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.