完备信息系统中，不确定性度量是Rough Set理论中的一个难题。文中通过分析现有完备信息系统的不确定度量方法以及不完备信息系统的特性，提出了广义相似关系，并以之为基础给出了一个直接度量不完备信息系统不确定性的方法。通过实例分析，验证了该方法的有效性。     

Qualitative reasoning with directional relations

Qualitative spatial reasoning (QSR) pursues a symbolic approach to reasoning about a spatial domain. Qualitative calculi are defined to capture domain properties in relation operations, granting a relation algebraic approach to reasoning. QSR has two primary goals: providing a symbolic model for human common-sense level of reasoning and providing efficient means for reasoning. In this paper, we dismantle the hope for efficient reasoning about directional information in infinite spatial domains by showing that it is inherently hard to decide consistency of a set of constraints that represents positions in the plane by specifying directions from reference objects. We assume that these reference objects are not fixed but only constrained through directional relations themselves. Known QSR reasoning methods fail to handle this information.     

混合维拓扑和尺寸关系的定性空间推理

定性空间推理(QSR)研究空间关系,多数工作集中在单维空间关系,但在地理信息系统(GIS)中多维对象很常见.混合维对象空间关系是指点、线和区域3类对象出现在同一场景的情况,该类问题对定性空间推理研究有着重要的理论意义和应用价值.但这方面的研究工作还比较少.在已有的混合维区域连接演算的基础上进行完善,提出了MRCC5混合维拓扑模型,并研究了其上约束满足推理问题的复杂度.对定性尺寸关系进行了混合维扩展.给出了MDS模型,进而研究了其推理问题.在以上工作基础上.提出了RCCA和MDS的结合模型,给出并分析了结合模型的推理算法.将定性空间推理相关研究推广到混合维领域,深入研究了混合维拓扑关系推理,提出了混合维尺寸以及混合维拓扑尺寸结合模型.     

线型物体主方向关系推理的研究

线型物体主方向关系的推理研究是空间方向关系推理中的重要组成部分.在分析线型物体主方向关系模型的基础上,提出了线型物体主方向关系的投影区间矩形代数方法,从而实现了线型物体主方向关系的合理表示、基本推理运算以及线型物体主方向关系的凸关系判断.结合凸关系网络定理和路径一致性算法,提出了线型物体主方向关系网络一致性检验算法,给出了算法的正确性证明.