本發(fā)明屬于地表覆蓋分類
技術(shù)領(lǐng)域：
，涉及基于眾源地理數(shù)據(jù)空間聚類的地表覆蓋分類方法及系統(tǒng)。
背景技術(shù)：
：地表覆蓋是環(huán)境變化研究、地理世情監(jiān)測(cè)、可持續(xù)發(fā)展規(guī)劃等不可或缺的重要基礎(chǔ)信息和關(guān)鍵參量，對(duì)于研究地球系統(tǒng)的能量平衡、碳循環(huán)及其他生物地球化學(xué)循環(huán)、氣候變化等有著十分重要的意義。目前地表覆蓋分類主要利用航天、航空遙感影像中的光譜和紋理信息，結(jié)合先驗(yàn)知識(shí)和經(jīng)驗(yàn)，來(lái)提取地表覆蓋的類型分布及變化信息。該方法耗時(shí)耗力、生產(chǎn)周期長(zhǎng)，難以滿足地表覆蓋產(chǎn)品快速制圖的需求。為減少制圖成本，滿足用戶對(duì)地表覆蓋產(chǎn)品日益變化的應(yīng)用需求，需要發(fā)展一種新的地表覆蓋分類方法。隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的發(fā)展，已有學(xué)者將帶有地理標(biāo)記的文本、圖片等眾源地理數(shù)據(jù)應(yīng)用于地表覆蓋的研究中。“hou,dongyang,etal."activecollectionoflandcoversampledatafromgeo-taggedwebtexts."remotesensing7.5(2015):5805-5827.”通過(guò)獲取搜房網(wǎng)上帶有地理標(biāo)記的文本信息，對(duì)地表覆蓋中的人造地表分類進(jìn)行驗(yàn)證，但文本信息難以對(duì)地表覆蓋類型進(jìn)行準(zhǔn)確定義。“sitthi,asamaporn,etal."exploringlanduseandlandcoverofgeotaggedsocial-sensingimagesusingnaivebayesclassifier."sustainability8.9(2016):921.”中通過(guò)提取flickr圖片中的地表覆蓋信息，構(gòu)建地表覆蓋分類模型，實(shí)現(xiàn)了基于眾源圖片數(shù)據(jù)的地表覆蓋分類，該方法需要人工解譯大量的樣本圖片，耗時(shí)費(fèi)力“johnson,briana.,etal."employingcrowdsourcedgeographicdataandmulti-temporal/multi-sensorsatelliteimagerytomonitorlandcoverchange:acasestudyinanurbanizingregionofthephilippines."computers,environmentandurbansystems64(2017):184-193.”提出了一種將眾源地理數(shù)據(jù)中的文本信息與遙感影像相結(jié)合的地表覆蓋分類方法，該方法成功得到了土地利用分類圖，但是其同樣受限于遙感影像的獲取技術(shù)。上述方法大多將視角聚焦在了眾源地理數(shù)據(jù)的圖像、文本特征等方面，忽略了數(shù)據(jù)本身的空間分布特征對(duì)地表覆蓋分類的影響。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的就是為了解決上述問(wèn)題，提供基于眾源地理數(shù)據(jù)空間聚類的地表覆蓋分類方法及系統(tǒng)，雖然眾源地理數(shù)據(jù)中的文本、圖片等信息能夠直接反映地表覆蓋類型，但忽略了數(shù)據(jù)本身空間分布對(duì)地表覆蓋分類的影響。為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：基于眾源地理數(shù)據(jù)空間聚類的地表覆蓋分類方法，包括如下步驟：步驟(1)：獲取眾源地理數(shù)據(jù)，將眾源地理數(shù)據(jù)作為地表覆蓋分類數(shù)據(jù)；眾源地理數(shù)據(jù)包括：反映地表覆蓋類型的文本信息和表示空間位置的坐標(biāo)信息；步驟(2)：利用步驟(1)所獲取的眾源地理數(shù)據(jù)的數(shù)據(jù)點(diǎn)中表示空間位置的坐標(biāo)信息，進(jìn)行數(shù)據(jù)點(diǎn)的空間聚類，將數(shù)據(jù)點(diǎn)聚類為若干組數(shù)據(jù)點(diǎn)，數(shù)據(jù)點(diǎn)的聚類結(jié)果由數(shù)據(jù)點(diǎn)間的影響范圍eps和每組聚類中的數(shù)據(jù)點(diǎn)的最小數(shù)量minpts所確定；步驟(3)：利用步驟(2)空間聚類得到的若干組數(shù)據(jù)點(diǎn)，劃定包含每組數(shù)據(jù)點(diǎn)的地表覆蓋區(qū)域；步驟(4)：利用步驟(3)所得地表覆蓋區(qū)域，將每個(gè)地表覆蓋區(qū)域中的文本信息輸入概率潛在語(yǔ)義分析模型，概率潛在語(yǔ)義分析模型輸出由各地表覆蓋區(qū)域里文本信息中的詞語(yǔ)所構(gòu)成的地表覆蓋主題及主題權(quán)重，篩選地表覆蓋區(qū)域內(nèi)文本信息中權(quán)重最高的主題，將權(quán)重最高的主題所對(duì)應(yīng)的地表覆蓋類型作為判斷地表覆蓋類型的依據(jù)，根據(jù)判斷地表覆蓋類型的依據(jù)對(duì)待檢測(cè)地表覆蓋區(qū)域進(jìn)行地表覆蓋類型的判斷。所述眾源地理數(shù)據(jù)集包括：帶地理坐標(biāo)的眾源poi數(shù)據(jù)集、眾源圖片數(shù)據(jù)集和眾源文本數(shù)據(jù)集。所述步驟(2)包括：步驟(21)：提取步驟(1)所獲取的眾源地理數(shù)據(jù)的數(shù)據(jù)點(diǎn)的經(jīng)度坐標(biāo)信息和緯度坐標(biāo)信息，作為用于數(shù)據(jù)點(diǎn)空間聚類的位置信息；步驟(22)：利用步驟(21)提取的位置信息，計(jì)算所有數(shù)據(jù)點(diǎn)彼此之間的最近距離d；繼而將最近距離d按照從小到大的順序排列，繼而，以設(shè)定距離范圍為間隔，對(duì)各距離范圍內(nèi)的眾源地理數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，得到數(shù)據(jù)點(diǎn)數(shù)量最多的距離范圍d'，作為數(shù)據(jù)點(diǎn)間的影響范圍eps。步驟(23)：將步驟(1)所獲取的眾源地理數(shù)據(jù)的數(shù)據(jù)點(diǎn)與同一地區(qū)的遙感影像數(shù)據(jù)相疊加，利用監(jiān)督分類中的最小距離法，提取遙感影像中的地表覆蓋地塊，并統(tǒng)計(jì)構(gòu)成每個(gè)地表覆蓋地塊的數(shù)據(jù)點(diǎn)的數(shù)量n，以地表覆蓋地塊中數(shù)據(jù)點(diǎn)的最小數(shù)量，作為每組聚類中的數(shù)據(jù)點(diǎn)的最小數(shù)量minpts。步驟(24)：利用步驟(22)所得數(shù)據(jù)點(diǎn)間的影響范圍eps和(23)所得每組聚類中的數(shù)據(jù)點(diǎn)的最小數(shù)量minpts，將坐標(biāo)信息輸入dbscan(density-basedspatialclusteringofapplicationswithnoise)模型，進(jìn)行數(shù)據(jù)點(diǎn)的空間聚類。對(duì)于步驟(22)聚類中的每組數(shù)據(jù)之間的距離范圍eps，若數(shù)據(jù)點(diǎn)之間的最近距離d>eps，則不會(huì)被分類為同一組點(diǎn)數(shù)據(jù)，反之，若數(shù)據(jù)點(diǎn)間的最近距離d≤eps，則會(huì)被分為同一組數(shù)據(jù)。對(duì)于步驟(23)構(gòu)成每組聚類中的數(shù)據(jù)點(diǎn)的最小數(shù)量minpts，若聚類中某組數(shù)據(jù)點(diǎn)的數(shù)量n≥minpts，則該組數(shù)據(jù)點(diǎn)保留為空間聚類結(jié)果，若某組數(shù)據(jù)點(diǎn)的數(shù)量n<minpts，則該組數(shù)據(jù)全部劃分為噪音，不作為空間聚類的結(jié)果進(jìn)行地表覆蓋分類。其中，計(jì)算每個(gè)數(shù)據(jù)點(diǎn)之間的最近距離d的計(jì)算公式為：式中，d表示數(shù)據(jù)點(diǎn)p到數(shù)據(jù)點(diǎn)v的最近距離，px表示數(shù)據(jù)點(diǎn)p的經(jīng)度信息，py表示數(shù)據(jù)點(diǎn)p的緯度信息，vx表示數(shù)據(jù)點(diǎn)v的經(jīng)度信息，vy表示數(shù)據(jù)點(diǎn)v的緯度信息。所述步驟(3)包括：步驟(31)：提取步驟(2)所得空間聚類結(jié)果，構(gòu)建不規(guī)則三角網(wǎng)tin；步驟(32)：利用步驟(31)中構(gòu)建的不規(guī)則三角網(wǎng)，計(jì)算其中每個(gè)三角形的外接圓半徑r，繼而，對(duì)同一組數(shù)據(jù)中所有三角形的外接圓半徑r按照由小到大進(jìn)行排序，對(duì)各外接圓半徑r內(nèi)的眾源地理數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，得到數(shù)據(jù)點(diǎn)數(shù)量最多的外接圓半徑r'；步驟(33)：將每組數(shù)據(jù)的坐標(biāo)信息分別輸入凹包(concavehull)模型，凹包模型中的參數(shù)α由步驟(32)所得到的外接圓半徑r'所確定。凹包模型輸出覆蓋每組數(shù)據(jù)點(diǎn)的面數(shù)據(jù)，作為用于分類的地表覆蓋區(qū)域。所述計(jì)算其中每個(gè)三角形的外接圓半徑r的公式為：式中，a、b、c分別為不規(guī)則三角網(wǎng)中三角形的三條邊，s為三角形的面積。基于眾源地理數(shù)據(jù)空間聚類的地表覆蓋分類系統(tǒng)，包括：獲取模塊：獲取眾源地理數(shù)據(jù)，將眾源地理數(shù)據(jù)作為地表覆蓋分類數(shù)據(jù)；眾源地理數(shù)據(jù)包括：反映地表覆蓋類型的文本信息和表示空間位置的坐標(biāo)信息；聚類模塊：利用獲取模塊所獲取的眾源地理數(shù)據(jù)的數(shù)據(jù)點(diǎn)中表示空間位置的坐標(biāo)信息，進(jìn)行數(shù)據(jù)點(diǎn)的空間聚類，將數(shù)據(jù)點(diǎn)聚類為若干組數(shù)據(jù)點(diǎn)，數(shù)據(jù)點(diǎn)的聚類結(jié)果由數(shù)據(jù)點(diǎn)間的影響范圍eps和每組聚類中的數(shù)據(jù)點(diǎn)的最小數(shù)量minpts所確定；區(qū)域劃定模塊：利用聚類模塊空間聚類得到的若干組數(shù)據(jù)點(diǎn)，劃定包含每組數(shù)據(jù)點(diǎn)的地表覆蓋區(qū)域；分析模塊：利用區(qū)域劃定模塊所得地表覆蓋區(qū)域，利用概率潛在語(yǔ)義分析主題模型，分析每個(gè)地表覆蓋區(qū)域的文本信息，判斷地表覆蓋類型。本發(fā)明的有益效果：1以poi(興趣點(diǎn))數(shù)據(jù)為例，在某個(gè)大型的城市中心商業(yè)區(qū)，聚集了成百上千個(gè)標(biāo)記為“購(gòu)物”、“公廁”、“餐館”等屬性的poi點(diǎn)，通過(guò)對(duì)這些點(diǎn)的空間聚類，不僅可以識(shí)別出其地表覆蓋類型為人造地表，并可劃定出其分布范圍。因此，本專利提出一種顧及眾源地理數(shù)據(jù)空間聚類的地表覆蓋分類方法。2利用眾源地理數(shù)據(jù)的位置信息，采用dbscan聚類算法，對(duì)數(shù)據(jù)進(jìn)行空間聚類；繼而，利用聚類結(jié)果，采用凹包模型劃定地表覆蓋區(qū)域；最后，提取地表覆蓋區(qū)域中眾源地理數(shù)據(jù)的文本信息，輸入主題模型，判斷地表覆蓋分類。附圖說(shuō)明圖1(a)-圖1(d)為部分眾源地理數(shù)據(jù)分布圖；圖2為數(shù)據(jù)點(diǎn)距離分布圖；圖3(a)-圖3(d)為dbscan空間聚類結(jié)果圖；圖4為數(shù)據(jù)點(diǎn)的不規(guī)則三角網(wǎng)構(gòu)建；圖5為三角形外接圓半徑分布圖；圖6(a)-圖6(c)為基于凹包模型的地表覆蓋區(qū)域劃定圖；圖7(a)-圖7(d)為部分區(qū)域地表覆蓋分類結(jié)果；圖8為本發(fā)明的流程圖。具體實(shí)施方式下面結(jié)合附圖與實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。為了對(duì)本發(fā)明的技術(shù)特征、目的和效果有更加清楚的理解，現(xiàn)以山東省的新浪微博poi數(shù)據(jù)集和百度地圖poi數(shù)據(jù)集為例，對(duì)照附圖說(shuō)明本發(fā)明的具體實(shí)施方式。下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。本發(fā)明所提出的一種基于眾源地理數(shù)據(jù)空間聚類的地表覆蓋分類方法，如圖8所示，所述方法用于基于眾源地理數(shù)據(jù)的地表覆蓋分類；所述地表覆蓋分類方法包括基于dbscan的眾源地理數(shù)據(jù)空間聚類方法和基于凹包模型的地表覆蓋區(qū)域構(gòu)建方法；所述方法包括如下步驟：a、獲取眾源地理數(shù)據(jù)，將眾源地理數(shù)據(jù)作為地表覆蓋分類數(shù)據(jù)；眾源地理數(shù)據(jù)包括：反映地表覆蓋類型的文本信息與表示空間位置的坐標(biāo)信息。所獲取數(shù)據(jù)點(diǎn)中的新浪微博poi和百度地圖poi，其文本信息和空間信息如表1所示。表1眾源地理數(shù)據(jù)的文本和空間信息經(jīng)度坐標(biāo)緯度坐標(biāo)poi類型116.462739.94505休閑娛樂(lè)歌舞廳116.477839.9212醫(yī)療綜合醫(yī)院116.323739.82448醫(yī)療療養(yǎng)院116.522939.77134醫(yī)療?？漆t(yī)院116.835140.05272購(gòu)物便利店116.83540.05291交通設(shè)施服務(wù)區(qū)b、利用步驟a所獲取的數(shù)據(jù)點(diǎn)中表示空間位置的坐標(biāo)信息，進(jìn)行數(shù)據(jù)點(diǎn)的空間聚類，將數(shù)據(jù)點(diǎn)聚類為空間位置相近的若干組數(shù)據(jù)。a.利用步驟b1提取的位置信息，計(jì)算每個(gè)數(shù)據(jù)點(diǎn)之間的最近距離d(公式如(1)所示)。繼而按照從小到大的順序排列，選取數(shù)據(jù)點(diǎn)數(shù)量占比最大的距離范圍d，作為數(shù)據(jù)點(diǎn)間的影響范圍eps。式中，d表示數(shù)據(jù)點(diǎn)p到數(shù)據(jù)點(diǎn)v的最近距離，px表示數(shù)據(jù)點(diǎn)p的經(jīng)度信息，py表示數(shù)據(jù)點(diǎn)p的緯度信息，vx表示數(shù)據(jù)點(diǎn)v的經(jīng)度信息，vy表示數(shù)據(jù)點(diǎn)v的緯度信息。數(shù)據(jù)點(diǎn)間的最近距離如圖2所示。大多數(shù)poi間的距離均在100米以內(nèi)，當(dāng)poi間的距離大于100米后，曲線急劇升高，這表明只有少量poi間的最短距離分布在100米之外。因此選取數(shù)據(jù)點(diǎn)間的影響范圍eps為100米。c.將數(shù)據(jù)點(diǎn)與同一地區(qū)的遙感影像數(shù)據(jù)相疊加，統(tǒng)計(jì)構(gòu)成每個(gè)地表覆蓋地塊的數(shù)據(jù)點(diǎn)的數(shù)量n，以此確定每組聚類中的數(shù)據(jù)點(diǎn)的最小數(shù)量minpts。部分地表覆蓋地塊的數(shù)據(jù)點(diǎn)分布如圖1(a)-圖1(d)所示。圖1(a)為城市區(qū)域，聚集的數(shù)據(jù)點(diǎn)較多且分布密集。圖1(b)、圖1(c)中的數(shù)據(jù)分布相對(duì)較少，而圖1(d)中散落分布的數(shù)據(jù)，不足以作為地表覆蓋的分類數(shù)據(jù)進(jìn)行聚類。依據(jù)構(gòu)成每個(gè)地表覆蓋地塊的數(shù)據(jù)點(diǎn)的數(shù)量n，將聚類中的數(shù)據(jù)點(diǎn)的最小數(shù)量minpts確定為3。d.利用步驟b、c所得數(shù)據(jù)點(diǎn)間的最近距離d和構(gòu)成每個(gè)地表覆蓋地塊的數(shù)據(jù)點(diǎn)數(shù)量n，將坐標(biāo)信息輸入dbscan(density-basedspatialclusteringofapplicationswithnoise)模型，進(jìn)行數(shù)據(jù)點(diǎn)的空間聚類。對(duì)于步驟b聚類中的每組數(shù)據(jù)之間的距離范圍eps，若數(shù)據(jù)點(diǎn)之間的最近距離d>eps，則不會(huì)被分類為同一組點(diǎn)數(shù)據(jù)，反之，若數(shù)據(jù)點(diǎn)間的最近距離d<eps，則會(huì)被分為同一組數(shù)據(jù)。對(duì)于步驟c構(gòu)成每組聚類中的數(shù)據(jù)點(diǎn)的最小數(shù)量minpts，若聚類中某組數(shù)據(jù)點(diǎn)的數(shù)量n>minpts，則該組數(shù)據(jù)點(diǎn)保留為空間聚類結(jié)果，若某組數(shù)據(jù)點(diǎn)的數(shù)量n<minpts，則該組數(shù)據(jù)全部劃分為噪音，不作為空間聚類的結(jié)果進(jìn)行地表覆蓋分類。為驗(yàn)證minpts的取值，選取聚類中的每組數(shù)據(jù)之間的最近距離eps為100米，分別選取每組聚類中的數(shù)據(jù)點(diǎn)的最小數(shù)量minpts為1、3、5、10，所得部分dbscan空間聚類結(jié)果如圖3(a)-圖3(d)所示，其中黑色代表無(wú)法進(jìn)行空間聚類的噪音數(shù)據(jù)。圖3(a)中由于minpts＝1，導(dǎo)致周邊散落分布的數(shù)據(jù)點(diǎn)被空間聚類為若干組數(shù)據(jù)，圖3(b)中minpts＝3，無(wú)法進(jìn)行地表覆蓋分類的散落分布的數(shù)據(jù)點(diǎn)被劃分為噪音數(shù)據(jù)，圖3(c)、圖3(d)中由于minpts的取值過(guò)大，使得聚集分布的數(shù)據(jù)點(diǎn)被錯(cuò)誤劃分為噪音。因此，本專利選取由eps＝100、minpts＝3所得dbscan空間聚類結(jié)果進(jìn)行地表覆蓋區(qū)域劃定。c、利用步驟b空間聚類得到的若干組數(shù)據(jù)點(diǎn)，劃定包含每組數(shù)據(jù)點(diǎn)的地表覆蓋區(qū)域。a.提取步驟b所得空間聚類結(jié)果，對(duì)于每組數(shù)據(jù)點(diǎn)，分別構(gòu)建不規(guī)則三角網(wǎng)(tin)。以某組數(shù)據(jù)點(diǎn)的空間聚類結(jié)果為例，其不規(guī)則三角網(wǎng)構(gòu)建如圖4所示。b.利用步驟a中構(gòu)建的不規(guī)則三角網(wǎng)，計(jì)算其中每個(gè)三角形的外接圓半徑r，計(jì)算公式如(1)所示。繼而，對(duì)同一組數(shù)據(jù)中所有三角形的外接圓半徑r按照由小到大進(jìn)行排序。式中，a、b、c分別為不規(guī)則三角網(wǎng)中三角形的三條邊，s為三角形的面積。以圖4所構(gòu)建的不規(guī)則三角網(wǎng)為例，其外接圓半徑r如圖5所示。當(dāng)外接圓半徑r>150米時(shí)，分布曲線急劇上升，說(shuō)明多數(shù)外接圓半徑r分布于150米以內(nèi)。c.將每組數(shù)據(jù)的坐標(biāo)信息分別輸入凹包(concavehull)模型，凹包模型中的參數(shù)α由步驟c2所得到的外接圓半徑r所確定，即選取三角形數(shù)量占比最大的外接圓半徑r，作為參數(shù)α的取值。模型輸出覆蓋每組數(shù)據(jù)點(diǎn)的面數(shù)據(jù)，以此作為用于分類的地表覆蓋區(qū)域。以圖5所得外接圓半徑r的分布情況為例，取參數(shù)α分別為30、150、300，利用凹包模型劃定地表覆蓋區(qū)域，如圖6(a)-圖6(c)所示。圖6(a)中參數(shù)α為30米，劃定的地表覆蓋區(qū)域較為散亂，不能完全覆蓋全部區(qū)域，圖6(b)中參數(shù)α為150米，與步驟b的所得外接圓半徑r的分布情況相吻合，圖6(c)中參數(shù)α為300米，所得地表覆蓋區(qū)域面積過(guò)大。因此選取參數(shù)α為150米。d、利用步驟c所得地表覆蓋區(qū)域，提取每個(gè)地表覆蓋區(qū)域內(nèi)數(shù)據(jù)點(diǎn)的文本信息，將文本信息輸入主題模型，分析每個(gè)地表覆蓋區(qū)域的文本主題，判斷地表覆蓋類型。計(jì)算所得部分文本主題如表2所示。主題2的文本信息多與校園生活相關(guān)，反映了地表覆蓋中的人造地表類型；主題21的文本信息與生活、娛樂(lè)相關(guān)，多位于商業(yè)區(qū)、住宅區(qū)，同樣反映了人造地表類型；而主題37則與旅游風(fēng)景區(qū)相關(guān)，反映了地表覆蓋中的非人造地表類型。表2眾源地理數(shù)據(jù)部分文本主題分布主題2主題21主題37高校中心點(diǎn)便利店旅游景點(diǎn)校園生活便民商店風(fēng)景區(qū)出行住宿專賣(mài)店公共廁所高等院校美容美發(fā)店生活服務(wù)圖書(shū)館電訊營(yíng)業(yè)廳文物古跡樓宇機(jī)構(gòu)煙酒專賣(mài)店停車(chē)場(chǎng)餐飲美食生活?yuàn)蕵?lè)公園………………圖7(a)基于以上文本主題計(jì)算結(jié)果，以圖1(a)-圖1(d)中所示區(qū)域?yàn)槔玫乇砀采w分類結(jié)果如圖7(a)-圖7(d)所示：圖7(a)、圖7(b)分別位于城市與鄉(xiāng)鎮(zhèn)，被正確分為人造地表，圖7(c)位于森林地區(qū)，其地表覆蓋區(qū)域被正確分為非人造地表，而圖7(d)由于數(shù)據(jù)點(diǎn)分布較為散亂且數(shù)量較少，無(wú)法進(jìn)行地表覆蓋分類。本發(fā)明提出了一種基于眾源地理數(shù)據(jù)空間聚類的地表覆蓋分類方法，利用眾源地理數(shù)據(jù)的位置信息，采用dbscan聚類算法，對(duì)位置數(shù)據(jù)進(jìn)行空間聚類；繼而利用聚類結(jié)果，采用凹包模型劃定地表覆蓋區(qū)域；最后，提取地表覆蓋區(qū)域中眾源地理數(shù)據(jù)的文本信息，輸入主題模型，判斷地表覆蓋分類。所述概率潛在語(yǔ)義分析(probabilisticlatentsemanticanalysis)主題模型，參照文獻(xiàn)“l(fā)eungd,newsams.exploringgeotaggedimagesforland-useclassification[c]//acmmultimedia2012workshopongeotagginganditsapplicationsinmultimedia.acm,2012:3-8.”中的方法。tin的英文全稱是triangulatedirregularnetwork。所述不規(guī)則三角網(wǎng)的構(gòu)建過(guò)程參照文獻(xiàn)“武曉波,王世新.delaunay三角網(wǎng)的生成算法研究[j].測(cè)繪學(xué)報(bào),1999,28(1):28-35.”上述雖然結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行了描述，但并非對(duì)本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動(dòng)即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。當(dāng)前第1頁(yè)12