志愿者地理信息(VGI)數據質量評價對于確保數據準確性、評估數據價值、推動數據質量改進、促進數據共享與協作，以及支持科學研究與發展等方面都具有重要意義。本書圍繞VGI數據的特點、怎樣理解VGI數據、有關地理信息數據質量的描述，以及VGI數據智能評價方法進行了全面而深入的研究和探討。本書致力于系統全面地解釋VGI數據質量智能評價相關理論與技術，內容豐富廣泛，涵蓋經典的對象相似性計算方法、場景相似性計算方法、VGI數據智能評價方法體系，以滿足不同應用場景的VGI數據質量智能評價應用。
(1) 2014-09 至 2019-06, 中國地質大學（武漢）, 博士
(2) 2010-09 至 2014-06, 中國地質大學（武漢）, 學士2019-07 至 今, 中國地質大學（武漢）人工智能作為通訊作者、第一作者發表論文50余篇。高被引作者國家自然科學基金通訊評審專家，中國指揮與控制學會委員，Frontiers in Remote Sensing期刊Review Editor，Remote Sensing 編委
目錄
“新一代人工智能理論、技術及應用叢書”序
前言
第1章 VGI數據理解 1
1.1 認識VGI數據 1
1.1.1 VGI數據的概念和特點 2
1.1.2 VGI數據的發展 3
1.1.3 VGI數據與傳統GIS數據的區別 4
1.1.4 OSM簡介 5
1.2 VGI數據的優勢 6
1.2.1 VGI具備的資源優勢 7
1.2.2 VGI具備的技術優勢 7
1.2.3 VGI具備的社會優勢 7
1.3 VGI數據的貢獻 8
第2章 理解數據質量 10
2.1 數據質量概述 10
2.1.1 數據和數據質量的定義 10
2.1.2 評價數據質量的相關概念 11
2.2 數據質量問題 12
2.2.1 數據質量問題的種類 12
2.2.2 如何評價數據質量 13
2.3 地理信息數據質量 13
2.3.1 地理信息數據的發展歷程 13
2.3.2 地理信息數據質量問題的產生 14
2.3.3 地理信息數據質量評價現狀 15
2.3.4 VGI數據質量評價 16
2.4 OSM數據質量問題描述 17
2.4.1 OSM數據質量問題 17
2.4.2 影響OSM數據質量的原因 18
2.5 OSM數據質量評價 19
2.5.1 數據質量評價體系 19
2.5.2 OSM數據質量評價內容 21
2.6 空間相似性與OSM數據質量 23
2.6.1 空間實體與空間實體相似性 23
2.6.2 基于空間相似性的數據質量 23
第3章 簡單建筑物相似性計算 25
3.1 形狀輪廓特征點提取 26
3.1.1 常見的提取方法 26
3.1.2 幾何特征選取的要求 27
3.1.3 形狀輪廓特征點提取的一般步驟 28
3.2 建筑物輪廓的數學描述 28
3.2.1 常見的數學描述方法 29
3.2.2 以數學方式描述建筑物輪廓的優勢 29
3.3 相似性度量方法 30
3.3.1 描述模型構建 30
3.3.2 已有方法所存在的問題 31
3.4 基于傅里葉變換的面要素數學表達 31
3.5 案例分析 34
3.5.1 特征點提取 34
3.5.2 傅里葉描述子計算與相似性度量 35
第4章 復雜建筑物相似性計算 38
4.1 復雜建筑物定義 38
4.2 內洞空間分布描述 38
4.2.1 帶洞多邊形 38
4.2.2 利用方位圖內洞空間分布描述 39
4.3 方位圖描述與相似性度量 41
4.4 內洞幾何變換描述與度量 44
4.5 內洞與輪廓形狀相似性度量 47
4.6 帶洞區整體相似性度量 49
4.7 案例分析 49
4.7.1 實驗數據 49
4.7.2 實驗結果 50
4.7.3 相似度測量 56
4.7.4 分析與討論 57
4.7.5 結論 60
第5章 復合建筑物相似性計算 61
5.1 復合建筑物定義 61
5.2 復合建筑物的匹配控制子圖 62
5.3 基于轉角方程的匹配位置圖相似性度量 63
5.4 復合建筑物分布的對比 64
5.5 復合建筑物相似性度量模型 65
5.6 案例分析 67
第6章 基于孿生網絡的建筑物場景相似性計算 73
6.1 建筑物場景定義 73
6.2 建筑物場景內實體及其空間關系表達 73
6.3 基于孿生網絡框架的建筑物場景相似性度量 75
6.3.1 孿生網絡框架 75
6.3.2 損失函數 79
6.4 顧及局部特征的建筑物場景相似性優化 79
6.4.1 空間場景內節點相似性研究 80
6.4.2 空間場景內空間關系優化表達 85
6.4.3 空間場景間相似性計算方法 87
6.5 案例分析 88
6.5.1 基于孿生網絡框架的空間場景整體相似性度量模型 88
6.5.2 場景相似性計算 95
第7章 少量標記樣本下的矢量建筑物智能匹配 101
7.1 基于單類支持向量機的簡單建筑物匹配 101
7.1.1 候選匹配關系構建方法 101
7.1.2 顧及全局尋優的建筑物空間相似性度量 104
7.1.3 基于OCSVM的建筑物匹配關系識別 111
7.1.4 實驗與結果分析 114
7.2 基于面要素對齊的復雜建筑物匹配 123
7.2.1 多對多匹配中的難點分析 124
7.2.2 基于控制多邊形的面要素對齊 125
7.2.3 復雜建筑物匹配流程設計 131
7.2.4 實驗與結果分析 135
7.3 基于模式識別的建筑物匹配優化 141
7.3.1 匹配效率分析 142
7.3.2 基于MST聚類的建筑物群組劃分 143
7.3.3 基于GCNN模型的建筑物群組模式識別模型 149
7.3.4 建筑物匹配優化流程設計 154
7.3.5 實驗與結果分析 156
第8章 基于參考數據VGI數據智能評價 163
8.1 VGI數據智能評價概述 163
8.2 基于矢量參考數據VGI數據智能評價 164
8.2.1 基于深度自編碼網絡綜合評價模型 164
8.2.2 案例分析 173
8.3 基于遙感影像數據VGI數據智能評價 184
8.3.1 高分遙感數據處理與訓練集構建 184
8.3.2 基于多任務特征學習參考建筑物數據提取 186
8.3.3 VGI建筑物數據完整性與位置精度評估 190
8.3.4 案例分析 192
第9章 VGI數據智能展望 200
參考文獻 201
新書資訊