本书以地图上的多形态河系为研究对象，重点对多形态河系的流域基本单元特征、识别方法以及相似度计算方法进行研究。全书采用定量分析的方法，从全局和局部角度挖掘流域基本单元的特征规律，揭示多形态河系流域基本单元的相似性特征与差异性特征，可为河系形态识别、相似度计算提供理论依据；从多个角度构建多形态河系的描述指标，采用监督式学习方式构建顾及流域基本单元特征的GraphSAGE河系形态识别模型，灵活传递邻居河段信息，有效挖掘多形态河系的潜在关联特征，实现多形态河系的精确识别；围绕多形态河系的典型特征构建面向多形态河系相似度计算的指标体系，采用图傅里叶变换将两个河系在空域的形态特征转换到频域内构成两个向量，通过欧氏距离度量两个向量的距离从而得到河系的相似度，为河系综合质量评价提供有效依据。 本书可供地理信息相关专业的本科生、研究生阅读，也可作为高校和科研院所相关专业教学和科研人员的参考用书。

第1章 绪论
1.1 选题背景及研究意义
1.2 向量河系研究进展
1.2.1 河系特征简介
1.2.2 河系形态识别
1.2.3 河系相似度计算
1.3 研究内容与本书组织
1.3.1 研究对象
1.3.2 研究目标
1.3.3 研究内容
1.3.4 本书组织
第2章 理论基础
2.1 河系基本结构与特征
2.1.1 河系基本结构
2.1.2 河系特征
2.2 河系的发育与空间分布形态
2.2.1 河系的发育
2.2.2 河系的空间分布形态
2.3 图神经网络
2.3.1 图论基础
2.3.2 图傅里叶变换
2.3.3 图卷积运算
2.3.4 图神经网络学习过程
2.4 小结
第3章 多形态河系流域基本单元特征定量分析
3.1 流域基本单元提取
3.2 流域基本单元特征定量计算
3.2.1 质心距离定量计算方法
3.2.2 面积与周长、长度关联关系定量计算方法
3.3 实验结果和讨论
3.3.1 数据准备
3.3.2 多形态河系流域基本单元全局特征
3.3.3 多形态河系流域基本单元局部特征
3.4 小结
第4章 顾及河系流域基本单元特征的图神经网络河系形态识别
4.1 GraphSAGE图神经网络
4.2 基于图神经网络的河系形态识别
4.2.1 河系的特征矩阵
4.2.2 河系的邻接矩阵
4.2.3 河系的标签向量
4.3 构建顾及河系局部流域特征的图神经网络
4.4 实验结果和讨论
4.4.1 数据准备
4.4.2 实验平台
4.4.3 河系形态识别
4.4.4 模型性能分析
4.4.5 参数敏感性分析
4.4.6 方法比较
4.5 小结
第5章 面向多形态河系相似度计算的图傅里叶方法
5.1 空域与频域信号比较
5.2 多形态河系相似度计算的图傅里叶方法
5.2.1 河系数据图结构表达
5.2.2 河系特征由空域向频域转换
5.2.3 多形态河系相似度计算
5.3 实验结果和讨论
5.3.1 数据准备
5.3.2 相似度结果分析
5.3.3 分析比较
5.4 小结
第6章 主要结论与研究展望
6.1 主要结论
6.2 本书创新
6.3 存在的问题及研究展望
参考文献