中誤差檢視原始碼討論檢視歷史

來自 孔夫子舊書網 的圖片

中誤差是中國的一個科技名詞。

漢字是中華民族燦爛文化展台上一顆無可取代、熠熠閃光的明珠。漢字之美，美在莊重典雅，形神兼具。她承載的是中華民族數千年的厚重歷史與燦爛文化。她的美，是無與倫比的。

名詞解釋

中誤差是衡量觀測精度的一種數字標準，亦稱「均方根差」。在相同觀測條件下的一組真誤差平方平均值的平方根。因真誤差不易求得，所以通常用最小二乘法求得的觀測值改正數來代替真誤差。它是觀測值與真值偏差的平方和觀測次數n比值的平方根。

中誤差不等於真誤差，它僅是一組真誤差的代表值。中誤差的大小反映了該組觀測值精度的高低，因此，通常稱中誤差為觀測值的中誤差。

整合和更新來自不同來源、不同比例尺、不同時間段的表示同一地圖目標的地理數據越來越引起人們的關注。空間面狀地物和自然要素在很多地圖表示中都占有很大的比例，可以用來表示房屋、土地利用、面狀水體和植被等，它是地圖表達和地圖使用者關心的主要內容，本文主要討論多尺度空間面實體的匹配。空間面實體數據主要有空間特徵和屬性特徵，空間特徵主要包括幾何特徵和拓撲特徵，幾何特徵主要包括重心位置、中心位置、面積大小和邊界，拓撲特徵主要包括面積重疊度、屬性成分關聯度；屬性特徵主要是使用實體的屬性信息。

空間面匹配，國外學者作過大量的研究。在幾何匹配方面，文獻提出面質心結合多種匹配檢驗規則的幾何匹配方法，通過面實體柵格化後收縮來確定質心，然後將其矢量化，用點在面內的規則進行粗匹配，再結合多邊形的面積A和面密度C進行匹配檢驗，最終判斷匹配情況。文獻通過匹配面的邊界來計算邊界的距離來檢測不同時間點的空間面的明顯不同，該方法適合於明確的邊界的面數據，不適合於大量變化的地形數據。文獻提出一種基於鄰近關係確定面與面大致的關係，輔助Hausdorff距離來區分面之間的匹配關係，來確定面之間的共軛點，可以用來匹配面數據。語義信息主要取決於空間數據模型和屬性數據模型，語義信息可以用來輔助匹配關係。文獻提出一種基於知識的非空間屬性數據匹配策略，通過計算屬性項的相似度值以確定匹配實體。文獻提出一種基於語義和結構的相似性的屬性數據匹配方法，來匹配正式和非正式的地理數據。

國內學者也作了大量的工作，文獻提出基於模糊拓撲關係分類的匹配方法，該方法計算形態距離比較麻煩，只適合於房屋等人工地物。文獻在擴展文獻的概率論匹配算法的基礎上提出一種多準則融合算法，對於面數據，主要採用重心S和面的重疊度A指標，指標的權重是由專家經驗來獲取的。文獻提出基於相似性的面實體匹配方法，該方法適合於相似比例尺的地圖數據的匹配。文獻提出了基於成分關聯區域相似度的面實體模糊匹配算法，但模糊分類比較困難，不適合多比例尺數據。文獻也提出一種基於幾何特徵的多尺度的面實體匹配方法，這也是一種基於相似性的匹配方法，需要確定各個指標的權重。面匹配的算法還存在一些問題。首先，如何確定每個指標的閾值或者權重。需要確定的閾值主要有：緩衝區半徑、Hausdorff距離、形態距離、屬性相似性。指標的閾值

都與比例尺密切相關。概率匹配、相似性匹配雖然都不需要閾值，但是每個指標的權重在不同的比例尺下是不相同的，如何確定權重也是一個難點。面數據由點組成，利用點的精度信息來匹配空間數據，文獻等首先使用點距離信息確定匹配，緩衝區大小根據地圖的點位精度而定。文獻也利用地圖中點的誤差來實現點的匹配，但是點位誤差很難確定。其次，如何確定面的M∶N關係。大多都匹配算法都是基於文獻提出的雙向匹配策略，但是其方法只適合於點匹配。文獻提出用面數據的鄰近關係，利用聚集算法可以確定面與面數據之間的多對多的關係的大致關係，再根據Hausdorff距離確定數據之間的精確關係，該距離沒有考慮多尺度情況下的匹配，需要統計數據才能確定範圍。最後，很難確定數據匹配不確定性的範圍，錯誤信息的範圍對人工交互的過程有重要的影響。文獻提出一種基於證據理論來匹配點目標，但是計算每個指標的信任度仍然是一個經驗的過程。根據製圖誤差理論，中誤差作為數據質量和地圖綜合的指標，而且其大小範圍隨着比例尺的變化而變化，可以有效地應用於多尺度空間數據的匹配，並可以確定數據不確定性的範圍。本文在文獻提出的鄰近關係匹配的基礎上，提出一種基於中誤差和鄰近關係的多尺度空間面實體匹配算法，不僅可以確定準確的數據範圍，同時可以確定不確定性的匹配範圍，同時考慮了不同比例尺下製圖綜合的影響，可以有效應用於多尺度面實體匹配。