v.generalizegrass - ക്ലൗഡിൽ ഓൺലൈനിൽ

പട്ടിക:

NAME

v.generalize - വെക്റ്റർ അടിസ്ഥാനമാക്കിയുള്ള പൊതുവൽക്കരണം നടത്തുന്നു.

കീവേഡുകൾ

വെക്റ്റർ, സാമാന്യവൽക്കരണം, ലളിതവൽക്കരണം, സുഗമമാക്കൽ, സ്ഥാനചലനം, നെറ്റ്‌വർക്ക് സാമാന്യവൽക്കരണം

സിനോപ്സിസ്

v.generalize
v.generalize --സഹായിക്കൂ
v.generalize [-lt] ഇൻപുട്ട്=പേര് [പാളി=സ്ട്രിംഗ്] [ടൈപ്പ് ചെയ്യുക=സ്ട്രിംഗ്[,സ്ട്രിംഗ്,...]] ഔട്ട്പുട്ട്=പേര്
[പിശക്=പേര്] രീതി=സ്ട്രിംഗ് ഉമ്മറം=ഫ്ലോട്ട് [മുന്നോട്ട്_നോക്കുക=പൂർണ്ണസംഖ്യ] [കുറയ്ക്കൽ=ഫ്ലോട്ട്]
[സ്ലൈഡ്=ഫ്ലോട്ട്] [ആംഗിൾ_മെതിക്കുക=ഫ്ലോട്ട്] [ഡിഗ്രി_മെതിക്കൽ=പൂർണ്ണസംഖ്യ] [അടുപ്പം_മെതിക്കൽ=ഫ്ലോട്ട്]
[ഇടയിൽ_മെതിക്കുക=ഫ്ലോട്ട്] [ആൽഫ=ഫ്ലോട്ട്] [ബീറ്റ=ഫ്ലോട്ട്] [ആവർത്തനങ്ങൾ=പൂർണ്ണസംഖ്യ]
[പൂച്ചകൾ=ശ്രേണി] [എവിടെ=SQL_Query] [--തിരുത്തിയെഴുതുക] [--സഹായിക്കൂ] [--വെർബോസ്] [--നിശബ്ദത] [--ui]

ഫ്ലാഗുകൾ‌:
-l
ലൂപ്പ് പിന്തുണ പ്രവർത്തനരഹിതമാക്കുക
ഒരു ക്ലോസ്ഡ് ലൂപ്പ് ഉണ്ടാക്കുന്ന വരികളുടെ അവസാന പോയിന്റുകൾ പരിഷ്കരിക്കരുത്

-t
ആട്രിബ്യൂട്ടുകൾ പകർത്തരുത്

--മറെഴുതുക
നിലവിലുള്ള ഫയലുകൾ തിരുത്തിയെഴുതാൻ ഔട്ട്പുട്ട് ഫയലുകളെ അനുവദിക്കുക

--സഹായിക്കൂ
പ്രിന്റ് ഉപയോഗ സംഗ്രഹം

--വാക്കുകൾ
വെർബോസ് മൊഡ്യൂൾ ഔട്ട്പുട്ട്

--നിശബ്ദമായി
ശാന്തമായ മൊഡ്യൂൾ ഔട്ട്പുട്ട്

--ui
നിർബന്ധിതമായി സമാരംഭിക്കുന്ന GUI ഡയലോഗ്

പാരാമീറ്ററുകൾ:
ഇൻപുട്ട്=പേര് [ആവശ്യമാണ്]
ഇൻപുട്ട് വെക്റ്റർ മാപ്പിന്റെ പേര്
അല്ലെങ്കിൽ നേരിട്ടുള്ള OGR ആക്‌സസിനുള്ള ഡാറ്റ ഉറവിടം

പാളി=സ്ട്രിംഗ്
ലെയർ നമ്പർ അല്ലെങ്കിൽ പേര് (എല്ലാ ലെയറുകൾക്കും '-1')
ഒരു വെക്റ്റർ മാപ്പ് ഒന്നിലധികം ഡാറ്റാബേസ് പട്ടികകളുമായി ബന്ധിപ്പിക്കാൻ കഴിയും. ഈ നമ്പർ
ഏത് പട്ടിക ഉപയോഗിക്കണമെന്ന് നിർണ്ണയിക്കുന്നു. നേരിട്ടുള്ള OGR ആക്‌സസ് ഉപയോഗിച്ച് ഉപയോഗിക്കുമ്പോൾ ഇതാണ് ലെയർ
പേര്.
സ്ഥിരസ്ഥിതി: -1

ടൈപ്പ് ചെയ്യുക=സ്ട്രിംഗ്[,സ്ട്രിംഗ്,...]
ഇൻപുട്ട് ഫീച്ചർ തരം
ഓപ്ഷനുകൾ: ലൈൻ, അതിർത്തി, പ്രദേശം
സ്ഥിരസ്ഥിതി: രേഖ, അതിർത്തി, പ്രദേശം

ഔട്ട്പുട്ട്=പേര് [ആവശ്യമാണ്]
ഔട്ട്പുട്ട് വെക്റ്റർ മാപ്പിന്റെ പേര്

പിശക്=പേര്
ടോപ്പോളജി പ്രശ്‌നങ്ങൾ കാരണം എല്ലാ ലൈനുകളുടെയും അതിരുകളുടെയും പിശക് മാപ്പ് സാമാന്യവൽക്കരിക്കപ്പെടുന്നില്ല
അമിത ലളിതവൽക്കരണം

രീതി=സ്ട്രിംഗ് [ആവശ്യമാണ്]
സാമാന്യവൽക്കരണ അൽഗോരിതം
ഓപ്ഷനുകൾ: ഡഗ്ലസ്, ഡഗ്ലസ്_കുറക്കൽ, ഭാഷ, കുറയ്ക്കൽ, റുമാൻ, ബോയ്ലെ,
സ്ലൈഡിംഗ്_ശരാശരി, ദൂരം_ഭാരം, ചൈക്കൻ, സന്യാസി, പാമ്പുകൾ, നെറ്റ്വർക്ക്, Displacement
ഡഗ്ലസ്: ഡഗ്ലസ്-പ്യൂക്കർ അൽഗോരിതം
ഡഗ്ലസ്_കുറക്കൽ: റിഡക്ഷൻ പാരാമീറ്റർ ഉള്ള ഡഗ്ലസ്-പ്യൂക്കർ അൽഗോരിതം
lang: ലാംഗ് ലളിതവൽക്കരണ അൽഗോരിതം
കുറയ്ക്കൽ: വെർട്ടെക്സ് റിഡക്ഷൻ അൽഗോരിതം പരസ്പരം അടുത്തുള്ള പോയിന്റുകൾ ഇല്ലാതാക്കുന്നു
റീമാൻ: റുമാൻ-വിറ്റ്കാം അൽഗോരിതം
ബോയ്ലെ: ബോയിലിന്റെ ഫോർവേഡ്-ലുക്കിംഗ് അൽഗോരിതം
സ്ലൈഡിംഗ്_ശരാശരി: മക്മാസ്റ്ററുടെ സ്ലൈഡിംഗ് ശരാശരി അൽഗോരിതം
ദൂരം_ഭാരം: McMaster's Distance-weighting Algorithm
ചൈക്കൻ: ചൈക്കന്റെ അൽഗോരിതം
സന്യാസി: ക്യൂബിക് ഹെർമിറ്റ് സ്പ്ലൈൻസ് വഴിയുള്ള ഇന്റർപോളേഷൻ
പാമ്പുകൾ: ലൈൻ സ്മൂത്തിംഗിനുള്ള പാമ്പുകളുടെ രീതി
നെറ്റ്വർക്ക്: നെറ്റ്‌വർക്ക് സാമാന്യവൽക്കരണം
Displacement: പരസ്പരം അടുത്തുള്ള വരികളുടെ സ്ഥാനചലനം

ഉമ്മറം=ഫ്ലോട്ട് [ആവശ്യമാണ്]
പരമാവധി ടോളറൻസ് മൂല്യം
ഓപ്ഷനുകൾ: 0-1000000000

മുന്നോട്ട്_നോക്കുക=പൂർണ്ണസംഖ്യ
ലുക്ക്-എഹെഡ് പാരാമീറ്റർ
സ്ഥിരസ്ഥിതി: 7

കുറയ്ക്കൽ=ഫ്ലോട്ട്
'douglas_reduction' അൽഗോരിതത്തിന്റെ ഔട്ട്‌പുട്ടിലെ പോയിന്റുകളുടെ ശതമാനം
ഓപ്ഷനുകൾ: 0-100
സ്ഥിരസ്ഥിതി: 50

സ്ലൈഡ്=ഫ്ലോട്ട്
യഥാർത്ഥ പോയിന്റിലേക്കുള്ള കമ്പ്യൂട്ട് ചെയ്ത പോയിന്റിന്റെ സ്ലൈഡ്
ഓപ്ഷനുകൾ: 0-1
സ്ഥിരസ്ഥിതി: 0.5

ആംഗിൾ_മെതിക്കുക=ഫ്ലോട്ട്
ഹെർമിറ്റ് രീതിയിലെ തുടർച്ചയായ രണ്ട് സെഗ്‌മെന്റുകൾക്കിടയിലുള്ള ഏറ്റവും കുറഞ്ഞ കോൺ
ഓപ്ഷനുകൾ: 0-180
സ്ഥിരസ്ഥിതി: 3

ഡിഗ്രി_മെതിക്കൽ=പൂർണ്ണസംഖ്യ
നെറ്റ്‌വർക്ക് സാമാന്യവൽക്കരണത്തിൽ ഡിഗ്രി ത്രെഷോൾഡ്
സ്ഥിരസ്ഥിതി: 0

അടുപ്പം_മെതിക്കൽ=ഫ്ലോട്ട്
നെറ്റ്‌വർക്ക് സാമാന്യവൽക്കരണത്തിലെ അടുപ്പത്തിന്റെ പരിധി
ഓപ്ഷനുകൾ: 0-1
സ്ഥിരസ്ഥിതി: 0

ഇടയിൽ_മെതിക്കുക=ഫ്ലോട്ട്
നെറ്റ്‌വർക്ക് സാമാന്യവൽക്കരണത്തിൽ ബിറ്റ്വീനെസ് ത്രെഷോൾഡ്
സ്ഥിരസ്ഥിതി: 0

ആൽഫ=ഫ്ലോട്ട്
പാമ്പുകളുടെ ആൽഫ പാരാമീറ്റർ
സ്ഥിരസ്ഥിതി: 1.0

ബീറ്റ=ഫ്ലോട്ട്
പാമ്പുകളുടെ ബീറ്റ പാരാമീറ്റർ
സ്ഥിരസ്ഥിതി: 1.0

ആവർത്തനങ്ങൾ=പൂർണ്ണസംഖ്യ
ആവർത്തനങ്ങളുടെ എണ്ണം
സ്ഥിരസ്ഥിതി: 1

പൂച്ചകൾ=ശ്രേണി
വിഭാഗ മൂല്യങ്ങൾ
ഉദാഹരണം: 1,3,7-9,13

എവിടെ=SQL_Query
'എവിടെ' കീവേഡ് ഇല്ലാതെ SQL പ്രസ്താവനയുടെ എവിടെ വ്യവസ്ഥകൾ
ഉദാഹരണം: വരുമാനം <1000, inhab >= 10000

വിവരണം

v.generalize GRASS വെക്റ്റർ മാപ്പുകളുടെ സാമാന്യവൽക്കരണത്തിനുള്ള ഒരു മൊഡ്യൂളാണ്. ഈ മൊഡ്യൂൾ അടങ്ങിയിരിക്കുന്നു
ലൈൻ ലളിതവൽക്കരണം, ലൈൻ സുഗമമാക്കൽ, നെറ്റ്‌വർക്ക് സാമാന്യവൽക്കരണം എന്നിവയ്‌ക്കായുള്ള അൽഗോരിതങ്ങൾ
സ്ഥാനചലനം (പുതിയ രീതികൾ പിന്നീട് ചേർക്കാം). കൂടുതൽ ഉദാഹരണങ്ങൾക്കും നല്ല ചിത്രങ്ങൾക്കും, കാണുക
ട്യൂട്ടോറിയൽ

If തരം=പ്രദേശം തിരഞ്ഞെടുത്തു, തിരഞ്ഞെടുത്ത പ്രദേശങ്ങളുടെ അതിരുകൾ സാമാന്യവൽക്കരിക്കും, കൂടാതെ
ഓപ്ഷനുകൾ പൂച്ചകൾ, എവിടെ, ഒപ്പം പാളി പ്രദേശങ്ങൾ തിരഞ്ഞെടുക്കാൻ ഉപയോഗിക്കും.

കുറിപ്പുകൾ

വെക്റ്റർ സവിശേഷതകളുടെ സങ്കീർണ്ണത കുറയ്ക്കുന്നതിനുള്ള ഒരു പ്രക്രിയയാണ് (ലൈൻ) ലളിതവൽക്കരണം. ദി
മൊഡ്യൂൾ ഒരു വരിയെ കുറച്ച് ലംബങ്ങൾ അടങ്ങുന്ന മറ്റൊരു വരിയാക്കി മാറ്റുന്നു, അത് ഇപ്പോഴും
യഥാർത്ഥ വരിയുടെ ഏകദേശം. താഴെ വിവരിച്ചിരിക്കുന്ന മിക്ക അൽഗോരിതങ്ങളും ഒരു ഉപവിഭാഗം തിരഞ്ഞെടുക്കുന്നു
യഥാർത്ഥ വരിയിലെ പോയിന്റുകൾ.

(ലൈൻ) സ്മൂത്തിംഗ് എന്നത് ഒരു "റിവേഴ്സ്" പ്രക്രിയയാണ്, അത് ഒരു ലൈൻ ഇൻപുട്ടായി എടുത്ത് എ നിർമ്മിക്കുന്നു
ഒറിജിനലിന്റെ സുഗമമായ ഏകദേശം. ചില സന്ദർഭങ്ങളിൽ, പുതിയത് ചേർക്കുന്നതിലൂടെ ഇത് നേടാനാകും
ഒറിജിനൽ ലൈനിലേക്ക് ലംബങ്ങൾ, കൂടാതെ ലംബങ്ങളുടെ എണ്ണത്തിന്റെ 4000% വരെ ആകാം
യഥാർത്ഥ. അത്തരമൊരു സാഹചര്യത്തിൽ, പിന്നീടുള്ള വരി ലളിതമാക്കുന്നത് എല്ലായ്പ്പോഴും നല്ലതാണ്
മിനുസപ്പെടുത്തുന്നു.

ഈ മൊഡ്യൂളിൽ നടപ്പിലാക്കിയ സുഗമവും ലളിതവുമായ അൽഗോരിതങ്ങൾ വരിയായി പ്രവർത്തിക്കുന്നു, അതായത്
ഒരു വരിയുടെ ലളിതവൽക്കരണം/മിനുസപ്പെടുത്തൽ മറ്റ് ലൈനുകളെ ബാധിക്കില്ല; അവർ ചികിത്സിക്കുന്നു
പ്രത്യേകം. കൂടാതെ, ഓരോ വരിയുടെയും ആദ്യത്തേയും അവസാനത്തേയും പോയിന്റ് ഒരിക്കലും വിവർത്തനം ചെയ്യപ്പെടുന്നില്ല കൂടാതെ/അല്ലെങ്കിൽ
ഇല്ലാതാക്കി.

ലളിതവൽക്കരണം
v.generalize ഇനിപ്പറയുന്ന ലൈൻ ലളിതവൽക്കരണ അൽഗോരിതങ്ങൾ അടങ്ങിയിരിക്കുന്നു:

· ഡഗ്ലസ്-പ്യൂക്കർ അൽഗോരിതം

· ഡഗ്ലസ്-പ്യൂക്കർ റിഡക്ഷൻ അൽഗോരിതം

· ലാംഗ് അൽഗോരിതം

· വെർട്ടക്സ് റിഡക്ഷൻ

· Reumann-Witkam അൽഗോരിതം

· ചെറിയ ലൈനുകൾ/ഏരിയകൾ നീക്കം ചെയ്യുക
വ്യത്യസ്‌ത അൽ‌ഗോരിതങ്ങൾക്ക് വ്യത്യസ്‌ത പാരാമീറ്ററുകൾ ആവശ്യമാണ്, എന്നാൽ എല്ലാ അൽ‌ഗോരിതങ്ങൾക്കും ഒരെണ്ണം ഉണ്ട്
പൊതുവായ പാരാമീറ്റർ: the ഉമ്മറം പാരാമീറ്റർ, മാപ്പ് യൂണിറ്റുകളിൽ നൽകിയിരിക്കുന്നു (അക്ഷാംശ-രേഖാംശത്തിന്
സ്ഥാനങ്ങൾ: ദശാംശ ഡിഗ്രിയിൽ). പൊതുവേ, ലളിതവൽക്കരണത്തിന്റെ അളവ് വർദ്ധിക്കുന്നു
വർദ്ധിച്ചുവരുന്ന മൂല്യം ഉമ്മറം.

അൽഗോരിതം വിവരണങ്ങൾ
· ഡഗ്ലസ്-പ്യൂക്കർ - ഏറ്റവും വ്യാപകമായി ഉപയോഗിക്കുന്ന ലൈൻ ലളിതവൽക്കരണത്തിന്റെ "ക്വിക്ക്സോർട്ട്"
അൽഗോരിതം. ഇൻപുട്ട് പാരാമീറ്ററുകൾ: ഇൻപുട്ട്, ഉമ്മറം. കൂടുതൽ വിവരങ്ങൾക്ക്, കാണുക:
http://geomalgorithms.com/a16-_decimate-1.html.

· ഡഗ്ലസ്-പ്യൂക്കർ കുറയ്ക്കൽ അൽഗോരിതം പ്രധാനമായും അതേ അൽഗോരിതം ആണ്
മുകളിലുള്ള അൽഗോരിതം, വ്യത്യാസം അത് അധികമായി എടുക്കുന്നു എന്നതാണ് കുറയ്ക്കൽ
പുതിയ ലൈനിലെ പോയിന്റുകളുടെ എണ്ണത്തിന്റെ ശതമാനം സൂചിപ്പിക്കുന്ന പരാമീറ്റർ
യഥാർത്ഥ ലൈനിലെ പോയിന്റുകളുടെ എണ്ണവുമായി ബന്ധപ്പെട്ട്. ഇൻപുട്ട് പാരാമീറ്ററുകൾ:
ഇൻപുട്ട്, ഉമ്മറം, കുറയ്ക്കൽ.

· ലാങ് - മറ്റൊരു സ്റ്റാൻഡേർഡ് അൽഗോരിതം. ഇൻപുട്ട് പാരാമീറ്ററുകൾ: ഇൻപുട്ട്, ഉമ്മറം, മുന്നോട്ട്_നോക്കുക.
മികച്ച വിവരണത്തിന്, കാണുക:
http://www.sli.unimelb.edu.au/gisweb/LGmodule/LGLangVisualisation.htm.

· വെർട്ടെക്സ് കുറയ്ക്കൽ - അൽഗോരിതങ്ങളിൽ ഏറ്റവും ലളിതം. ഇൻപുട്ട് പാരാമീറ്ററുകൾ: ഇൻപുട്ട്,
ഉമ്മറം. ഒരു വരി നൽകിയാൽ, ഈ അൽഗോരിതം ഈ വരിയുടെ പോയിന്റുകൾ നീക്കംചെയ്യുന്നു
അല്ലാതെ പരസ്പരം അടുത്ത് ഉമ്മറം. കൂടുതൽ കൃത്യമായി പറഞ്ഞാൽ, p1 ഉം p2 ഉം രണ്ടാണെങ്കിൽ
തുടർച്ചയായ പോയിന്റുകൾ, കൂടാതെ p2 നും p1 നും ഇടയിലുള്ള ദൂരം കുറവാണ് ഉമ്മറംഅത്
p2 നീക്കം ചെയ്യുകയും ശേഷിക്കുന്ന പോയിന്റുകളിൽ അതേ പ്രക്രിയ ആവർത്തിക്കുകയും ചെയ്യുന്നു.

· റുമാൻ-വിറ്റ്കാം - ഇൻപുട്ട് പാരാമീറ്ററുകൾ: ഇൻപുട്ട്, ഉമ്മറം. ഈ അൽഗോരിതം തികച്ചും
ലൈനുകളുടെ ആഗോള സവിശേഷതകൾ ന്യായമായും സംരക്ഷിക്കുന്നു. കൂടുതൽ
വിവരങ്ങൾ, ഉദാഹരണത്തിന് കാണുക:
http://psimpl.sourceforge.net/reumann-witkam.html.
ഡഗ്ലസ്-പ്യൂക്കർ ഒപ്പം ഡഗ്ലസ്-പ്യൂക്കർ കുറയ്ക്കൽ അൽഗോരിതം ലളിതമാക്കാൻ അതേ രീതി ഉപയോഗിക്കുക
വരികൾ. അതല്ല
v.generalize input=boundary_county output=boundary_county_dp20 method=ഡഗ്ലസ് ത്രെഷോൾഡ്=20
എന്നതിന് തുല്യമാണ്
v.generalize input=boundary_county output=boundary_county_dp_red20_100 \
രീതി=douglas_reduction threshold=20 reduction=100
എന്നിരുന്നാലും, ഈ സാഹചര്യത്തിൽ, ആദ്യ രീതി വേഗമേറിയതാണ്. അതും നിരീക്ഷിക്കുക ഡഗ്ലസ്_കുറക്കൽ
അതിലും കൂടുതൽ ലംബങ്ങൾ ഒരിക്കലും ഔട്ട്പുട്ട് ചെയ്യുന്നില്ല ഡഗ്ലസ്, അതും പൊതുവെ ഡഗ്ലസ് കൂടുതൽ കാര്യക്ഷമമാണ്
അധികം ഡഗ്ലസ്_കുറക്കൽ. കൂടുതൽ പ്രധാനമായി, പ്രഭാവം
v.generalize input=boundary_county output=boundary_county_dp_red0_30 \
രീതി=douglas_reduction threshold=0 reduction=30
'ഔട്ട്' എന്നതിൽ 'ഇൻ' ന്റെ ഏകദേശം 30% പോയിന്റ് മാത്രമേ അടങ്ങിയിട്ടുള്ളൂ.

സുഗമമാക്കുന്നു
ഇനിപ്പറയുന്ന സുഗമമായ അൽഗോരിതങ്ങൾ നടപ്പിലാക്കുന്നു v.generalize:

· ബോയിലിന്റെ ഫോർവേഡ്-ലുക്കിംഗ് അൽഗോരിതം - ഓരോ പോയിന്റിന്റെയും സ്ഥാനം അതിനെ ആശ്രയിച്ചിരിക്കുന്നു
മുമ്പത്തെ പോയിന്റുകളുടെയും പോയിന്റിന്റെയും സ്ഥാനം മുന്നോട്ട്_നോക്കുക മുന്നോട്ട്. മുന്നോട്ട്_നോക്കുക
തുടർച്ചയായ പോയിന്റുകൾ. ഇൻപുട്ട് പാരാമീറ്ററുകൾ: ഇൻപുട്ട്, മുന്നോട്ട്_നോക്കുക.

· മക്മാസ്റ്ററുടെ സ്ലൈഡുചെയ്യുന്നു ശരാശരി അൽഗോരിതം - ഇൻപുട്ട് പാരാമീറ്ററുകൾ: ഇൻപുട്ട്, സ്ലൈഡ്,
മുന്നോട്ട്_നോക്കുക. ഓരോ പോയിന്റിന്റെയും പുതിയ സ്ഥാനം ശരാശരിയാണ് മുന്നോട്ട്_നോക്കുക
ചുറ്റും പോയിന്റുകൾ. പരാമീറ്റർ സ്ലൈഡ് പഴയതും തമ്മിലുള്ള ലീനിയർ ഇന്റർപോളേഷനായി ഉപയോഗിക്കുന്നു
പുതിയ സ്ഥാനം (ചുവടെ കാണുക).

· മക്മാസ്റ്ററുടെ ദൂരം-ഭാരം അൽഗോരിതം - തൂക്കമുള്ള ശരാശരി എടുക്കുന്നു മുന്നോട്ട്_നോക്കുക
ഭാരത്തിൽ നിന്നുള്ള ദൂരത്തിന്റെ പരസ്പരവിരുദ്ധമായ തുടർച്ചയായ പോയിന്റുകൾ
നിലവിൽ മിനുസപ്പെടുത്തിയ പോയിന്റിലേക്ക് പോയിന്റ് ചെയ്യുക. പരാമീറ്റർ സ്ലൈഡ് ലീനിയറിനായി ഉപയോഗിക്കുന്നു
പോയിന്റിന്റെ യഥാർത്ഥ സ്ഥാനവും പുതുതായി കണക്കാക്കിയതും തമ്മിലുള്ള ഇന്റർപോളേഷൻ
സ്ഥാനം 0 എന്നാൽ യഥാർത്ഥ സ്ഥാനം എന്നാണ് അർത്ഥമാക്കുന്നത്. ഇൻപുട്ട് പാരാമീറ്ററുകൾ: ഇൻപുട്ട്,
സ്ലൈഡ്, മുന്നോട്ട്_നോക്കുക.

· ചൈക്കന്റെ അൽഗോരിതം - യഥാർത്ഥ വരിയിൽ സ്പർശിക്കുന്ന ഒരു വരി "ആലേഖനം ചെയ്യുന്നു"
ഈ പുതിയ ലൈനിലെ പോയിന്റുകൾ കുറഞ്ഞത് ഉമ്മറം വേറിട്ട്. ഇൻപുട്ട് പാരാമീറ്ററുകൾ: ഇൻപുട്ട്,
ഉമ്മറം. ഈ അൽഗോരിതം തന്നിരിക്കുന്ന വരിയെ നന്നായി കണക്കാക്കുന്നു.

· സന്യാസി ഇന്റർപോളേഷൻ - ഈ അൽഗോരിതം തന്നിരിക്കുന്ന വരിയുടെ പോയിന്റുകൾ ആയി എടുക്കുന്നു
ഹെർമിറ്റ് ക്യൂബിക് സ്‌പ്ലൈനിന്റെ നിയന്ത്രണ പോയിന്റുകളും പോയിന്റുകൾ പ്രകാരം ഈ സ്‌പ്ലൈനെ ഏകദേശം കണക്കാക്കുന്നു
ഏകദേശം ഉമ്മറം വേറിട്ട്. ഈ രീതി ചെറിയ മൂല്യങ്ങൾക്ക് മികച്ച ഫലങ്ങൾ നൽകുന്നു
of ഉമ്മറം, എന്നാൽ ഈ സാഹചര്യത്തിൽ അത് ധാരാളം പുതിയ പോയിന്റുകളും ചിലതും ഉത്പാദിപ്പിക്കുന്നു
ലളിതവൽക്കരണം സാധാരണയായി ആവശ്യമാണ്. ഇൻപുട്ട് പാരാമീറ്ററുകൾ: ഇൻപുട്ട്, ഉമ്മറം,
ആംഗിൾ_മെതിക്കുക. ആംഗിൾ_മെതിക്കൽ പോയിന്റുകളുടെ എണ്ണം കുറയ്ക്കുന്നതിന് ഉപയോഗിക്കുന്നു. അത്
ഒരു വരിയുടെ തുടർച്ചയായ രണ്ട് സെഗ്‌മെന്റുകൾക്കിടയിലുള്ള ഏറ്റവും കുറഞ്ഞ കോണിനെ (ഡിഗ്രിയിൽ) സൂചിപ്പിക്കുന്നു.

· പാമ്പുകൾ ഒരു വരിയുടെ "ഊർജ്ജം" കുറയ്ക്കുന്നതിനുള്ള രീതിയാണ്. ഈ രീതി
വരികളുടെ പൊതു സ്വഭാവസവിശേഷതകൾ സംരക്ഷിക്കുന്നു, എന്നാൽ "മൂർച്ചയുള്ള കോണുകൾ" മിനുസപ്പെടുത്തുന്നു
ഒരു വരിയുടെ. ഇൻപുട്ട് പാരാമീറ്ററുകൾ ഇൻപുട്ട്, ആൽഫ, ബീറ്റ. ഈ അൽഗോരിതം വളരെ നന്നായി പ്രവർത്തിക്കുന്നു
ചെറിയ മൂല്യങ്ങൾക്കായി ആൽഫ ഒപ്പം ബീറ്റ (0 നും 5 നും ഇടയിൽ). ഈ പരാമീറ്ററുകൾ ബാധിക്കുന്നു
"മൂർച്ച", കണക്കുകൂട്ടിയ വരിയുടെ വക്രത.
പ്രധാന നേട്ടങ്ങളിൽ ഒന്ന് സന്യാസി ഇന്റർപോളേഷൻ കണക്കുകൂട്ടിയ ലൈൻ വസ്തുതയാണ്
എല്ലായ്പ്പോഴും യഥാർത്ഥ വരിയുടെ പോയിന്റുകളിലൂടെ കടന്നുപോകുന്നു, അതേസമയം വരികൾ നിർമ്മിക്കുന്നത്
ശേഷിക്കുന്ന അൽഗോരിതങ്ങൾ ഒരിക്കലും ഈ പോയിന്റുകളിലൂടെ കടന്നുപോകുന്നില്ല. ചില അർത്ഥത്തിൽ, ഈ അൽഗോരിതം
ഇൻപുട്ട് ലൈൻ "വലയം" ചെയ്യുന്ന ഒരു ലൈൻ ഔട്ട്പുട്ട് ചെയ്യുന്നു.

മറുവശത്ത്, ചൈക്കന്റെ അൽഗോരിതം തന്നിരിക്കുന്ന വരി "ആലേഖനം" ചെയ്യുന്ന ഒരു ലൈൻ ഔട്ട്പുട്ട് ചെയ്യുന്നു. ദി
ഔട്ട്‌പുട്ട് ലൈൻ എപ്പോഴും രണ്ടിനുമിടയിലുള്ള ഇൻപുട്ട് ലൈൻ സെഗ്‌മെന്റിന്റെ മധ്യഭാഗത്ത് സ്പർശിക്കുന്നു/മുറിക്കുന്നു
തുടർച്ചയായ പോയിന്റുകൾ. കൂടുതൽ ആവർത്തനങ്ങൾക്ക്, മുകളിലുള്ള പ്രോപ്പർട്ടി കൈവശം വയ്ക്കില്ല, പക്ഷേ
കമ്പ്യൂട്ട്ഡ് ലൈനുകൾ ബെസിയർ സ്പ്ലൈനുകളോട് വളരെ സാമ്യമുള്ളതാണ്. രണ്ടിന്റെയും പോരായ്മ
മുകളിൽ നൽകിയിരിക്കുന്ന അൽഗോരിതങ്ങൾ പോയിന്റുകളുടെ എണ്ണം വർദ്ധിപ്പിക്കുന്നു എന്നതാണ്. എന്നിരുന്നാലും, സന്യാസി
ഇന്റർപോളേഷൻ മറ്റൊരു ലളിതവൽക്കരണ അൽഗോരിതം ആയി ഉപയോഗിക്കാം. ഇത് നേടുന്നതിന്, അത്
സജ്ജമാക്കാൻ അത്യാവശ്യമാണ് ആംഗിൾ_മെതിക്കുക ഉയർന്ന മൂല്യങ്ങളിലേക്ക് (15 അല്ലെങ്കിൽ അതിൽ കൂടുതൽ).

മക്മാസ്റ്റേഴ്‌സിന്റെ രണ്ട് അൽഗോരിതങ്ങൾക്കും ഉള്ള ഒരു നിയന്ത്രണം അതാണ് മുന്നോട്ട്_നോക്കുക പരാമീറ്റർ വിചിത്രമായിരിക്കണം.
എങ്കിൽ ഈ അൽഗോരിതങ്ങൾക്ക് യാതൊരു ഫലവുമില്ല എന്നതും ശ്രദ്ധിക്കുക മുന്നോട്ട്_നോക്കുക = 1.

അതല്ല ബോയിലിന്റെ, മക്മാസ്റ്റേഴ്സ് ഒപ്പം പാമ്പുകൾ അൽഗോരിതം ചിലപ്പോൾ സിഗ്നലിൽ ഉപയോഗിക്കാറുണ്ട്
സിഗ്നലുകൾ സുഗമമാക്കുന്നതിന് പ്രോസസ്സിംഗ്. അതിലും പ്രധാനമായി, ഈ അൽഗോരിതങ്ങൾ ഒരിക്കലും മാറ്റില്ല
വരികളിലെ പോയിന്റുകളുടെ എണ്ണം; അവർ പോയിന്റുകൾ മാത്രമേ വിവർത്തനം ചെയ്യുന്നുള്ളൂ, പുതിയതൊന്നും ചേർക്കുന്നില്ല
പോയിന്റ്.

പാമ്പുകൾ മുകളിൽ അവതരിപ്പിച്ച അൽഗരിതങ്ങളിൽ ഏറ്റവും വേഗത കുറഞ്ഞതാണ് അൽഗരിതം.
കൂടാതെ, ഇതിന് ധാരാളം മെമ്മറി ആവശ്യമാണ്. ഇതിനർത്ഥം ഇത് വളരെ ഫലപ്രദമല്ല എന്നാണ്
നിരവധി സെഗ്‌മെന്റുകൾ അടങ്ങുന്ന ലൈനുകളുള്ള മാപ്പുകൾ.

സ്ഥാനമാറ്റാം
വരികൾ ഓവർലാപ്പ് ചെയ്യുമ്പോൾ കൂടാതെ/അല്ലെങ്കിൽ പരസ്പരം അടുത്ത് വരുമ്പോൾ സ്ഥാനചലനം ഉപയോഗിക്കുന്നു
വിശദാംശങ്ങളുടെ നിലവിലെ നില. പൊതുവേ, സ്ഥാനചലന രീതികൾ വൈരുദ്ധ്യമുള്ള സവിശേഷതകൾ നീക്കുന്നു
അല്ലാതെ അവ ഇടപഴകാതിരിക്കാനും വേർതിരിച്ചറിയാനും കഴിയും.

ഈ മൊഡ്യൂൾ അടിസ്ഥാനമാക്കിയുള്ള ലീനിയർ ഫീച്ചറുകളുടെ സ്ഥാനചലനത്തിനുള്ള ഒരു അൽഗോരിതം നടപ്പിലാക്കുന്നു
പാമ്പുകൾ സമീപനം. ഈ രീതി സാധാരണയായി വളരെ നല്ല ഫലങ്ങൾ നൽകുന്നു; എന്നിരുന്നാലും, ഇതിന് ഒരു ആവശ്യമാണ്
ഒത്തിരി ഓർമ്മശക്തിയും വളരെ കാര്യക്ഷമവുമല്ല.

സ്ഥാനചലനം തിരഞ്ഞെടുത്തത് രീതി = സ്ഥാനചലനം. ഇത് ഇനിപ്പറയുന്ന പാരാമീറ്ററുകൾ ഉപയോഗിക്കുന്നു:

· ഉമ്മറം - നിർണായക ദൂരം വ്യക്തമാക്കുന്നു. രണ്ട് സവിശേഷതകൾ അടുത്താണെങ്കിൽ അവ സംവദിക്കും
അധികം ഉമ്മറം വേറിട്ട്.

· ആൽഫ, ബീറ്റ - ഈ പരാമീറ്ററുകൾ വരികളുടെ കാഠിന്യം നിർവ്വചിക്കുന്നു. വലിയ മൂല്യങ്ങൾക്ക്
ആൽഫ, ബീറ്റ (>=1), യഥാർത്ഥ രൂപം നിലനിർത്തുന്നതിൽ അൽഗോരിതം മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു
വരികളുടെ, ഒരുപക്ഷേ സ്ഥാനചലന ദൂരത്തിന്റെ ചെലവിൽ. മൂല്യങ്ങൾ ആണെങ്കിൽ
ആൽഫ, ബീറ്റ വളരെ ചെറുതാണ് (<=0.001), തുടർന്ന് ലൈനുകൾ ആവശ്യത്തിന് നീക്കി, പക്ഷേ
ലൈനുകളുടെ ജ്യാമിതിയും ടോപ്പോളജിയും നശിപ്പിക്കപ്പെടാം. മിക്കവാറും അതിനുള്ള ഏറ്റവും നല്ല മാർഗം
നല്ല മൂല്യങ്ങൾ കണ്ടെത്തുക ആൽഫ, ബീറ്റ പരീക്ഷണത്തിലൂടെയും പിഴവിലൂടെയുമാണ്.

· ആവർത്തനങ്ങൾ - വരികൾക്കിടയിലുള്ള ഇടപെടലുകളുടെ ആവർത്തനങ്ങളുടെ എണ്ണം സൂചിപ്പിക്കുന്നു
പരിഹരിച്ചിരിക്കുന്നു. മൂല്യങ്ങൾക്കുള്ള നല്ല ആരംഭ പോയിന്റുകൾ ആവർത്തനങ്ങൾ 10 നും
100.
അൽഗോരിതം ബാധിച്ച ലൈനുകൾ വ്യക്തമാക്കാൻ കഴിയും പാളി, പൂച്ചകൾ ഒപ്പം എവിടെ
പാരാമീറ്ററുകൾ.

NETWORK പൊതുവൽക്കരണം
നെറ്റ്‌വർക്കിന്റെ "ഏറ്റവും പ്രധാനപ്പെട്ട" ഭാഗം തിരഞ്ഞെടുക്കുന്നതിന് ഉപയോഗിക്കുന്നു. ഇത് ഗ്രാഫ് അടിസ്ഥാനമാക്കിയുള്ളതാണ്
അൽഗോരിതങ്ങൾ. method=network ആണെങ്കിൽ നെറ്റ്‌വർക്ക് സാമാന്യവൽക്കരണം പ്രയോഗിക്കുന്നു. അൽഗോരിതം കണക്കുകൂട്ടുന്നു
നെറ്റ്‌വർക്കിലെ ഓരോ ലൈനിനും മൂന്ന് കേന്ദ്രീകൃത അളവുകൾ, മൂല്യങ്ങളുള്ള വരികൾ മാത്രം
ത്രെഷോൾഡുകളേക്കാൾ വലുത് തിരഞ്ഞെടുത്തു. അൽഗോരിതത്തിന്റെ സ്വഭാവം മാറ്റാൻ കഴിയും
ഇനിപ്പറയുന്ന പാരാമീറ്ററുകൾ:

· ഡിഗ്രി_മെതിക്കൽ - അൽഗോരിതം കുറഞ്ഞത് ഒരു പോയിന്റുമായി പങ്കിടുന്ന വരികൾ മാത്രമേ തിരഞ്ഞെടുക്കൂ
ഡിഗ്രി_മെതിക്കൽ വ്യത്യസ്ത വരികൾ.

· അടുപ്പം_മെതിക്കൽ - എല്ലായ്പ്പോഴും ശ്രേണിയിലാണ് (0, 1]. ഉള്ള വരികൾ മാത്രം
അടുപ്പം കേന്ദ്രീകൃത മൂല്യം കുറഞ്ഞത് അടുപ്പം_മെതിക്കൽ പുറമെ തിരഞ്ഞെടുത്തിരിക്കുന്നു. വരികൾ
ഒരു ശൃംഖലയുടെ മധ്യഭാഗത്ത്, അടുത്തുള്ള ലൈനുകളേക്കാൾ ഈ അളവിന്റെ വലിയ മൂല്യങ്ങളുണ്ട്
ഒരു നെറ്റ്‌വർക്കിന്റെ അതിർത്തി. തിരഞ്ഞെടുക്കുന്നതിന് ഈ പരാമീറ്റർ ഉപയോഗിക്കാമെന്നാണ് ഇതിനർത്ഥം
ഒരു നെറ്റ്‌വർക്കിന്റെ കേന്ദ്രം(കൾ). closeness_thresh=0 ആണെങ്കിൽ എല്ലാം ആണെന്ന് ശ്രദ്ധിക്കുക
തിരഞ്ഞെടുത്തു.

· ഇടയിൽ_മെതിക്കുക - വീണ്ടും, തമ്മിൽ കേന്ദ്രീകൃത അളവിലുള്ള വരികൾ മാത്രം
കുറഞ്ഞത് ഇടയിൽ_മെതിക്കുക തിരഞ്ഞെടുക്കപ്പെടുന്നു. ഈ മൂല്യം എപ്പോഴും പോസിറ്റീവും വലുതുമാണ്
വലിയ നെറ്റ്‌വർക്കുകൾക്കായി. മറ്റ് വരികൾക്കിടയിൽ ഒരു രേഖ എത്രത്തോളം ഉണ്ടെന്ന് ഇത് സൂചിപ്പിക്കുന്നു
നെറ്റ്വർക്കിൽ. മറ്റ് വരികൾക്കിടയിൽ കിടക്കുന്ന വരികൾക്ക് ഈ മൂല്യം വലുതാണ്
ഒരു നെറ്റ്‌വർക്കിന്റെ രണ്ട് ഭാഗങ്ങൾക്കിടയിലുള്ള പാതകളിൽ കിടക്കുക. റോഡിന്റെ പദാവലിയിൽ
നെറ്റ്‌വർക്കുകൾ, ഇവ ഹൈവേകൾ, ബൈപാസുകൾ, പ്രധാന റോഡുകൾ/തെരുവുകൾ മുതലായവയാണ്.
മുകളിലുള്ള മൂന്ന് പാരാമീറ്ററുകളും ഒരേ സമയം അവതരിപ്പിക്കാൻ കഴിയും. ആ സാഹചര്യത്തിൽ, അൽഗോരിതം
ഓരോ മാനദണ്ഡവും പാലിക്കുന്ന വരികൾ മാത്രം തിരഞ്ഞെടുക്കുന്നു.

കൂടാതെ, ഔട്ട്‌പുട്ട് ചെയ്‌ത നെറ്റ്‌വർക്ക് എന്നതിന്റെ മൂല്യമാണെങ്കിൽ കണക്‌റ്റ് ചെയ്‌തേക്കില്ല ഇടയിൽ_മെതിക്കുക കൂടിയാണ്
വലുത്.

ഉദാഹരണങ്ങൾ

ലളിതവൽക്കരണം ഉദാഹരണം
ഡിപി രീതി ഉപയോഗിച്ച് കൗണ്ടി അതിരുകൾ ലളിതമാക്കൽ (നോർത്ത് കരോലിന സാമ്പിൾ ഡാറ്റാസെറ്റ്),
മാപ്‌സെറ്റ് യൂണിറ്റുകളിൽ നൽകിയിരിക്കുന്ന പരിധി (ഇവിടെ: മീറ്റർ):
v.generalize input=boundary_county output=boundary_county_dp20 \
രീതി=ഡഗ്ലസ് ത്രെഷോൾഡ്=20 പിശക്=boundary_county_dp20_leftover

സുഗമമാക്കുന്നു ഉദാഹരണം
Chaiken രീതി ഉപയോഗിച്ച് റോഡ് നെറ്റ്‌വർക്ക് സുഗമമാക്കൽ (നോർത്ത് കരോലിന സാമ്പിൾ ഡാറ്റാസെറ്റ്), ത്രെഷോൾഡ്
മാപ്പ്സെറ്റ് യൂണിറ്റുകളിൽ നൽകിയിരിക്കുന്നു (ഇവിടെ: മീറ്റർ):
v.generalize input=റോഡുകൾ ഔട്ട്‌പുട്ട്=roads_chaiken രീതി=ചൈക്കൻ \
പരിധി=1 പിശക്=roads_chaiken_leftover

onworks.net സേവനങ്ങൾ ഉപയോഗിച്ച് v.generalizegrass ഓൺലൈനായി ഉപയോഗിക്കുക