申请/专利权人:中国科学院地理科学与资源研究所
申请日:2024-03-22
公开(公告)日:2024-04-26
公开(公告)号:CN117932456A
主分类号:G06F18/2413
分类号:G06F18/2413;G06F18/2431;G06F18/214;G06F18/213;G06N3/045;G06N3/048;G06N3/084;G06N3/098
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明涉及地理空间数据处理技术领域,具体涉及一种顾及空间异质性的集成空间预测方法。该方法包括:将所有已知样本输入第一、第二和第三基学习器,得到对应的特征向量,并组成已知数据集;将待预测样本输入第一、第二和第三基学习器,得到第一特征向量、第二特征向量和第三特征向量;将空间邻近关系表达向量输入训练后的空间加权集成神经网络,得到对应的空间异质性集成权重;基于所述已知数据集获取第一、第二和第三特征向量分别对应的平均集成权重;根据所述第一、第二和第三特征向量,以及所述空间异质性集成权重和所述平均集成权重得到预测结果。本发明避免在进行地理空间预测时的空间异质性的问题,提高了预测精度。
主权项:1.一种顾及空间异质性的集成空间预测方法,其特征在于,该方法包括:构建第一基学习器、第二基学习器和第三基学习器;将所有已知样本输入第一、第二和第三基学习器,得到对应的特征向量,并组成已知数据集;将待预测样本输入第一、第二和第三基学习器,得到第一特征向量、第二特征向量和第三特征向量;构建空间加权集成神经网络,利用已知数据集对空间加权集成神经网络进行训练;获取待预测样本到各已知样本的空间距离,并组成空间邻近关系表达向量;将空间邻近关系表达向量输入训练后的空间加权集成神经网络,得到第一、第二和第三特征向量分别对应的空间异质性集成权重;基于所述已知数据集获取第一、第二和第三特征向量分别对应的平均集成权重;根据所述第一、第二和第三特征向量,以及所述空间异质性集成权重和所述平均集成权重得到预测结果。
全文数据:
权利要求:
百度查询: 中国科学院地理科学与资源研究所 一种顾及空间异质性的集成空间预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。