基于神经网络模型求取注记配置最优解

樊红; 张祖勋; 杜道生; 张剑清

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于神经网络模型求取注记配置最优解

樊红, 张祖勋, 杜道生, 张剑清

文章导航 > 武汉大学学报 ● 信息科学版 > 1998 > 23(1): 32-35

樊红, 张祖勋, 杜道生, 张剑清. 基于神经网络模型求取注记配置最优解[J]. 武汉大学学报 ● 信息科学版, 1998, 23(1): 32-35.

引用本文:

樊红, 张祖勋, 杜道生, 张剑清. 基于神经网络模型求取注记配置最优解[J]. 武汉大学学报 ● 信息科学版, 1998, 23(1): 32-35.

Fan Hong, Zhang Zuxun, Du Daosheng, Zhang Jianqing. A Hopfield Nerual Network Algorithm of Finding the Best Position for Point Annotation of Map[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 32-35.

Citation:

Fan Hong, Zhang Zuxun, Du Daosheng, Zhang Jianqing. A Hopfield Nerual Network Algorithm of Finding the Best Position for Point Annotation of Map[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 32-35.

基于神经网络模型求取注记配置最优解

武汉测绘科技大学测绘遥感信息工程国家重点实验室, 武汉市珞喻路129号, 430079

详细信息

作者简介:
樊红,女,30岁,博士生,讲师,现从事GIS研究。

中图分类号: TP18;P283.7;P231.5

A Hopfield Nerual Network Algorithm of Finding the Best Position for Point Annotation of Map

National Laboratory for Information Engineering in Surveying, Mapping and Remote Sensing, WTUSM, 129 Luoyu Road, Wuhan, China, 430079

摘要: 提出了一种点状注记自动配置的实用方法。其核心算法采用基于Hopfield神经网络模型求取点要素注记配置的最优解,克服了传统的冲突-回溯方法的不足。实验证明,该方法具有较好的性能和效率。
- Hopfield神经网络 /
- 能量函数 /
- 注记配置
Abstract: This paper presents a method of adding annotation to the map especially for the point feature.This method overcomes the shortcoming of traditional methods e.g.Conflict Tracebacking method.It's kernel algorithm that use the Hopfileld neural network to find the best position of feature annotation.The experimental results of running in HP workstation prove that this algorithm has a fairy permanence and high speed.
- hopfield nerual network /
- energy function /
- annotation placement

[1]	李霖, 张航, 朱海红, 胡玮. 基于可移动区域的点状要素注记配置 . 武汉大学学报 ● 信息科学版, 2018, 43(8): 1129-1137. doi: 10.13203/j.whugis20160289
[2]	李霖, 周玉杰, 于忠海. 面状居民地名称注记自动配置研究 . 武汉大学学报 ● 信息科学版, 2016, 41(2): 214-220. doi: 10.13203/j.whugis20140385
[3]	李佳田, 康顺, 李晓娟, 张蓝, 罗富丽, 白建军. 宽泛地理注记的投放模型 . 武汉大学学报 ● 信息科学版, 2015, 40(1): 20-25.
[4]	魏立飞, 钟燕飞, 张良培, 李平湘. 多波段信息融合的遥感影像变化检测 . 武汉大学学报 ● 信息科学版, 2014, 39(1): 8-11.
[5]	郭丙轩, 张磊, 邵振峰, 潘飞. 基于积分图像的面状注记配置方法研究 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 6-9,14.
[6]	张志军, 李霖, 于忠海, 应申. 散列式面状注记自动配置技术研究 . 武汉大学学报 ● 信息科学版, 2011, 36(6): 739-742.
[7]	张晓通, 李霖, 舒亚东, 王红. 面状要素注记智能化配置方法研究 . 武汉大学学报 ● 信息科学版, 2008, 33(7): 762-765.
[8]	王琤, 李霖, 朱海红. 小比例尺地图面状水系名称注记自动配置研究 . 武汉大学学报 ● 信息科学版, 2007, 32(6): 544-547.
[9]	郑春燕, 郭庆胜, 刘小利. 基于禁忌搜索算法的点状要素注记的自动配置 . 武汉大学学报 ● 信息科学版, 2006, 31(5): 428-431.
[10]	苏姝, 李霖, 王琤. 地图汉字注记质量函数的分析与计算- . 武汉大学学报 ● 信息科学版, 2006, 31(5): 432-435.
[11]	王新洲, 邓兴升. 大坝变形预报的模糊神经网络模型 . 武汉大学学报 ● 信息科学版, 2005, 30(7): 588-591.
[12]	姜永发, 张书亮, 兰小机, 闾国年. 长对角线法实现GIS中矢量地图面状地物汉字注记的自动配置 . 武汉大学学报 ● 信息科学版, 2005, 30(6): 544-548.
[13]	胡耀垓, 李伟, 胡继明. 一种改进激活函数的人工神经网络及其应用 . 武汉大学学报 ● 信息科学版, 2004, 29(10): 916-919.
[14]	樊红, 刘开军, 张祖勋. 基于遗传算法的点状要素注记的整体最优配置 . 武汉大学学报 ● 信息科学版, 2002, 27(6): 560-565.
[15]	张力, 沈未名, 张祖勋, 张剑清. 基于空间约束的神经网络影像匹配 . 武汉大学学报 ● 信息科学版, 2000, 25(1): 55-59.
[16]	郭庆胜, 王涛. 稠密型点状地图要素注记自动配置的智能化渐进式方法 . 武汉大学学报 ● 信息科学版, 2000, 25(4): 362-367.
[17]	樊红, 杜道生, 张祖勋. 地图注记自动配置规则及其实现策略 . 武汉大学学报 ● 信息科学版, 1999, 24(2): 154-157.
[18]	沈未名, 张祖勋, 张剑清. 基于神经网络的影像匹配概率松弛算法 . 武汉大学学报 ● 信息科学版, 1996, 21(3): 247-251.
[19]	刘少创, 林宗坚. 基于神经网络的地图数字注记识别 . 武汉大学学报 ● 信息科学版, 1994, 19(3): 194-198.
[20]	李叶才. 关于Hotine积分的若干注记 . 武汉大学学报 ● 信息科学版, 1989, 14(1): 38-47.