本發(fā)明涉及一種智能分析與決策系統(tǒng)，特別是涉及一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，屬于智能分析與決策系統(tǒng)。

背景技術(shù)：

1、現(xiàn)有技術(shù)中在進(jìn)行數(shù)據(jù)采集的時(shí)候通過分別采用無人機(jī)影像、遙感、lidar對(duì)地理信息數(shù)據(jù)進(jìn)行采集傳輸至數(shù)據(jù)采集模塊，雖然采集數(shù)據(jù)的類型和方式種類比較多，但是數(shù)據(jù)孤島現(xiàn)象突出，導(dǎo)致分析結(jié)構(gòu)的精度會(huì)比較差；

2、具體問題之一是在定義通用要素類點(diǎn)、線、面、體，擴(kuò)展屬性字段地物類別、置信度、數(shù)據(jù)源過程中，通過置信度用于判斷點(diǎn)、線、面、體的相關(guān)可靠性或準(zhǔn)確性，但因?yàn)橛糜谟?jì)算置信度的數(shù)據(jù)本身存在偏差、噪聲或不完整，那么即使置信度計(jì)算方法正確，得到的置信度也不能準(zhǔn)確反映點(diǎn)、線、面、體的真實(shí)情況；

3、不同的機(jī)器學(xué)習(xí)模型或算法計(jì)算出的置信度存在差異，而且模型本身存在過擬合、欠擬合問題，影響置信度的可靠性；

4、在復(fù)雜的地理環(huán)境或多因素相互作用的場(chǎng)景中，單一的置信度指標(biāo)無法全面準(zhǔn)確地反映點(diǎn)、線、面、體的所有情況，為此設(shè)計(jì)一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)來解決上述問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的是提供一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)。

2、本發(fā)明的目的可以通過采用如下技術(shù)方案達(dá)到：

3、一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，包括數(shù)據(jù)采集模塊，用于對(duì)需要測(cè)繪的地理信息進(jìn)行數(shù)據(jù)采集；

4、數(shù)據(jù)預(yù)處理模塊，用于對(duì)采集的數(shù)據(jù)進(jìn)行清洗處理；

5、特征提取模塊，用于對(duì)通過數(shù)據(jù)預(yù)處理模塊處理后的數(shù)據(jù)進(jìn)行點(diǎn)、線、面、體，擴(kuò)展屬性字段地物類別、置信度、數(shù)據(jù)源的提??；

6、模型訓(xùn)練模塊，用于對(duì)提取的特征數(shù)據(jù)訓(xùn)練各種機(jī)器學(xué)習(xí)模型；

7、還包括置信度判斷優(yōu)化模塊，用于對(duì)特征提取模塊所提取的點(diǎn)、線、面、體數(shù)據(jù)以及模型訓(xùn)練模塊訓(xùn)練好的數(shù)據(jù)進(jìn)行置信度的判斷并優(yōu)化，并輸出每個(gè)數(shù)據(jù)對(duì)象優(yōu)化后的置信度值；

8、信度判斷優(yōu)化模塊包括多源數(shù)據(jù)融合模塊；

9、多源數(shù)據(jù)融合模塊，對(duì)坐標(biāo)轉(zhuǎn)換公式與仿射變換公式進(jìn)行融合，將特征提取模塊提取的數(shù)據(jù)通過融合后的公式進(jìn)行處理后輸入至模型訓(xùn)練模塊；

10、綜合評(píng)估模塊，結(jié)合置信度判斷結(jié)果、領(lǐng)域知識(shí)和規(guī)則以及多指標(biāo)綜合評(píng)估，對(duì)數(shù)據(jù)進(jìn)行全面的評(píng)估和分析。

11、優(yōu)選的，所述置信度判斷優(yōu)化模塊的判斷方法具體包括如下步驟：

12、s11：進(jìn)行對(duì)獲取的數(shù)據(jù)進(jìn)行清洗與預(yù)處理；

13、s12：對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；

14、s13：對(duì)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)處理；

15、s14：將s13中增強(qiáng)后的數(shù)據(jù)通過多源數(shù)據(jù)融合模塊進(jìn)行多源數(shù)據(jù)融合；

16、s15：對(duì)模型進(jìn)行融合，將邏輯回歸和支持向量機(jī)模型進(jìn)行融合；

17、s16：對(duì)融合后的模型進(jìn)行評(píng)估并監(jiān)控；

18、s17：輸出優(yōu)化后的置信度至綜合評(píng)估模塊。

19、優(yōu)選的，在s11中主要對(duì)異常值檢測(cè)進(jìn)行清洗，具體采用3原則對(duì)點(diǎn)、線、面、體數(shù)據(jù)進(jìn)行處理如下公式對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：;

20、其中，是標(biāo)準(zhǔn)化后的值；

21、是原始值；

22、是均值；

23、是標(biāo)準(zhǔn)差。

24、優(yōu)選的，在s13中采用如下公式對(duì)數(shù)據(jù)進(jìn)行增強(qiáng)處理，對(duì)于圖像中的點(diǎn)，旋轉(zhuǎn)后的點(diǎn)的坐標(biāo)計(jì)算公式為：；

25、其中，是圖像的中心坐標(biāo)。

26、優(yōu)選的，在s14中將七參數(shù)布爾莎模型與仿射變換公式整合推導(dǎo)的方式進(jìn)行多源數(shù)據(jù)融合；

27、先進(jìn)行七參數(shù)布爾莎模型的轉(zhuǎn)換，得到空間坐標(biāo)，然后將其投影到平面上，得到平面坐標(biāo)，再對(duì)平面坐標(biāo)進(jìn)行仿射變換，得到最終的坐標(biāo)。

28、優(yōu)選的，對(duì)七參數(shù)布爾莎模型的轉(zhuǎn)換：;

29、將空間坐標(biāo)通過投影轉(zhuǎn)換為平面坐標(biāo)；

30、具體采用投影函數(shù)：

31、；

32、；

33、最后進(jìn)行仿射變換：；

34、得到融合后的公式為：。

35、優(yōu)選的，在s15模型融合前還包括對(duì)模型的選擇和優(yōu)化處理；

36、采用邏輯回歸的梯度下降更新權(quán)重公式：；

37、其中，是第個(gè)權(quán)重；

38、α是學(xué)習(xí)率；

39、j(w）是損失函數(shù)，。

40、優(yōu)選的，s15模型融合具體包括假設(shè)有邏輯回歸模型lr和支持向量機(jī)模型svm，對(duì)于輸入x，它們的預(yù)測(cè)概率分別為和，融合后的預(yù)測(cè)概率公式為：；

41、優(yōu)選的，s16具體包括對(duì)融合后的模型進(jìn)行評(píng)估并監(jiān)控具體采用如下公式：準(zhǔn)確率；

42、其中，tp是真正例；

43、tn是真負(fù)例；

44、fp是假正例；

45、fn是假負(fù)例。

46、優(yōu)選的，s17具體包括建立綜合評(píng)估層面，引入領(lǐng)域知識(shí)和規(guī)則；

47、根據(jù)領(lǐng)域知識(shí)，河流線要素應(yīng)該是連續(xù)的且流向一致，如果一條線要素存在斷點(diǎn)或者流向不一致的情況，降低其置信度；

48、設(shè)原始置信度為，如果存在斷點(diǎn)，置信度調(diào)整為；

49、如果流向不一致，置信度調(diào)整為；

50、采用多指標(biāo)綜合評(píng)估，以面狀地物分類結(jié)合邊界粗糙度和分類置信度；

51、設(shè)面狀地物的分類置信度為，邊界粗糙度為r范圍0-1，值越大表示邊界越粗糙，綜合評(píng)估置信度，其中，是權(quán)重。

52、本發(fā)明的有益技術(shù)效果：

53、本發(fā)明提供的一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，采用通過置信度判斷優(yōu)化模塊進(jìn)行對(duì)獲取的數(shù)據(jù)進(jìn)行清洗與預(yù)處理，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，對(duì)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)處理，將增強(qiáng)后的數(shù)據(jù)通過多源數(shù)據(jù)融合模塊進(jìn)行多源數(shù)據(jù)融合，對(duì)模型進(jìn)行融合，將邏輯回歸和支持向量機(jī)模型進(jìn)行融合，對(duì)融合后的模型進(jìn)行評(píng)估并監(jiān)控，輸出優(yōu)化后的置信度至綜合評(píng)估模塊的方式實(shí)現(xiàn)了構(gòu)建邏輯回歸等機(jī)器學(xué)習(xí)模型，通過對(duì)提取的豐富特征進(jìn)行學(xué)習(xí)和訓(xùn)練，能夠準(zhǔn)確輸出點(diǎn)、線、面、體數(shù)據(jù)的置信度值。這為判斷數(shù)據(jù)的可靠性提供了量化依據(jù)，高置信度數(shù)據(jù)表明模型對(duì)其分類或位置判斷具有較高的準(zhǔn)確性和可信度，降低了數(shù)據(jù)孤島現(xiàn)象突出，導(dǎo)致分析結(jié)構(gòu)的精度會(huì)比較差的技術(shù)問題。

技術(shù)特征：

1.一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，包括數(shù)據(jù)采集模塊，用于對(duì)需要測(cè)繪的地理信息進(jìn)行數(shù)據(jù)采集；

2.根據(jù)權(quán)利要求1所述的一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，其特征在于：所述置信度判斷優(yōu)化模塊的判斷方法具體包括如下步驟：

3.根據(jù)權(quán)利要求2所述的一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，其特征在于：在s11中主要對(duì)異常值檢測(cè)進(jìn)行清洗，具體采用3原則對(duì)點(diǎn)、線、面、體數(shù)據(jù)進(jìn)行處理如下公式對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：

4.根據(jù)權(quán)利要求2所述的一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，其特征在于：在s13中采用如下公式對(duì)數(shù)據(jù)進(jìn)行增強(qiáng)處理，對(duì)于圖像中的點(diǎn)，旋轉(zhuǎn)后的點(diǎn)的坐標(biāo)計(jì)算公式為：;

5.根據(jù)權(quán)利要求2所述的一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，其特征在于：在s14中將七參數(shù)布爾莎模型與仿射變換公式整合推導(dǎo)，以這種方式進(jìn)行多源數(shù)據(jù)融合；

6.根據(jù)權(quán)利要求2所述的一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，其特征在于：對(duì)七參數(shù)布爾莎模型的轉(zhuǎn)換：;

7.根據(jù)權(quán)利要求2所述的一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，其特征在于：在s15模型融合前還包括對(duì)模型的選擇和優(yōu)化處理；

8.根據(jù)權(quán)利要求2所述的一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，其特征在于：s15模型融合具體包括假設(shè)有邏輯回歸模型lr和支持向量機(jī)模型svm，對(duì)于輸入x，它們的預(yù)測(cè)概率分別為和，融合后的預(yù)測(cè)概率公式為：。

9.根據(jù)權(quán)利要求2所述的一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，其特征在于：s16具體包括對(duì)融合后的模型進(jìn)行評(píng)估并監(jiān)控具體采用如下公式：準(zhǔn)確率；

10.根據(jù)權(quán)利要求9所述的一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，其特征在于：s17具體包括建立綜合評(píng)估層面，引入領(lǐng)域知識(shí)和規(guī)則；

技術(shù)總結(jié)
本發(fā)明公開了一種測(cè)繪地理信息數(shù)據(jù)智能分析與決策系統(tǒng)，屬于智能分析與決策系統(tǒng)技術(shù)領(lǐng)域，用通過置信度判斷優(yōu)化模塊進(jìn)行對(duì)獲取的數(shù)據(jù)進(jìn)行清洗與預(yù)處理，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，對(duì)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)處理，將增強(qiáng)后的數(shù)據(jù)通過多源數(shù)據(jù)融合模塊進(jìn)行多源數(shù)據(jù)融合，對(duì)模型進(jìn)行融合，將邏輯回歸和支持向量機(jī)模型進(jìn)行融合，對(duì)融合后的模型進(jìn)行評(píng)估并監(jiān)控，輸出優(yōu)化后的置信度至綜合評(píng)估模塊的方式實(shí)現(xiàn)了能夠準(zhǔn)確輸出點(diǎn)、線、面、體數(shù)據(jù)的置信度值。這為判斷數(shù)據(jù)的可靠性提供了量化依據(jù)，高置信度數(shù)據(jù)表明模型對(duì)其分類或位置判斷具有較高的準(zhǔn)確性和可信度，降低了數(shù)據(jù)孤島現(xiàn)象突出，導(dǎo)致分析結(jié)構(gòu)的精度會(huì)比較差的技術(shù)問題。

技術(shù)研發(fā)人員：丁志政,王占梅,周霞,孫琦慧,姜皓,王堯,欒向英
受保護(hù)的技術(shù)使用者：山東匯杰地信科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15