[发明专利]用于地球空间数据的索引计算方法、系统、计算及其存储介质

权利要求书

1.一种面向多源地球空间数据的语义索引计算方法，其特征在于，包括如下步骤：

步骤1，数据语义提取：获取具有类别标签、时问信息、空间位置信息的地球空间数据，并使用空间金字塔技术对获取的地球空间数据进行增强处理，得到具有不同分辨率尺度、覆盖不同空间范围的地球空间数据网格；建立深度语义提取网络，使用DenseNet网络结构作为主干网络，在DenseNet网络后按顺序增加全连接层、softmax分类层和投票分类器，softmax分类层的输出结果是网格上的初步预测结果，投票分类器将同一数据不同网格上的softmax分类结果进行集成得到最终的分类结果，投票分类器的输出结果即为地球空间数据的语义类别，全连接层的输出结果即为地球空间数据的深度语义特征向量；

步骤2，数据索引计算：对所有的地球空间数据分别进行语义相关性度量，即在深度语义特征维度、时间维度和空间维度的特征相似度，对不同维度上的相似度加权得到全局相关性；根据地球空间数据间的全局相关性生成地球空间数据相关组，地球空间数据相关组包含三个元素，一个是随机选择的数据，称之为目标数据，一个是与目标数据存在语义相关性关系的地球空间数据，称之为相关数据，另一个则是与目标数据之间不具备语义相关性或相关性不明显的地球空间数据，称之为无关数据；建立索引计算网络，该网络中有三个分支，不同分支采用相同的神经网络结构并共享参数，输入分别为深度语义提取网络输出的地球空间数据的深度语义特征向量、地球空间数据自身的时间特征向量和空间特征向量，输出为二进制表示的地球空间数据的索引；

步骤3，数据索引更新：利用神经网络模型建立树状结构的索引更新网络，在索引更新网络中，每个节点是一个线性回归模型，采用逐级聚类的方式，将所有的数据索引由大到小划分为具有多个层次的类别，不同层次中类别的数量不同，类别中包含的数据个数也不同，再根据逐级聚类的结果建立与类别结构一致的树状索引更新网络，其中每个节点中的模型分别对应逐级聚类得到的一个类簇，训练数据是该类族中的地球空间数据，模型输入为地球空间数据的深度语义特征和时间特征、空间数据，输出为索引计算网络生成的索引值，索引更新网络的训练过程就是学习地球空间数据索引的生成过程，训练后的索引更新网络用于根据新增数据的特征直接计算索引。

2.根据权利要求1所述的面向多源地球空间数据的语义索引计算方法，其特征在于，步骤1中，获取具有类别标签、时问信息、空间位置信息的地球空间数据，并使用空间金字塔技术对获取的地球空间数据进行增强处理，得到具有不同分辨率尺度、覆盖不同空间范围的地球空间数据网格，具体方法为：

对地球空间数据进行尺寸缩放和重采样，得到具有不同空间分辦率的数据，再采用地球网格剖分方法将这些数据划分成一组在空间分辨率、空间覆盖范围存在差别的数据网格；最后，将这些地球空间数据网格统一缩放至便于神经网络模型训练的数据尺寸。