志愿者地理信息(VGI)数据质量评价对于确保数据准确性、评估数据价值、推动数据质量改进、促进数据共享与协作，以及支持科学研究与发展等方面都具有重要意义。本书围绕VGI数据的特点、怎样理解VGI数据、有关地理信息数据质量的描述，以及VGI数据智能评价方法进行了全面而深入的研究和探讨。本书致力于系统全面地解释VGI数据质量智能评价相关理论与技术，内容丰富广泛，涵盖经典的对象相似性计算方法、场景相似性计算方法、VGI数据智能评价方法体系，以满足不同应用场景的VGI数据质量智能评价应用。

更多科学出版社服务，请扫码获取。

(1) 2014-09 至 2019-06, 中国地质大学（武汉）, 博士 (2) 2010-09 至 2014-06, 中国地质大学（武汉）, 学士2019-07 至 今, 中国地质大学（武汉）人工智能作为通讯作者、第一作者发表论文50余篇。高被引作者国家自然科学基金通讯评审专家，中国指挥与控制学会委员，Frontiers in Remote Sensing期刊Review Editor，Remote Sensing 编委

目录
“新一代人工智能理论、技术及应用丛书”序
前言
第1章 VGI数据理解 1
1.1 认识VGI数据 1
1.1.1 VGI数据的概念和特点 2
1.1.2 VGI数据的发展 3
1.1.3 VGI数据与传统GIS数据的区别 4
1.1.4 OSM简介 5
1.2 VGI数据的优势 6
1.2.1 VGI具备的资源优势 7
1.2.2 VGI具备的技术优势 7
1.2.3 VGI具备的社会优势 7
1.3 VGI数据的贡献 8
第2章 理解数据质量 10
2.1 数据质量概述 10
2.1.1 数据和数据质量的定义 10
2.1.2 评价数据质量的相关概念 11
2.2 数据质量问题 12
2.2.1 数据质量问题的种类 12
2.2.2 如何评价数据质量 13
2.3 地理信息数据质量 13
2.3.1 地理信息数据的发展历程 13
2.3.2 地理信息数据质量问题的产生 14
2.3.3 地理信息数据质量评价现状 15
2.3.4 VGI数据质量评价 16
2.4 OSM数据质量问题描述 17
2.4.1 OSM数据质量问题 17
2.4.2 影响OSM数据质量的原因 18
2.5 OSM数据质量评价 19
2.5.1 数据质量评价体系 19
2.5.2 OSM数据质量评价内容 21
2.6 空间相似性与OSM数据质量 23
2.6.1 空间实体与空间实体相似性 23
2.6.2 基于空间相似性的数据质量 23
第3章 简单建筑物相似性计算 25
3.1 形状轮廓特征点提取 26
3.1.1 常见的提取方法 26
3.1.2 几何特征选取的要求 27
3.1.3 形状轮廓特征点提取的一般步骤 28
3.2 建筑物轮廓的数学描述 28
3.2.1 常见的数学描述方法 29
3.2.2 以数学方式描述建筑物轮廓的优势 29
3.3 相似性度量方法 30
3.3.1 描述模型构建 30
3.3.2 已有方法所存在的问题 31
3.4 基于傅里叶变换的面要素数学表达 31
3.5 案例分析 34
3.5.1 特征点提取 34
3.5.2 傅里叶描述子计算与相似性度量 35
第4章 复杂建筑物相似性计算 38
4.1 复杂建筑物定义 38
4.2 内洞空间分布描述 38
4.2.1 带洞多边形 38
4.2.2 利用方位图内洞空间分布描述 39
4.3 方位图描述与相似性度量 41
4.4 内洞几何变换描述与度量 44
4.5 内洞与轮廓形状相似性度量 47
4.6 带洞区整体相似性度量 49
4.7 案例分析 49
4.7.1 实验数据 49
4.7.2 实验结果 50
4.7.3 相似度测量 56
4.7.4 分析与讨论 57
4.7.5 结论 60
第5章 复合建筑物相似性计算 61
5.1 复合建筑物定义 61
5.2 复合建筑物的匹配控制子图 62
5.3 基于转角方程的匹配位置图相似性度量 63
5.4 复合建筑物分布的对比 64
5.5 复合建筑物相似性度量模型 65
5.6 案例分析 67
第6章 基于孪生网络的建筑物场景相似性计算 73
6.1 建筑物场景定义 73
6.2 建筑物场景内实体及其空间关系表达 73
6.3 基于孪生网络框架的建筑物场景相似性度量 75
6.3.1 孪生网络框架 75
6.3.2 损失函数 79
6.4 顾及局部特征的建筑物场景相似性优化 79
6.4.1 空间场景内节点相似性研究 80
6.4.2 空间场景内空间关系优化表达 85
6.4.3 空间场景间相似性计算方法 87
6.5 案例分析 88
6.5.1 基于孪生网络框架的空间场景整体相似性度量模型 88
6.5.2 场景相似性计算 95
第7章 少量标记样本下的矢量建筑物智能匹配 101
7.1 基于单类支持向量机的简单建筑物匹配 101
7.1.1 候选匹配关系构建方法 101
7.1.2 顾及全局寻优的建筑物空间相似性度量 104
7.1.3 基于OCSVM的建筑物匹配关系识别 111
7.1.4 实验与结果分析 114
7.2 基于面要素对齐的复杂建筑物匹配 123
7.2.1 多对多匹配中的难点分析 124
7.2.2 基于控制多边形的面要素对齐 125
7.2.3 复杂建筑物匹配流程设计 131
7.2.4 实验与结果分析 135
7.3 基于模式识别的建筑物匹配优化 141
7.3.1 匹配效率分析 142
7.3.2 基于MST聚类的建筑物群组划分 143
7.3.3 基于GCNN模型的建筑物群组模式识别模型 149
7.3.4 建筑物匹配优化流程设计 154
7.3.5 实验与结果分析 156
第8章 基于参考数据VGI数据智能评价 163
8.1 VGI数据智能评价概述 163
8.2 基于矢量参考数据VGI数据智能评价 164
8.2.1 基于深度自编码网络综合评价模型 164
8.2.2 案例分析 173
8.3 基于遥感影像数据VGI数据智能评价 184
8.3.1 高分遥感数据处理与训练集构建 184
8.3.2 基于多任务特征学习参考建筑物数据提取 186
8.3.3 VGI建筑物数据完整性与位置精度评估 190
8.3.4 案例分析 192
第9章 VGI数据智能展望 200
参考文献 201