一种考虑空间相关性的区域要素抽样方法

文档序号:8488001阅读:149来源:国知局
一种考虑空间相关性的区域要素抽样方法
【技术领域】
[0001] 本发明涉及一种抽样方法,尤其是涉及一种考虑空间相关性的区域要素抽样方 法。
【背景技术】
[0002] 根据地理学第一定律,距离越近的地理事物其相关性越强。目前,针对空间数据的 抽样调查绝大部分采用经典抽样方法,如随机抽样、系统抽样、分层抽样等。空间抽样需要 考虑样本的空间相关性和异质性,提高样本代表性,减小样本冗余。本文利用莫兰指数分析 对空间要素进行相关性分析,给出了空间数据的空间变异临界值(即数据的空间距离近, 相关性大,变异性小;空间相对距离远,相关性小,变异性大)。考虑空间相关性的区域要素 抽样方法,其抽样效率和质量明显提高。

【发明内容】

[0003] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑空间相关 性的区域要素抽样方法。
[0004] 本发明的目的可以通过以下技术方案来实现:
[0005] -种考虑空间相关性的区域要素抽样方法,包括步骤:
[0006] 1)判断图幅中的区域要素是否为多要素,若为是,则执行步骤2),若为否,则执行 步骤4);
[0007] 2)根据各要素的平均接收质量限计算所需抽样的样本容量,并根据各要素的比例 分配各要素所需的样本子容量,;
[0008] 3)根据各要素内像素点间的空间相关性完成各要素的抽样;
[0009] 4)根据所述单要素的接收质量限计算所需抽样的样本容量,并进行抽样。
[0010] 所述步骤2)具体包括步骤:
[0011] 201)计算各要素的平均接收质量限:
【主权项】
1. 一种考虑空间相关性的区域要素抽样方法,其特征在于,包括步骤: 1) 判断图幅中的区域要素是否为多要素,若为是,则执行步骤2),若为否,则执行步骤 4); 2) 根据各要素的平均接收质量限计算所需抽样的样本容量,并根据各要素的比例分配 各要素所需的样本子容量; 3) 根据各要素内像素点间的空间相关性完成各要素的抽样; 4) 根据所述单要素的接收质量限计算所需抽样的样本容量,并进行抽样。
2. 根据权利要求1所述的一种考虑空间相关性的区域要素抽样方法,其特征在于,所 述步骤2)具体包括步骤: 201) 计算各要素的平均接收质量限:
其中:OAQL为各要素的平均接收质量限,AQQ为第i类要素的接收质量限为第i类 要素的像素总量,N为图幅中像素总量,m为要素个数; 202) 根据各要素的平均接收质量限计算所需抽样的样本容量:
其中d为所需抽样的样本容量,a为常数,y为标准正态分布临界值,r为相对误差; 203) 根据各要素像素的个数比分配各要素所需的样本子容量,具体为:

3. 根据权利要求2所述的一种考虑空间相关性的区域要素抽样方法,其特征在于,所 述接收质量限具体为: AQLi= 1-ClassificationAccuracy± 其中:ClassificationAccuracyi为第i类要素的分类精度。
4. 根据权利要求1所述的一种考虑空间相关性的区域要素抽样方法,其特征在于,所 述步骤3)中对第i类要素的抽样过程具体包括步骤: 301) 抽取一个像素j; 302) 对于要素内另一个像素k,计算其与像素j之间的I指数和Z指数,具体的:
其中4为像素
j和像素k之间的I指数,L为像素j的属性,X为要素内所有属性的 均值,y为要素内的像素总数,Wj;k为像素j和像素k的空间权重;
303)判断^_和气是否均小于0,若为是,则抽取像素k,若为否,则不抽取像素k。
5.根据权利要求1所述的一种考虑空间相关性的区域要素抽样方法,其特征在于,所 述步骤4)中所需抽样的样本容量具体为:
其中m为所需抽样的样本容量,a为常数,y为标准正态分布临界值,r为相对误差,AQL为单要素的接收质量限。
【专利摘要】本发明涉及一种考虑空间相关性的区域要素抽样方法,包括步骤:1)判断图幅中的区域要素是否为多要素,若为是,则执行步骤2),若为否,则执行步骤4);2)根据各要素的平均接收质量限计算所需抽样的样本容量,并根据各要素的比例分配各要素所需的样本子容量;3)根据各要素内像素点间的空间相关性完成各要素的抽样;4)根据单要素的接收质量限计算所需抽样的样本容量,并进行抽样。与现有技术相比,本发明在多要素画幅的抽样过程中,考虑了空间相关性,既达到了样本点在研究区域内分布均匀的问题,又在保证抽样精度的同时减少信息的冗余。
【IPC分类】G06F19-00
【公开号】CN104809336
【申请号】CN201510179106
【发明人】童小华, 谢欢, 孟雯, 王芳, 张松林, 刘世杰, 陈鹏
【申请人】同济大学
【公开日】2015年7月29日
【申请日】2015年4月15日
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1