Instituto Politécnico da Guarda 2012

Tamanho: px

Começar a partir da página:

Download "Instituto Politécnico da Guarda 2012"

Mikaela da Conceição
5 Há anos
Visualizações:

1 Instituto Politécnico da Guarda 2012

2 Objectivo: Generalizar automaticamente a série M783 (escala 1/50.000) a partir da série M888 (escala 1/25.000)

3 1 Introdução 8 Conclusões

4 1ª Fase Caracterização numérica das entidades 2ª Fase Escolha dos Algoritmos e respectivos Parâmetros 3ª Fase Generalizar as entidades 4ª Fase Resolução de conflitos (Contextualização da Generalização)

5 Não podemos simplesmente reduzir o tamanho de uma carta para obter uma de escala menor Reduzindo o tamanho de uma carta esta torna-se ilegível A cartografia em várias escalas não é mais do que visualizações em diversos graus de abstracção do mesmo espaço geográfico

6 Abstracção Mapa do Metro de Londres 1921 Harry Beck

7 T zxçxütä ét ûé âå ÑÜÉvxááÉ vézç à äé véå t y ÇtÄ wtwx wx vü tü ä á u Ä wtwx x Äxz u Ä wtwx twtñàöäx á té xáñt É wx ä áâtä ét ûé? õ wxy Ç ûé wéá Åx Éá wx xåñéá ûé? té Ç äxä wt ÑxÜvxÑ ûé x õá xå z Çv tátñä vtv ÉÇt á tñä vtv ÉÇt áwéá wéááxâá áxâáâà Ä étwéüxá âà Ä étwéüxáa

8 Radical Law (Topfer 1974) Horton order (Horton 1945) Elimination Poligons (Bader 1997) Suavização Eliminação Selecção Agregação Fusão Simplificação Deslocamento Processo Refinamento Exagero Realce Classificação Simbolização

9 Fase inicial do projecto Entidades a generalizar Curvas de nível Parâmetros caracterizadores das linhas: - Dimensão Fractal; - Angularidade; - Comprimento total da linha; - Média do comprimento dos segmentos; - Desvio padrão dos segmentos; - Número de vértices; - Cota. Algoritmo utilizado Apresentado por Lopes(2006) A escolha do parâmetro é efectuada com recurso a IA

10 Generalização de Curvas de nível ALGORITMO Acção das forças aplicadas Reacção do corpo Curva de nível original Curvas de nível generalizadas com diferentes tensões T Lopes (2006) Parâmetro (Tensão) =>>[0,10]

11 ALGORITMO B r i a) Cálculo do vector e pontos máximos e mínimos; b) Cálculo dos vectores B r ir perpendiculares ao vector A ; c) Exemplo de diferentes tensões aplicadas à curva de nível;

12 Avaliação Resultados Generalizar o Mapa BDG Inteligência Artificial Output Refinamento BD Conhecimento (Algoritmos & Parâmetros) Regras Prioridades

13 FASES DO PROJECTO Caracterização das entidades Escolha do Algoritmo e respectivos parâmetros Generalizar automaticamente as entidades

14 Avaliação Resultados Generalizar o Mapa BDG Inteligência Artificial Output Refinamento BD Conhecimento (Algoritmos & Parâmetros) Regras Prioridades

15 Inteligência Artificial

16 a) INPUT b) Definição das variáveis c 1 ) NN c 2 ) C&R c 3 ) C5 d 1 ) Output NN d 2 ) Output C&R d 3 ) Output C5 e) Agente f) OUTPUT

17 Redes Neuronais REDES NEURONAIS E N T R A D A Neurónio artificial Arquitectura de Redes Neuronais SAÍDA Camada Entrada Camadas Intermédias Camada Saída D A D O S E N T R A D A Dim Fractal Num Vert Comp Desvio Pad Media Seg Angular Cota S A Í Tensão D A

18 Aprendizagem Para a fase da aprendizagem dos métodos de inteligência artificial foram generalizadas as curvas de nível da folha Nº309 da série M888 por um operador experiente. Ajustaram-se os parâmetros de modo a que a rede neuronal e as árvores de classificação e regressão obtivessem um resultado tão próximo quanto possível dos valores da tensão utilizados nesta generalização Relatório

19 APRENDIZAGEM Atributos das curvas de nível da folha Nº309 Funções de activação Tensão utilizada no algoritmo de generalização

Cada ramo descendente corresponde a um possível valor deste atributo.

20 Árvores de Classificação e Regressão Representação por árvores de decisão: Cada nó de decisão contem um teste num atributo. Cada ramo descendente corresponde a um possível valor deste atributo. Cada Folha está associada a uma classe. Cada percurso na árvore (da raiz à folha) corresponde a uma regra de classificação.

Documentos relacionados

Á Ç ó á ç

Á Ç ó á ç É í é çã ô ã â ã á ç õ é á õ é ê ã ê çã õ ê ú õ ê ó ó ó ó ã é à çã ê é ê í é ã ó ã á ç í á é ã ó é á ó ó á ó á ã ó ã ã çã ó ê ó ê á ô ô ã ã çã ô çã ô í ê ó á ó ê çõ ê é á ê á á ç ó í çã ó ã é