基于Vague软集的模糊GML建模研究

摘要

地理标记语言（Geography Markup Language，GML）是由开放式地理信息系统协会（Open Geospatial Consortium，OGC）提出的一种以文本方式表示地理空间信息的语言，它能够表达和传递地理空间对象的空间数据和非空间属性数据。但是，在对空间知识的表达中，不可避免的会存在许多模糊的信息，特别是对于那些在文本模式下的表达式，这种模糊性也变得更加广泛。因此，本文采取将模糊数学中的Vague软集理论和GML相结合的思路提出基于Vague软集的GML模糊扩展方法，以解决GML模糊信息的表达问题。本文研究工作主要包括：
　　（1）研究GML基本知识及GML解析方法。GML具有纯文本、可扩展、可共享、易集成、易编辑、易转换、易读取、易传输、可粒状更新等特征，而要素模式、几何模式、拓扑模式和时态模式等四种模式为GML的基本模式；研究解析GML文档的方法，主要为Java中四种主流的解析方法，包括DOM、SAX、JDOM和DOM4J，并对这四种解析模型在读取方式、优势及劣势上的异同点进行了比较分析。
　　（2）研究Vague软集基本知识及Vague软集相似度量。引入Vague软集模糊理论以实现GML的模糊扩展；运用Vague软集相似度量以实现选址决策模型的构建。
　　（3）构建Vague软集GML模型。使用Vague软集来表示地理空间信息的模糊性，引入与Vague软集相关联的VagueSoftSets、Field、SoftSet、VagueSet和Distribution五个自定义元素，并相应地修改这些自定义元素的DTD、Schema以适应这些自定义元素。当GML提供的类gml:AbstractFeatureType不能满足实际建模的需要时，需要自定义新的基类。Vague软集GML DTD和Schema模型的建立，为解决GML模糊信息的问题提供了一条途径。
　　（4）将构建的Vague软集GML模型应用于选址决策中。结合Vague软集GML模型，得到选址决策模型的GML表达一般形式。在ATM网点选址和地震移民选址决策应用中，根据选址的评价因素权重，通过Vague软集相似度量计算候选方案与理想方案之间的相似度量，然后利用构建的基于Vague软集的选址决策模型计算候选方案的综合评价值，从而得出最优选址方案。对比实验结果验证表明，该模型有效、可行。

目录

声明

第1章 绪 论

1.1 研究目的和意义

1.2 国内外研究现状

1.3 论文主要研究内容

1.4 论文组织结构

第2章 GML基本知识

2.1 GML

2.2 GML解析方法

2.3 本章小结

第3章 Vague软集GML建模

3.1 Vague软集

3.2 GML文档中的模糊性

3.3 Vague软集GML DTD模型的构建

3.4 Vague软集GML Schema模型的构建

3.5本章小结

第4章 Vague软集GML在选址决策中的应用

4.1 Vague软集的相似度量

4.2 应用体系结构

4.3 选址决策应用

4.4本章小结

第5章 结论

5.1 取得的主要成果

5.2 创新点

5.3 下一步工作

参考文献

个人简介、攻读硕士期间参与的科研项目及发表的学术论文

致谢