《表2 两种方法的匹配结果统计Tab.2 Statistics of the two matching results》
从表2中可看出,本文MBRCO-ANN方法的准确率、召回率均高于对比的BAO-ANN方法,因此整体表现(F1)也优于BAO-ANN方法,但BAO-ANN方法耗时远小于本文方法。此外,两种方法都取得了相对较高的准确度,说明基于人工神经网络的决策模型在实体匹配领域也有良好表现。本文方法精度略高于BAO-ANN方法,这主要是因为:(1)本文中选取的正切空间函数法来描述形状特征相较于BO-ANN的实体长度信息更精确;(2)本文中MBR组合优化算法可获得相对较多的候选匹配,这有利于从多个候选中选择出最佳匹配。
图表编号 | XD008251400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.01 |
作者 | 刘凌佳、朱道也、朱欣焰、丁小辉、呙维 |
绘制单位 | 武汉大学测绘遥感信息工程国家重点实验室、武汉大学测绘遥感信息工程国家重点实验室、武汉大学测绘遥感信息工程国家重点实验室、武汉大学地球空间信息技术协同创新中心、武汉大学空天信息安全与可信计算教育部重点实验室、中国科学院东北地理与农业生态研究所、武汉大学测绘遥感信息工程国家重点实验室、武汉大学地球空间信息技术协同创新中心 |
更多格式 | 高清、无水印(增值服务) |