[发明专利]一种基于随机森林的破碎山脊线关联方法有效

专利信息
申请号: 201611203616.4 申请日: 2016-12-23
公开(公告)号: CN106599931B 公开(公告)日: 2019-07-02
发明(设计)人: 李安波;姚蒙蒙;王凯亮;李梦圆;陈楹 申请(专利权)人: 南京师范大学
主分类号: G06K9/62 分类号: G06K9/62;G06T17/05;G06T7/13
代理公司: 南京苏高专利商标事务所(普通合伙) 32204 代理人: 柏尚春
地址: 210024 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 随机 森林 破碎 山脊 关联 方法
【说明书】:

本发明公开了一种基于随机森林的破碎山脊线关联方法,包括:(1)针对山脊线数据,通过构建山脊线邻接关系模型计算各山脊线的属性数据;(2)采用步骤(1)计算模型训练区山脊线数据的属性数据,并基于随机森林方法,构建山脊线能否关联的分类模型;(3)采用步骤(1)计算工作区山脊线数据的属性数据,并基于步骤(2)构建的分类模型,进行破碎山脊线的关联处理。本发明可有效用于解决传统基于DEM提取的山脊线中出现的山脊线破碎问题。

技术领域

本发明涉及地理信息技术应用领域,具体涉及一种基于随机森林进行破碎山脊线自动关联的方法。

背景技术

传统的基于DEM提取山脊线的研究中主要以山脊线的物理特性为依据,采用基于地形表面流水分析的方法,通过模拟和分析地形表面流水的运动状况得到分水线(山脊线)(参见《提取山脊线和山谷线的一种新方法》,黄培之,武汉大学学报:信息科学版,2001年,26(3))。然而,由于流水模拟的方法在地形破碎的地区噪音非常大,难免会遗漏部分地形特征点,导致局部地形特征线在连接时较为困难,进而提取的山脊线比较破碎并产生较多毛刺(参见《利用等高线数据提取山脊(谷)线算法研究》,靳海亮,康建荣,高井祥,武汉大学学报:信息科学版,2005年,30(9))。

针对传统的基于DEM提取的山脊线中出现的毛刺和山脊线破碎问题,南京师范大学姚蒙蒙提出一种基于关联规则的破碎山脊线自动关联方法(姚蒙蒙.一种破碎山脊线的自动关联方法.中国专利,CN106023161A.2016-10-12),有效实现了山脊线的自动关联。然而,该方法仅通过少量、显示表达的关联规则进行知识表达和推理,相关处理效果并不够理想。考虑到随机森林模型强大的知识表达能力及近年来的不断完善和成熟应用,本专利拟利用随机森林模型,探讨实现一种进行破碎山脊线自动关联的方法。

发明内容

发明目的:本发明针对现有技术存在的问题,提供一种基于随机森林进行破碎山脊线自动关联的方法。

技术方案:本发明所述的基于随机森林的破碎山脊线关联方法包括:

(1)针对山脊线数据,通过构建山脊线邻接关系模型计算各山脊线的属性数据;

(2)采用步骤(1)计算模型训练区山脊线数据的属性数据,并基于随机森林方法,构建山脊线要否关联的分类模型;

(3)采用步骤(1)计算工作区山脊线数据的属性数据,并基于步骤(2)构建的分类模型,进行破碎山脊线的关联处理。

其中,步骤(1)具体包括:

(1-1)将山脊线数据存入L1={li1|i1=1,2,...,nl1},li1为山脊线,nl1为山脊线的条数,并剔除L1中非线状的山脊线,以及对存在公共点的两山脊线进行去毛刺处理,处理后的数据存入L2={li2|i2=1,2,...,nl2},li2为剔除后剩余的山脊线,nl2为剔除后剩余的山脊线条数;

(1-2)采用(姚蒙蒙.一种破碎山脊线的自动关联方法.中国专利,CN106023161A.2016-10-12)中的方法对L2进行剖分处理和模型生成,得到L2的邻接关系模型G=(V,E)和边集合E={ei3|i3=1,2,...,W1},ei3表示边,W1表示边的个数;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京师范大学,未经南京师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201611203616.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top