中误差查看源代码讨论查看历史

来自 孔夫子旧书网 的图片

中误差是中国的一个科技名词。

汉字是中华民族灿烂文化展台上一颗无可取代、熠熠闪光的明珠。汉字之美，美在庄重典雅，形神兼具。她承载的是中华民族数千年的厚重历史与灿烂文化。她的美，是无与伦比的。

名词解释

中误差是衡量观测精度的一种数字标准，亦称“均方根差”。在相同观测条件下的一组真误差平方平均值的平方根。因真误差不易求得，所以通常用最小二乘法求得的观测值改正数来代替真误差。它是观测值与真值偏差的平方和观测次数n比值的平方根。

中误差不等于真误差，它仅是一组真误差的代表值。中误差的大小反映了该组观测值精度的高低，因此，通常称中误差为观测值的中误差。

整合和更新来自不同来源、不同比例尺、不同时间段的表示同一地图目标的地理数据越来越引起人们的关注。空间面状地物和自然要素在很多地图表示中都占有很大的比例，可以用来表示房屋、土地利用、面状水体和植被等，它是地图表达和地图使用者关心的主要内容，本文主要讨论多尺度空间面实体的匹配。空间面实体数据主要有空间特征和属性特征，空间特征主要包括几何特征和拓扑特征，几何特征主要包括重心位置、中心位置、面积大小和边界，拓扑特征主要包括面积重叠度、属性成分关联度；属性特征主要是使用实体的属性信息。

空间面匹配，国外学者作过大量的研究。在几何匹配方面，文献提出面质心结合多种匹配检验规则的几何匹配方法，通过面实体栅格化后收缩来确定质心，然后将其矢量化，用点在面内的规则进行粗匹配，再结合多边形的面积A和面密度C进行匹配检验，最终判断匹配情况。文献通过匹配面的边界来计算边界的距离来检测不同时间点的空间面的明显不同，该方法适合于明确的边界的面数据，不适合于大量变化的地形数据。文献提出一种基于邻近关系确定面与面大致的关系，辅助Hausdorff距离来区分面之间的匹配关系，来确定面之间的共轭点，可以用来匹配面数据。语义信息主要取决于空间数据模型和属性数据模型，语义信息可以用来辅助匹配关系。文献提出一种基于知识的非空间属性数据匹配策略，通过计算属性项的相似度值以确定匹配实体。文献提出一种基于语义和结构的相似性的属性数据匹配方法，来匹配正式和非正式的地理数据。

国内学者也作了大量的工作，文献提出基于模糊拓扑关系分类的匹配方法，该方法计算形态距离比较麻烦，只适合于房屋等人工地物。文献在扩展文献的概率论匹配算法的基础上提出一种多准则融合算法，对于面数据，主要采用重心S和面的重叠度A指标，指标的权重是由专家经验来获取的。文献提出基于相似性的面实体匹配方法，该方法适合于相似比例尺的地图数据的匹配。文献提出了基于成分关联区域相似度的面实体模糊匹配算法，但模糊分类比较困难，不适合多比例尺数据。文献也提出一种基于几何特征的多尺度的面实体匹配方法，这也是一种基于相似性的匹配方法，需要确定各个指标的权重。面匹配的算法还存在一些问题。首先，如何确定每个指标的阈值或者权重。需要确定的阈值主要有：缓冲区半径、Hausdorff距离、形态距离、属性相似性。指标的阈值

都与比例尺密切相关。概率匹配、相似性匹配虽然都不需要阈值，但是每个指标的权重在不同的比例尺下是不相同的，如何确定权重也是一个难点。面数据由点组成，利用点的精度信息来匹配空间数据，文献等首先使用点距离信息确定匹配，缓冲区大小根据地图的点位精度而定。文献也利用地图中点的误差来实现点的匹配，但是点位误差很难确定。其次，如何确定面的M∶N关系。大多都匹配算法都是基于文献提出的双向匹配策略，但是其方法只适合于点匹配。文献提出用面数据的邻近关系，利用聚集算法可以确定面与面数据之间的多对多的关系的大致关系，再根据Hausdorff距离确定数据之间的精确关系，该距离没有考虑多尺度情况下的匹配，需要统计数据才能确定范围。最后，很难确定数据匹配不确定性的范围，错误信息的范围对人工交互的过程有重要的影响。文献提出一种基于证据理论来匹配点目标，但是计算每个指标的信任度仍然是一个经验的过程。根据制图误差理论，中误差作为数据质量和地图综合的指标，而且其大小范围随着比例尺的变化而变化，可以有效地应用于多尺度空间数据的匹配，并可以确定数据不确定性的范围。本文在文献提出的邻近关系匹配的基础上，提出一种基于中误差和邻近关系的多尺度空间面实体匹配算法，不仅可以确定准确的数据范围，同时可以确定不确定性的匹配范围，同时考虑了不同比例尺下制图综合的影响，可以有效应用于多尺度面实体匹配。