| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 研究背景 | 第15-17页 |
| 1.2 制图综合发展历程 | 第17-21页 |
| 1.2.1 制图综合及自动制图综合 | 第17页 |
| 1.2.2 影响制图综合的因素 | 第17-19页 |
| 1.2.3 自动制图综合关键问题 | 第19-20页 |
| 1.2.4 自动制图综合研究进展 | 第20-21页 |
| 1.3 道路网自动制图综合概述 | 第21-22页 |
| 1.3.1 研究内容 | 第21-22页 |
| 1.3.2 研究现状 | 第22页 |
| 1.4 论文结构 | 第22-23页 |
| 1.5 技术路线 | 第23-24页 |
| 第二章 道路网自动选取方法 | 第24-29页 |
| 2.1 道路选取的原则 | 第24-25页 |
| 2.2 道路选取的参考指标 | 第25-26页 |
| 2.3 不同道路选取的方法 | 第26-27页 |
| 2.4 道路网自动选取的研究现状 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 自组织特征映射(SOM)神经网络及MATLAB实现 | 第29-45页 |
| 3.1 SOM神经网络原理 | 第29-35页 |
| 3.1.1 SOM神经网络的概念 | 第29页 |
| 3.1.2 SOM神经网络的模型 | 第29-31页 |
| 3.1.3 SOM神经网络的结构 | 第31页 |
| 3.1.4 SOM神经网络的学习算法 | 第31-35页 |
| 3.2 MATLAB神经网络工具箱 | 第35-43页 |
| 3.2.1 功能简介 | 第35-37页 |
| 3.2.2 MATLAB中的神经网络数据结构 | 第37-39页 |
| 3.2.3 SOM的神经网络工具箱函数 | 第39-43页 |
| 3.3 SOM神经网络的MATLAB实现 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 SOM道路网聚类的试验 | 第45-71页 |
| 4.1 道路网络中道路的拓扑、几何和语义属性 | 第45-48页 |
| 4.1.1 图论和基于道路网络的图论表达 | 第45-46页 |
| 4.1.2 拓扑属性 | 第46-48页 |
| 4.1.3 几何和语义属性 | 第48页 |
| 4.2 实验道路数据 | 第48-59页 |
| 4.2.1 道路数据的来源 | 第48-49页 |
| 4.2.2 道路数据的预处理 | 第49-54页 |
| 4.2.3 道路数据的属性计算 | 第54-59页 |
| 4.3 属性数据处理 | 第59-62页 |
| 4.3.1 数据整理 | 第59-60页 |
| 4.3.2 数据的归一化 | 第60-62页 |
| 4.4 基于SOM神经网络的道路聚类 | 第62-70页 |
| 4.4.1 数据输入 | 第62页 |
| 4.4.2 网络训练 | 第62-66页 |
| 4.4.3 网络测试 | 第66-67页 |
| 4.4.4 聚类可视化 | 第67-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 基于聚类分析的道路选取 | 第71-76页 |
| 5.1 选取的基本方法 | 第71-73页 |
| 5.1.1 按资格指标选取 | 第71页 |
| 5.1.2 按定额指标选取 | 第71-73页 |
| 5.2 基于资格法和定额法的道路选取 | 第73-75页 |
| 5.2.1 定额法在道路网选取中的应用 | 第73-74页 |
| 5.2.2 资格法在道路网选取中的应用 | 第74-75页 |
| 5.3 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-79页 |
| 6.1 本文总结 | 第76页 |
| 6.2 创新点及不足 | 第76-77页 |
| 6.3 展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82-84页 |
| 附录：攻读硕士期间主要科研成果 | 第84-85页 |