定性空间表示与定性空间的研究与发展

1 引言空间推理是指利用空间理论和人工智能技术对空间对象建模、描述和表示,并据此对空间对象间的空间关系进行的定性或定量的分析和处理过程。在描述和推断空间对象间的空间关系时,要获得精确、定量的数据通常是不可能的或不必要的,在这种情况下,可能要用到关于空间关系的定性空间推理。定性空间推理是一个     

定性空间推理的研究与进展

定性空间推理是人工智能学科处理常识性空间知识的一种方法[l],其推理任务包括图:推导知识库中的隐含知识;针对给定的部分知识或特定的上下文回答询问;维护一致性;获取新知识特别是认知图;定性场景描述的可视化。     

方向关系的定性表示与推理

方向关系是GIS中的一个重要的理论问题。本文重点讨论方向关系的定性表示与推理。文章首先讨论了基于井字空间的方向关系定性表示,然后介绍了基于方向关系组合运算表的方向关系定性推理,最后对我们现在和将来的一些研究进行了叙述,并对我们的工作做了总结。     

定性空间推理的分层递阶框架

定性空间推理是定性推理和空间推理的重要组成部分 .拓扑和形状是定性空间推理研究的关键问题 .针对定性空间推理已有一般框架存在的问题 ,提出了定性空间推理的分层递阶框架 ,并结合拓扑和形状方面的定性空间推理研究工作阐述了所提出的框架的有效性和合理性 .最后总结了分层递阶框架的要点并提出了基于该框架的进一步研究工作 .     

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。     

空间对象的几何表示

1 引言空间推理是指利用空间理论和人工智能技术对空间对象建模、描述和表示,并据此对空间对象间的空间关系进行的定性或定量的分析和处理过程。目前,空间推理被广泛应用于地理信息系统、机器人导航、高级视觉、自然语言理解、工程设计和物理位置的常识推理等,是人工智能领域的一个研究热点。     

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。     

基于Voronoi图的定性路径

定性路径是定性空间推理的一个基本概念。给出了一个基于Voronoi图的定性路径表示与推理方法。该方法应用Voronoi图的邻近关系来表示定性位置和定性路径,即用运动点所在Voronoi区域的邻域来表示定性位置,用运动点所经过的定性位置序列来表示定性路径。设计并实现了一个定性路径推理算法,基于初始Voronoi图及不同时刻所有Voronoi区域的边数来动态更新Voronoi图邻近关系,可识别出运动点并找出定性路径。实验结果表明,该方法是可行的。     

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.     

定性规则的云表示

云模型是定性定量间的不确定转换模型，它将概念的模糊性和随机性集成在一起，利用云模型可以有效地表示基于语言值的定性规则。但已有的文献中，定性规则的云表示多种多样，文章根据各种云的内在联系提出了一维正态云的定性规则的统一表示。     

模糊空间Petri网的规则表示及动态推理

为便于表示模糊空间Petri网的状态变迁规则,根据空间关联影响区域分布现实特点,提出了空间模糊Petri网中的状态关联影响规则、变迁关联影响规则和多阈值激活规则。依据模糊产生式规则的特点,详细描述了10种具体的推理规则和表示组件,并以实例加以说明。在此基础上,结合模糊空间Petri网的特点提出了动态推理过程算法,可以实现各种空间状态规则因子的转化。动态推理的过程不仅可以获取某种“结果”,而且可以挖掘基于空间位置关联的中间状态及引起中间状态变化的事件,可以有效地指导风险过程预测和控制。     

Qualitative representation of spatial knowledge in two-dimensional space

Various relation-based systems, concerned with the qualitative representation and processing of spatial knowledge, have been developed in numerous application domains. In this article, we identify the common concepts underlying qualitative spatial knowledge representation, we compare the representational properties of the different systems, and we outline the computational tasks involved in relation-based spatial information processing. We also describesymbolic spatial indexes, relation-based structures that combine several ideas in spatial knowledge representation. A symbolic spatial index is an array that preserves only a set of spatial relations among distinct objects in an image, called the modeling space; the index array discards information, such as shape and size of objects, and irrelevant spatial relations. The construction of a symbolic spatial index from an input image can be thought of as a transformation that keeps only a set of representative points needed to define the relations of the modeling space. By keeping the relative arrangements of the representative points in symbolic spatial indexes and discarding all other points, we maintain enough information to answer queries regarding the spatial relations of the modeling space without the need to access the initial image or an object database. Symbolic spatial indexes can be used to solve problems involving route planning, composition of spatial relations, and update operations.     

基于地理本体的空间方向关系定性推理

围绕基于地理本体的空间方向关系定性推理进行研究,给出了定性推理系统总体框架,并对方向关系模型、自定义规则、地理本体、定性推理进行详细探讨。     

Kinematic Reasoning with Spatial Decompositions

This paper examines the application of hierarchical discrete spatial representations to the kinematic analysis and synthesis of the higher pairs. Two instances of hierarchical representation are investigated, a global decomposition in the form of quadtrees, and an object-centered, multi-level molecular decomposition. Kinematic reasoning with both representations relies upon the rapid evaluation of the single occupancy constraint. For both representations we present algorithms that allow the rapid detection of intersection between two objects, the analysis of higher pair mechanisms, and a restricted class of kinematic synthesis.     

一种用于常识空间信息处理的定性空间关系模型

在空间信息处理中,一些常识空间信息通常结合多方面空间关系,而且这些空间关系是动态变化的.为了有效地表示这些复杂的空间关系,并对其进行推理,提出了一种结合拓扑、方向和大小关系的空间信息处理模型TDSC (topology-direction-size calculus),并基于TDSC模型提出了处理动态空间关系变化的表示推理框架.首先,利用同对象多属性的方法建立了融合大小、拓扑和方向关系的完备至斥基本关系表示;然后提出了复合表生成算法和推理算法,使得原有模型的表示和推理结果可以直接在新模型中使用.同时提出处理动态空间关系的邻域划分图,给出了邻域划分图的自动生成算法,以及TDSC模型的邻域划分图.最后给出基于TDSC模型邻域划分图的表示和推理框架,并结合实例说明框架的正确性和有效性.     

基于多尺度稀疏表示的场景分类

提出一种基于多尺度稀疏表示的场景分类框架。首先从图像中提取多个尺度的局部特征,然后利用稀疏编码为每个尺度的特征单独学习相应的过完备字典;在图像表示阶段,为图像各尺度上的局部特征依据与其对应尺度的字典进行编码,并按照空间金字塔表示方法和特征各维最大汇总(max pooling)对各尺度上的特征编码分别汇总;最后将不同尺度上汇总的特征串接,形成对图像最终描述的全局向量。在三个常用标准场景库上的分类结果表明,提出的算法由于利用了不同尺度特征间的互补关系,与采用单尺度特征的方法相比,性能有了显著提升。     

基于本体的科学效应知识表达和语义推理

针对创新设计领域中科学效应知识的表达和语义扩展方面的不足,分析研究效应、功能、流和参数之间的关系和模型,借助本体将概念间属性和关系扩展到语义层次上,通过本体来更加全面地表达科学效应知识,构建科学效应知识本体模型,包括效应本体、功能本体、流本体和参数本体。在此基础上基于属性构建相应的语义推理规则,进行功能扩展和效应关联,通过语义推理实现科学效应知识的共享和重用。开发一个基于本体的科学效应知识检索系统,验证了此模型和方法的有效性和可行性。