[发明专利]一种态势中标识符号的聚合和解聚方法

说明书

技术领域

本发明涉及一种地理信息系统，具体涉及一种在电子地图上将标识的信息提取和智能显示的方法。

背景技术

现有地理信息系统(GIS)基本是基于单个要素的符号显示，即根据系统采集到的各要素位置数据对应在GIS图上显示。当需要显示的要素数量较多时，在地图可视范围内将出现密密麻麻的符号，由于符号显示距离相对较小，用户很难操作提取这些符号信息，不利于用户快速有效地把握整体态势。

发明内容

本发明的目的在于提供一种态势中标识符号的聚合方法，基于采集的要素符号地理信息，结合要素属性提取要素的组织和活动信息，解决态势图信息冗余、杂乱、无规则的问题，方便各级用户充分快速了解态势信息。

本发明的技术方案如下：

一种态势中标识符号的聚合和解聚方法，其特征在于；

(1)异常点剔除：利用距离表示点与点间关系，将远离样本中的其它点，即与多数点的距离较大的点剔除；

(2)随机队标聚合线段计算：采用最小二乘法拟合直线的方式，首先获取最佳的直线参数，然后根据所有编成单元中最大和最小的经度值，重新计算对应的纬度值，将两个极值连接，形成的线段作为随机队标中使用的线段；对于机动类队标，通过扫描所属实体，拟合形成机动线段；

(3)随机队标包络线计算：行动类、部署类队标，通过系统扫描所属实体，形成面积包络线，依据包络线形状确定队标的地域线、纵深线和方向线；

(4)椭圆拟合：由于凸包是不规则的几何图形，难以根据凸包计算地域线、纵深线和方向指示线，使用椭圆拟合凸包的边界，根据圆心、长半轴、短半轴来地域线、纵深线和方向指示线。

本发明提出了的方法，可根据用户需求分层级展示各级用户关心的要素态势信息，整个聚合和解聚过程依据特定规则自动生成，根据用户操作智能匹配显示层级和要素信息，快速方便。依靠符号自动聚合和解聚，可充分展示各级要素态势信息，有效地提高了用户业务能力。

具体实施方式

1、异常点剔除：

在显示过程中，在一个相对高层次的编成组织内，存在个别实体位置异常的情况，会对聚合结果的准确性产生影响，需要在聚合之前将异常实体点剔除。

理论基础：异常点检测是数据挖掘领域的一类重要任务，在许多应用中具有重要作用。异常数据挖掘，又称为离群点分析或者孤立点挖掘。异常数据是少量的、与众不同的，与大多数数据相比是有偏差的，而且产生这种偏差的原因不是随机的，而是有其更深层次的必然原因，它产生于完全不同的机制。

为了从数据集中识别异常数据，就必须有一个明确的标准。这需要找到数据的内在规律，在一个可接受的误差范围内，满足内在规律的数据就是正常数据，而不满足内在规律的数据就是异常数据。这种数据间的内在规律可以根据数据本身的特点从位置关系、函数关系、规则关系、序列关系等方面来考查。

位置关系：位置关系是数据间的最常见的一种关系，大多数正常数据具有很大的相似性而符合一个共同模式，在空间上表现在一起的趋势，团结在一个或者多个核心的周围，而那些异常数据则表现得离群，他们总是离所有的核心都很远。

函数关系：函数关系也是一种常见的数据关系，即大多数数据都符合某个函数模型，因此数据点大多分布在函数曲线附近，而那些异常数据则距离曲线比较远。

规则关系：如果数据集中某些符合某个规则条件，则称这些数据具有规则关系。具有同一规则关系的正常数据一般会使该规则的结论成立，而如果某个数据具有该规则关系但不能是该结论成立，那么他就是异常。

序列关系：序列关系是指数据集中的某些数据满足某种序列模式，而那些相同条件下不满足序列模式的数据就是异常数据。

解决途径：从技术来源看，异常点剔除方法可以划分为基于统计的方法、基于距离的方法、基于偏离的方法和基于聚类的方法。

基于统计的方法：根据数据集的特性事先假定一个数据分布的概率模型，然后根据模型的不一致性来确定异常。首先对给定的数据集假设一个概率分布模型，然后在某个显著水平 上，确定数据集的拒绝域或者接受域，拒绝域是出现概率很小的区间，如果数据落在此区间，则判定为异常数据。

统计学的方法的优点是很明显的，它建立在成熟的统计学理论基础上，只要给定概率模型，其他统计模型非常有效，异常点的含义也非常明确。