ИСПОЛЬЗОВАНИЕ ЭЛЕМЕНТОВ ТЕОРИИ ГРАФОВ И МАШИННОГО ОБУЧЕНИЯ В РАСПОЗНАВАНИИ СЕТЕЙ ПРИРОДНЫХ И АНТРОПОГЕННЫХ ЛИНЕЙНЫХ ОБЪЕКТОВ

DOI: 10.24057/2414-9179-2018-2-24-340-346

Посмотреть или загрузить статью (Rus)

Об авторах

Шурыгина А.А.

Московский государственный университет имени М.В. Ломоносова,
Ленинские горы, д. 1, 119991, Москва, Россия,
E-mail: shur.a17@yandex.ru

Самсонов Т.Е.

Московский государственный университет имени М.В. Ломоносова,
Ленинские горы, д. 1, 119991, Москва, Россия,
E-mail: tsamsonov@geogr.msu.ru

Аннотация

Представляемая работа является частью исследования, которое направлено на выявление подходов к распознаванию пространственных объектов по векторным моделям данных. На предыдущем этапе классификация объектов основывалась на наборе их морфометрических признаков, — был сделан вывод о недостаточности подобных характеристик для автоматизированного распознавания и необходимости дополнительного изучения пространственных взаимосвязей объектов, т. е. перехода от объектного уровня распознавания к классовому, от анализа формы объектов к исследованию сочетаний форм – рисунков. Важно рассмотреть пространственные взаимосвязи как объектов одного класса, так и разных. В рамках текущей работы решалась задача классификации групп пространственных объектов различных классов.

В статье описаны направления использования результатов исследования, методика решения поставленной задачи, материалы, задействованные в работе. Проведено сравнение результатов классификации объектов по морфометрическим и графовым признакам.

Представлены подходы к автоматизированному распознаванию природных и антропогенных объектов линейной локализации на векторной модели данных. Применена теория графов и элементы машинного обучения для их классификации. Результатом работы стал инструмент, разработанный на языке программирования Python, который конвертирует сеть линейных объектов в граф и рассчитывает определенный перечень его параметров. Также в программном продукте Rapid Miner Studio подготовлена модель для машинного распознавания сетей автомобильных и железных дорог, рек, каналов. Тестирование разработанной технологической схемы проводилось на цифровых данных трех уровней детализации и шести типов ландшафтов, чтобы оценить устойчивость алгоритмов к генерализации данных и изменчивости рисунков сетей в различных природных условиях.

Ключ. слова

машинное обучение, распознавание графических образов, теория графов

Список литературы

  1. Лурье И.К., Косиков А.Г. Теория и практика обработки изображений. Дистанционное зондирование и географические информационные системы / Под ред. А.М. Берлянта. М.: Научный мир, 2003.
  2. Шурыгина А.А., Самсонов Т.Е. Исследование и систематизация морфометрических характеристик основных классов объектов общегеографических карт // Научные исследования молодых ученых-картографов, выполненные под руководством сотрудников кафедры картографии и геоинформатики географического факультета МГУ имени М.В. Ломоносова / Ред. М.В. Зимин, П.Е. Каргашин, М.В. Кусильман и др. КДУ. М., 2017. С. 110–121.
  3. Newman M.E.J. Mixing patterns in networks // Physical Review E. 2003. Т. 67, No 2. S. 026126.
  4. Reingold O. Undirected connectivity in log-space // Journal of the ACM (JACM). 2008. Т. 55, No 4. Р. 17.
  5. Schank T., Wagner D. Approximating clustering-coefficient and transitivity. Universität Karlsruhe, Fakultät für Informatik, 2004.

Для цитирования: Шурыгина А.А., Самсонов Т.Е. ИСПОЛЬЗОВАНИЕ ЭЛЕМЕНТОВ ТЕОРИИ ГРАФОВ И МАШИННОГО ОБУЧЕНИЯ В РАСПОЗНАВАНИИ СЕТЕЙ ПРИРОДНЫХ И АНТРОПОГЕННЫХ ЛИНЕЙНЫХ ОБЪЕКТОВ. Материалы Международной конференции «ИнтерКарто. ИнтерГИС». 2018;24(2):340–346. DOI: 10.24057/2414-9179-2018-2-24-340-346

For citation: Shurygina A.A., Samsonov T.E. RECOGNITION OF NATURAL AND ANTROPOGENIC NETS BASED ON THE GRAPH THEORY AND METHODS OF MACHINE LEARNING. Proceedings of the International conference “InterCarto. InterGIS”. 2018;24(2):340–346 DOI: 10.24057/2414-9179-2018-2-24-340-346 (in Russian)