[发明专利]基于多分类器融合的土地闲置预测方法及装置

权利要求书

1.基于多分类器融合的土地闲置预测方法，其特征在于，包括训练阶段和预测阶段；所述训练阶段具体如下：

步骤A、选取一组作为训练样本的地块，提取这些地块的特征数据，并按照土地闲置标准将这些地块人工分为三个类别：闲置、非闲置、不确定；

步骤B、以训练样本的特征数据作为分类器输入，以训练样本的类别作为期望输出，分别对多个不同的分类模型进行训练，得到多个分类器以及每个分类器的置信度；

所述预测阶段具体如下：

步骤C、提取待预测地块的特征数据并分别输入所述多个分类器，得到多个分类器的分类结果；

步骤D、使用基于置信度的分类器融合方法对所述多个分类器的分类结果进行融合，得到待预测地块的土地闲置预测结果。

2.如权利要求1所述方法，其特征在于，所述地块的特征数据包括地块的以下参数：年份、投资强度、开工率、开工周期、供地类型、土地用途。

3.如权利要求2所述方法，其特征在于，开工率和开工周期利用以下方法提取得到：根据土地的图层数据，以一个月为时间间隔，分别将每个月的开工图层与供地图层进行压盖，得到图层的交集；然后利用图层的交集的面积占供地图层面积的比例得到开工率，利用压盖的月份信息与供地的日期间的差值得到开工周期。

4.如权利要求1所述方法，其特征在于，所述多个不同的分类模型至少包括：朴素贝叶斯分类模型、SVM分类模型、随机森林分类模型。

5.如权利要求1所述方法，其特征在于，所述基于置信度的分类器融合方法具体如下：

$H_{Multi}\left(x\right)==\underset{c\∈y}{\mathrm{argmax}}\left(\underset{i=1}{\overset{K}{\Σ}}{h}_i\left(c|x\right)\right)$

其中，H_Multi(x)表示融合后的分类结果，h_i(c|x)表示所有的K个分类器中第i个分类器的置信度。

6.基于多分类器融合的土地闲置预测装置，其特征在于，包括：

特征数据提取模块，用于提取地块的特征数据；

分类模块，用于根据特征数据提取模块所提取的特征数据对地块进行分类，其包括并行的多个不同的子分类器，每个子分类器预先通过以下方法训练得到：首先，选取一组作为训练样本的地块，提取这些地块的特征数据，并按照土地闲置标准将这些地块人工分为三个类别：闲置、非闲置、不确定；然后，以训练样本的特征数据作为输入，以训练样本的类别作为期望输出，对该子分类器进行训练，得到训练后的子分类器以及该子分类器的置信度；

融合模块，用于使用基于置信度的分类器融合方法对分类模块中所有子分类器的分类结果进行融合，并将融合结果作为待预测地块的土地闲置预测结果输出。

7.如权利要求6所述装置，其特征在于，所述地块的特征数据包括地块的以下参数：年份、投资强度、开工率、开工周期、供地类型、土地用途。

8.如权利要求7所述装置，其特征在于，开工率和开工周期利用以下方法提取得到：根据土地的图层数据，以一个月为时间间隔，分别将每个月的开工图层与供地图层进行压盖，得到图层的交集；然后利用图层的交集的面积占供地图层面积的比例得到开工率，利用压盖的月份信息与供地的日期间的差值得到开工周期。