|
|
1.
基于距离类别的多源兴趣点融合算法
徐爽, 张谦, 李琰, 刘嘉勇
计算机应用
2018, 38 (5):
1334-1338.
DOI: 10.11772/j.issn.1001-9081.2017102504
为了更好地实现多源兴趣点（POI）数据的有效集成与精确融合，提出了一种结合空间与非空间属性的距离类别的兴趣点融合算法（MNMDC）。首先，对空间属性，通过标准化权重算法计算待融合对象的空间相似度得到融合集；其次，利用非空间Jaro-Winkle算法对融合集中类别一致的对象使用低阈值排除，对类别不一致的使用高阈值排除；最后，使用距离约束、类别一致约束和高阈值的非空间Jaro-Winkle算法找出空间算法遗漏的可融合对象。实验结果表明，该方法平均准确率达到93.3%，与空间和非空间算法（COM-NWT）及格网化纠正方法相比，在7组不同重合度的数据下MNMDC方法的平均准确率提高2.7和1.6个百分点、平均召回率提高2.3和1.4个百分点。MNMDC在实际融合过程中能更精确地融合POI数据。
参考文献 |
相关文章 |
多维度评价
|
|
