了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介
本发明涉及一种基于机器学习的空间数据匹配方法,其具体步骤如下:
- 自动生成匹配训练样本。
- 通过机器学习建立分类器模型及其参数。
- 应用分类器模型对输入空间数据进行目标匹配。
- 顾及逻辑和领域约束对匹配结果进行过滤和改善。
该方法的特点包括:
- 采用机器学习,以空间目标的位置、大小、形状和方位等多种指标作为特征提取,具有以下优点:
- 可避免量纲标准化和多指标加权中的主观任意性。
- 匹配精度较加权平均方法更高。
- 匹配模型基于样本数据学习建立,数据的自适应性较高。
- 建立模型的典型样本数量少,可大规模应用。
- 利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。
本发明涉及一种基于机器学习的空间数据匹配方法,包括四个步骤:1)自动生成匹配训练样本,2)通过机器学习建立分类器模型及其参数,3)应用分类器模型对输入空间数据进行目标匹配,4)顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性,匹配精度较加权平均方法更高;匹配模型基于样本数据学习建立,数据的自适应性较高;建立模型的典型样本数量少,可大规模应用;利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。
(此文字表达经过AI优化完善,查看原文请点击
原文)
专利基本信息
| 专利名称 |
一种基于机器学习的空间数据匹配方法 |
| 专利状态 |
- |
专利号(申请号) |
201310726445.3 |
| 申请号 |
- |
专利申请日期 |
2013-12-25 |
| 专利授权日期 |
2017-01-25 |
专利权届满日 |
- |
| 专利所属地 |
中国 |
专利类型 |
发明专利 |
| 发明人 |
张翔;艾廷华;赵羲;杨敏 |
| 权利人 |
- |
| 专利摘要 |
本发明涉及一种基于机器学习的空间数据匹配方法,包括四个步骤:1)自动生成匹配训练样本,2)通过机器学习建立分类器模型及其参数,3)应用分类器模型对输入空间数据进行目标匹配,4)顾及逻辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性,匹配精度较加权平均方法更高;匹配模型基于样本数据学习建立,数据的自适应性较高;建立模型的典型样本数量少,可大规模应用;利用空间数据的内在几何信息,无需额外属性信息,使用准入性低。 |