《空间数据质量定性评价》肖本林，胡圣武著|(epub+azw3+mobi+pdf)电子书下载

图书名称：《空间数据质量定性评价》

【作　者】肖本林，胡圣武著

【页 数】 173

【出版社】 北京：测绘出版社 , 2019.11

【ISBN号】978-7-5030-4282-9

【价 格】58.00

【分 类】空间信息系统-数据处理-质量评价

【参考文献】 肖本林，胡圣武著. 空间数据质量定性评价. 北京：测绘出版社, 2019.11.

图书封面：

图书目录：

《空间数据质量定性评价》内容提要：

本书在系统分析和总结空间数据质量评价发展现状的基础上，提出语言评价的重要性，较为简洁地介绍语言评价所用到的理论和空间数据质量评价体系，如何选取评价指标以及选取原则。本书较为详细地研究了基于Vague集的空间数据质量语言评价，重点考虑了权重已知、未知和语言形式的权重等多种情况下的评价方法，研究了三角模糊数、梯形模糊数和语言的转化，从而研究了多粒度语言的空间数据质量评价。本书还介绍了犹豫模糊元和直觉语言数和语言的关系，研究了以模糊犹豫元和直觉语言数给出的语言评价方法。

《空间数据质量定性评价》内容试读

第1章绪论

1.1研究意义

空间数据质量评价是空间信息科学的重要基础理论，是目前空间数据研究的热点和难点之一。因此，对空间数据质量评价进行研究是非常重要和有意义的。其意义总结如下：

(1)可以提高各级政府部门和企业的决策能力，从而促进空间数据在国民经济中发挥重要作用。

(2)能确定空间数据录入的质量标准，改善空间数据处理方法，对减少空间数据产品设计与开发的盲目性等方面有深远影响。

(3)可以给出空间数据一个正确的评价，从而促进空间数据产品进一步商业化和产业化。

(4)可以给出空间数据质量的具体指标，从而提高空间数据的可信性。

(5)提高语言型空间数据质量评价的有效性和合理性。

(6)丰富和完善空间数据质量评价的理论和方法。本书主要从四个方面研究空间数据质量的语言评价：

(1)二元语义的空间数据质量评价。主要研究确定语言、不确定语言和多粒度语言的二元语义评价的原理、步骤和方法。

(2)模糊语言的空间数据质量评价。主要研究传统模糊语言、直觉模糊语言和犹豫模糊语言等语言形式的空间数据质量评价的方法。

(3)模糊数的空间数据质量评价。主要是把语言信息转化为模糊数，运用模糊理论进行空间数据质量评价。主要研究了三角模糊数、梯形模糊数、Vague集等进行空间数据质量评价的方法。

(4)直觉语言数的空间数据质量评价。这种方法利用语言信息和模糊理论，把

二者相结合起来，对空间数据质量进行评价。主要研究了直觉语言数、直觉不确定语言数、区间直觉语言数和区间直觉不确定语言数等用于空间数据质量评价的原理和方法。

1.2空间数据质量评价

评价是人们判断事物价值的一种实践活动。评价作为人类生产生活实际需求的产物，与人类历史一样悠久。从20世纪50年代以来，社会经济的发展和决策科

2

空间数据质量定性评价

学化的需要促进了各个领域评价活动的开展，从工程项目评价、科技项目评价、产业发展评价、生态环境评价、高等院校学科建设评价、企业竞争力评价、人员素质评价，到科技、经济发展水平评价及综合国力评价，乃至政府政策评价等，评价活动涉及生产生活的方方面面。与此同时，随着人们对自然界和人类社会活动认识的不断深化，对复杂事物评价的现实需求促进了评价方法的迅速发展，从单一指标、单准则评价发展到多指标、多准则评价，从静态评价发展到动态评价，从确定性评价发展到不确定性评价，从个人评价发展到群组评价，从定量评价发展到定性评价1)。目前，多种数学理论已应用到评价之中，如模糊数学、证据理论、区间数、直觉模糊集、熵理论等61

空间数据作为一种产品，对其质量进行评价是非常重要的。质量是空间数据的生命，它反映了空间数据的优劣程度1。如何对其综合质量做出全面、有效、科学的评估，就显得尤其重要。目前，用于空间数据质量评估的理论主要有信息理论、概率论、统计理论、模糊集合理论、直觉模糊集、模糊综合评判方法、粗集理论、缺陷扣分法、层次分析法等。信息理论来源于通信领域，是以不确定性表示信息，在空间信息处理，特别是在量化含糊、模糊等不同类型的不确定性处理方面有很大潜力；研究随机现象的主要工具是概率理论，概率论和统计理论有着坚实的理论基础，能很好地表示和处理事物的随机不确定性；自从Zadeh博士1965年发表了模糊集合的开创性论文后，模糊集合理论成为处理模糊不确定性的主要工具，已成功地应用于空间数据质量综合评估领域。如何宗宜、赵书茂、王烯等161)用模糊综合评判方法对地图质量进行综合评价；鲁铁定、李大军等10用模糊理论对数字

矢量地图(DLG)产品质量进行评价；李爱国等21)用直觉模糊集对空间数据进行质

量评价；刘慧敏等2)对地图信息进行度量，从而对地图质量进行评价；罗胜等利用模糊综合评判方法对影像地图质量进行评价；史文中24幻就空间数据质量评价元素进行了研究；刘大杰、刘春、Hunter等2s基于抽样检验在测量数据精度分析中的思想，提出基于抽样的缺陷扣分法，对空间数据质量进行分析和控制；Dan2利用时态空间数据挖掘对空间数据质量进行评价；陈静3探讨了用有序加权平均

(OWA)算子结合地理信息系统(GIS)对地图质量进行多属性评价；黄崇福1]用模

糊数学对自然灾害进行评价；张朝忙等[3]对我国航天飞机雷达地形测绘任务

(SRTM3)中数字高程模型(DEM)精度质量分地区进行评价研究；单杰等[3]对众

源地理空间数据的质量评价方法进行了研究，提出了其质量元素和影响质量的三个因素；侯丽娜3幻分析了航测数字化数据质量的根源及质量控制方法，对影响质量元素进行了分析，探讨了质量控制和评价方法；李卉等35]对投影变换的空间数

据进行了质量评价，并提出了不同的质量元素；曾衍伟等36]以DLG为例，研究了

空间数据质量评价方法及其质量元素。孙雅荣3刀采用缺陷扣分法和缺陷度量法对空间数据质量进行了评价；胡小静38在探讨空间数据模糊性基础上，利用模糊

第1章绪论

综合评判法对空间数据质量进行评价；李兴东3)利用直觉模糊集对空间数据质量进行评价；谢歆4利用区间直觉模糊集对空间数据质量评价进行研究；胡圣武、王

庆国等1)用多层次模糊综合评判方法对GIS产品进行评价；李大军)用模糊综

合评判方法对DLG的质量进行评价。

对空间数据质量评价的研究大致可分为两个方面。第一个方面主要是基于空间数据随机不确定性的评价。目前主要是采用数理统计学的原理对空间数据质量与精度进行分析。如刘大杰、Goodchild、刘春、史文中等对研究空间数据产品进行抽样检查，实现对空间数据质量的评价[46们。另外对于空间数据质量评价还采用打分法，如缺陷扣分法、加权平均方法。第二个方面主要是基于空间数据模糊性的评价。随着人们对空间数据不确定性的认识，人们发现空间数据不仅具有随机不确定性，而且还具有十分复杂的模糊性，因而对于空间数据质量评价也应考虑模糊性。因此，模糊数学已经应用到了空间数据质量评价。现在，有一些学者从质量的模糊属性出发，特别是许多质量评价因素很难区分出严格的数值界限，具有很大的模糊性，考虑到空间数据质量评价因子的多样性和相互关系的复杂性，部分学者讨论了利用模糊综合评判法对数字地图产品的质量进行评价的可行性，并进行了一些研究。研究证明，模糊综合评判法是对模糊事物或现象做综合评价后，进行定量描述的一种新的科学方法。它可以充分考虑各种可利用的信息，并对它的模糊性进行量化分析和区分，在考虑的因素较多且大多数因素又无法用固定的数学模型来描述时，的确是一种行之有效的方法。

1.3空间数据质量语言评价

由于空间数据的属性众多或彼此关联，在空间数据质量评价时，有时用语言作为评价值更加方便，更加符合人们的心理。人们在评估空间数据质量时，事先很难明确给出属性权重。这时，在给出的评估表中，属性的权重都是未知的。属性权重未知并不意味着在评估者心目中这些属性的权重是相同的，只不过是难以用准确的数值表达，评估者的主观偏好依然存在。同时，与精确的数值不同，属性语言值所特有的内涵使得评价者能在一定程度上推断出评估者对于不同属性的偏好和侧重。因此，这一类评价问题的关键是尽可能根据属性语言值，合理确定属性的权重。

对空间数据质量评价有时也用不确定语言进行定性评价，如“好到很好”。因此，当评价者在对空间数据质量进行综合评估时，面对的经常是一部分或者全部以语言形式定性给出的质量属性特征值及属性权重值，这一类含有语言信息的空间数据质量评价问题受到越来越多的关注。如何把定性评价转化为定量评价，目前对此研究还很少。

空间数据质量定性评价

语言评价目前在人工智能、医疗诊断、市场营销、生物技术、信息科学、模式识别、经济学、管理学、机械制造等学科领域引起了国内外学者的重视，并取得了一些研究成果，主要集中在以下几个方面。

1.3.1语言信息的一致性分析

评价者在评价过程中根据方案两两比较的结果给出语言偏好信息，即语言判断矩阵。与一般矩阵一样，同样存在不一致问题，因此，研究此问题是处理其他问题的前提。评价过程达成共识或一致也称为群体意见寻求一致过程，可以看成是评价意见的综合或收敛，有时也称为群体意见寻求一致过程。一致性分析问题主要包括专家个体判断矩阵一致性分析和专家群体判断一致性分析。徐泽水、姜艳萍等？4研究了语言判断矩阵一致性的判定，并提出了一些判断准则。

1.3.2不同粒度语言信息的一致化

在群评价过程中，评价者在评价各备选方案时，他们所选择的自然语言术语集在短语的数目及短语的语义等方面都可能有所不同。这类评价者根据自己的评价习惯，针对同一评价问题，选择不同的短语集作为对备选方案的评价依据，称之为不同粒度语言的语言信息[95。张震、彭定洪、尤天慧、卫贵武等256]利用二元语义或梯形模糊数、直觉模糊数等将不同的短语集转换到同一平台上，然后对方案进行排序。

语言信息集结算子是语言多属性评价问题的重要方面。通过构建语言信息集结算子，对评价信息进行集结，进而提出基于这些算子的多属性群评价的方法或途径。

在多属性评价问题中，通过什么样的集结方式对评价信息集结是问题的关键。

Yager提出有序加权平均(OWA)法及有序加权平均算子5。在此基础上，徐泽

水提出了有序加权几何(OWG)算子，并对OWA和OWG两种算子进行了比较，

详细研究了两种算子之间的关系5)。考虑不确定性信息因素存在，徐泽水、张震、

汪新凡等提出了不确定有序加权平均(UOWA)算子，基于该算子的评价方法能很

好解决不确定信息下的多属性评价问题7,52,5961]

然而，在现实生活的许多评价问题中，属性值一般很难用定量的数值来表示，而是用定性的术语即语言评估信息来表示。因此，以上的集结算子和集结方法就很难适用。那么如何集结这些语言信息，以及如何给出这些语言信息集结算子的多属性评价方法就是近年来的一个研究热点问题。学者们对语言信息的相关问题进行了研究，提出了一些语言集结算子[？，62四，如语言取大和取小算子、语言中值算子、语言加权中值算子、语言取大取小加权平均算子、基于符号的语言集结算子、基于拓展原理的语言集结算子、语言加权分离算子、语言加权联合算子、语言加权

第1章绪论

5

平均算子、双序的语言集结算子、双序的混合集结算子、语言有序加权平均算子、逆语言有序加权平均算子、语言混合集结算子、导出的语言有序加权平均算子、不确定语言有序加权平均算子、导出的不确定语言有序加权平均算子、不确定语言混合集结算子、语言有序加权几何平均算子、不确定语言有序加权几何平均算子、不确定语言混合几何平均算子、有序加权平均算子、不确定纯语言混合调和平均算子。

1.3.3语言信息处理方法

目前对语言信息处理主要有三种方法。

1.基于扩展原则的处理方法

基于扩展原则的处理方法是将语言信息化成三角模糊数、梯形模糊数、正态模糊数等形式，或者是区间数、直觉模糊数、区间模糊数，再利用模糊数的性质及规则进行处理。张震、彭定洪、李鹏、陶志富、赵萌等将多粒度语言变量转换成梯形模糊

函数，通过采用逼近于理想解的排序技术(TOPSIS)方法和建立选择模型进行评

价分析[5253,72-741

2.符号转移法

符号转移法根据语言信息性质直接对语言信息进行运算和分析。彭勃在纯语

言加权几何平均(PLWGA)算子和推广的有序加权平均(EOWA)算子基础上给出

了纯语言混合几何平均(PLHGA)算子，提出了一种语言信息多属性评价方法s]。张震在对多粒度语言信息进行变换和同一化后，通过利用语言加权几何算子解决语言信息环境下的多属性评价问题52。王坚强运用云模型将不确定语言值转化为综合云，采用生成浮动云的方法进行偏好集结[5o];姜艳萍等利用Yager提出的有序加权平均算子，对不确定语言信息进行集结[⑧；卫贵武提出了一种基于不确

定语言加权几何平均(ULWGM)和依赖性的不确定语言有序加权几何

(DULOWG)算子的群评价方法[s5-56]

3,二元语义方法

2000年Herrera等提出用于语言集结的二元语义分析法[，同时还提出二元

语义有序加权平均(T-OWA)算子[6]。在过去的十多年，二元语义分析法由于其

准确性、有效性、可解释性和简易性而被广泛运用59，)。

在二元语义分析法和T-OWA算子基础上，针对语言信息，徐泽水、彭勃等提

出二元语义power平均(2TLPA)和二元语义power有序加权平均(2 TLPOWA)算子[589]；姜艳萍等针对残缺不确定语言信息，利用推广的二元语义powr有序

加权平均(2 ETOWA)算子，对备选方案进行排序48)；张震等使用不确定二元语义

变量的有序加权平均(2 UTOWA)算子，处理权重信息不完全、属性值为多粒度不

确定语言的多属性群评价问题5]。

6

空间数据质量定性评价

1.3.4混合型多属性评价

通常将属性值同时包含两种或两种以上不同类型的多属性评价问题称为混合型多属性评价问题。

针对该类问题，相关研究可以分为两类。一类是将混合型评价矩阵转换成数据统一（如确定数、三角模糊数、梯形模糊数、直觉模糊数、区间直觉模糊数、语言信

息)的评价矩阵，再利用投影法、TOPSIS、灰色关联分析、前景理论及其他各类信

息集结算子来确定备选策略的优劣次序82]。王翯华等针对属性值为确定数、区

间数和三角模糊数的多属性评价问题，将混合型数据规范成确定数，采用TOPSIS

法确定备选策略的优劣次序8)。赵萌等针对属性值为语言信息和直觉模糊数、区间直觉模糊数的混合型多属性群评价问题，将语言信息转换成直觉模糊数、区间直

觉模糊数，利用IFWA算子将个体评价矩阵集结为群体评价矩阵，再利用TOPSIS

法进行方案排序。另一类则是将不同类型的数据转化成评价过程中所需的评价信息（如关联度、损益值、距离、偏序度）。徐泽水、雷英杰、王伟、张丽媛、周庆健周礼刚、郝晶晶等针对属性值为确定数、语言信息、区间数、直觉模糊数和区间直觉模糊数的多属性评价问题，提出了一种基于偏序程度的评价方法[？，666？，848。姜艳萍、尤天慧等针对属性值为确定数、区间数、语言信息和三角模糊数的混合多属性评价问题，给出不同属性值的损益值的计算方法，以此形成基于前景理论的评价方法[48,54

语言评价在空间数据质量评价方面还处于起步阶段。孙卫星、胡圣武等9用Vague集把语言信息定量化，分别对地图质量进行评价，得到了较为满意的结果。但还迫切需要解决以下问题：

(1)语言信息的定量化。

(2)不同粒度语言的集成。

(3)语言变量计算的封闭性。

(4)语言变量与定量变量的混合处理。

(5)动态语言评价。

(6)权重的确定。

(7)空间数据质量指标体系的确定。

(8)语言标度的选择。

(9)残缺语言信息的完善。

···试读结束···