[发明专利]一种大规模符号的自适应标绘方法

权利要求书

1.一种大规模符号的自适应标绘方法，其特征在于，包括以下步骤：

S1：采集大规模静态态势符号；

S2：按符号类型分类：将同类型的符号划分为同一个图层；

S3：基于SP-DBSCAN算法的自动聚类：对所有图层依次进行聚类处理，并用各个类的类中心来代替该类中的所有符号，并对所有类的类中心加以标记，使指挥员能够区分类中心与普通的符号；

S4：基于模拟退火算法的自动避让：然后将聚类的输出结果作为新的数据集进行避让处理，同时对每个聚类后的类内也进行避让处理，并通过popup弹窗的形式加载，指挥员可以通过点击类中心来查看该类中所有符号的具体细节；

S5：输出标绘结果：可以将大规模静态态势的自适应标绘方法做一总结；

所述步骤S4模拟退火算法的自动避让中,符号的标绘质量评估模型建立包括以下步骤：

(1).符号的邻域位置构建：根据标绘的基本规则，为了使发生重叠的符号能够避让开，为每个符号在其8邻域构建备选位置；

(2).符号的重叠检测：符号的重叠检测包括两部分，第一是符号本身的重叠，第二是标绘引线的交叉，由于不同符号的大小不同，通过为每个符号设置MBR来判断符号是否发生重叠；

(3).建立标绘质量评估模型：将符号重叠、引线与符号相交、引线交叉以及重叠面积作为评估模型中的四个因素，其中将符号是否发生重叠作为标绘质量评估的首要因素，其次需要评估的是引线与符号是否相交以及引线之间是否交叉，最后，当两个符号发生重叠时，将其MBR的重叠面积也作为重叠的参考因素，根据上述的四个因素来建立较为完善的标绘质量评估模型；

所述步骤(3)中包括以下公式：

△E_i＝Ei(S′)-Ei(S)

式中E(S_i)表示第i个符号在状态S下内能的总和，其中E_重叠(S_i)、E_相交(S_i)、E_交叉(S_i)和E_面积(S_i)分别表示该符号的符号重叠、符号与引线相交、引线自交叉和重叠面积的评价函数，他们的表达式分别为：

式中Overlap(i,j)表示第i个符号和第j个符号之间的重叠计算函数，式中cross(i,j)＝true表示第i个符号本身与第j个符号的引线相交或第i个符号的引线与第j个符号本身相交，式中的d(i,j)0表示i、j两个符号引线交叉，式中Area(i,j)和表示i、j两个符号MBR的重叠面积和N个符号MBR面积的总和；W_重叠、W_{相交/交叉}和W_面积分别表示在E(S_i)的权重系数，在标绘质量评价模型中，重要程度：重叠相交/交叉。

2.根据权利要求1所述的一种大规模符号的自适应标绘方法，其特征在于，所述步骤S3采用一种基于单一参数的DBSCAN算法，即SP-DBSCAN算法，在该算法中我们首先做出如下定义：

对于,且x、y同类型的符号，若x为核心点且Overlap(x,y)＝true，则认为y位于x的Eps邻域内，且y是从x直接密度可达的；

根据定义，将Eps从定量参数抽象成定性参数，无需根据数据集中局部区域的密度来确定参数Eps的值，而是根据符号的是否重叠来自动获取数据集中所有点的Eps值，使SP-DBSCAN算法变成只依赖单一参数的算法；

关于算法中唯一的关键参数MinPts，取MinPts≥dim+1，式中的dim表示聚类数据空间的维度，取MinPts＝3可以达到最佳的聚类效果。

3.根据权利要求1所述的一种大规模符号的自适应标绘方法，其特征在于，所述步骤S4模拟退火算法中当温度为T时，接受当前状态S到新状态S'的概率p为：

式中K为Metropolis修正系数，取K＝1/100,在算法运行的过程中，系统将随机产生一个(0,1)的随机数，若p大于该随机数，则接受新状态S'，并将此新状态作为当前的局部最优解；若p小于该随机数，则拒绝新状态S'，并仍以S作为当前最优解。