当前位置: 首页 > 科技成果列表 > 科技成果详细

一种基于机器学习的空间数据匹配方法

技术类型:发明专利

技术成熟度:研发

转让方式:技术转让、技术许可、技术入股

专利申请日:2013-12-25

专利所属地 :中国

专利号:201310726445.3

应用领域:其他信息技术服务业

技术领域:电子信息

交易价格:面议专利价值评估

应用案例:否

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:

  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。
(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。
成果评价分析
技术应用分析
服务案例
Baidu
map