[发明专利]一种基于梯度决策树的山体边坡勘测数据两级融合方法

权利要求书

1.一种基于梯度决策树的山体边坡勘测数据两级融合方法，其特征在于所述方法包括如下步骤：

步骤S1：处理山体边坡勘测数据，按照数据结构特征将数据统一标准化，构建勘测数据特征统一标准化表征方法；

步骤S2：关联互补地球物理场属性特征与斜坡体空间几何特征，实现勘测数据浅层初次融合；

步骤S3：探究高维数据潜在空间特征与低纬数据潜在表观特征；

步骤S4：结合步骤S2得到的数据，依据梯度提升决策树替代深度神经网络处理勘测信息，实现山体边坡勘测数据深层特征融合；

步骤S5：优化数据，提高数据融合效率与精度，实现山体边坡勘测数据多级层次化智能融合。

2.根据权利要求1所述的基于梯度决策树的山体边坡勘测数据两级融合方法，其特征在于所述步骤S1中，勘测数据包括探地雷达、激光点云勘测数据。

3.根据权利要求1所述的基于梯度决策树的山体边坡勘测数据两级融合方法，其特征在于所述步骤S1中，数据结构特征包括数据来源、格式、分辨率、坐标系统结构特征。

4.根据权利要求1所述的基于梯度决策树的山体边坡勘测数据两级融合方法，其特征在于所述步骤S1中，数据统一标准化包括数据预处理、数据阈值比对、数据校核标准化，其中：

数据预处理通过预先设置最能反映山体边坡特征的不同勘测数据的统一标准程序，按照数据结构特征进行分类，建立不同勘测数据与标准程序之间的映射模型，并标记映射误差；

数据阈值比对主要针对映射模型之外的数据进行处理，根据数据的分辨率设置阈值，阈值大小根据实际处理对象确定，将阈值之内的数据计入映射模型内，阈值之外的不良数据剔除；

数据校核标准化依据映射结果和映射误差进行核对记录，结合阈值进一步更新标准程序，结合映射误差进一步更新映射模型内的数据。

5.根据权利要求1所述的基于梯度决策树的山体边坡勘测数据两级融合方法，其特征在于所述步骤S2的具体步骤如下：

结合神经网络建立融合框架，依据数据格式提取勘测数据标准化处理细节，设置融合因子和评价指标，结合分辨率选择锐化参数，融合勘测得到的高空间分辨率全色图像与低空间分辨率的多光谱图像的空间和光谱信息，以达到光谱分辨率与空间分辨率之间的平衡。

6.根据权利要求1所述的基于梯度决策树的山体边坡勘测数据两级融合方法，其特征在于所述步骤S3的具体步骤如下：

在全色锐化光谱成像的基础上，基于数据空间特征、坐标特征、深度数据特征，充分挖掘融合数据的高纬和低纬特性与层次特征，建立区分获取数据与目标数据的判别结构并训练、补偿数据弥补多源数据空间信息损失和光谱失真的问题。

7.根据权利要求1所述的基于梯度决策树的山体边坡勘测数据两级融合方法，其特征在于所述步骤S4的具体步骤如下：

首先，提取光谱影像和遥感影像的特征向量作为决策树的输入向量，在决策树中对不同类型数据进行平滑处理，规定统一的文本向量编码，提取统一向量区域特征，减少额外噪声信息干扰；其次，调节输入向量与规定的中心向量的误差值确定决策权值，将光谱与遥感两类数据融合；最后，在决策树输出端选取高置信度基准点定义数据输出属性，依据置信基准更新输出数据，提高决策树的鲁棒性。

8.根据权利要求1所述的基于梯度决策树的山体边坡勘测数据两级融合方法，其特征在于所述步骤S5中，以地理、航空、激光多种勘测融合信息为输入，设计优化框架，实现山体边坡勘测数据多级层次化智能融合，具体融合步骤如下：首先，建立概率模型，采用置信距离评价已有数据融合效果，设定融合规则，在优化框架内搜索最优融合参数，避免框架训练层数过多和效率缓慢，依据训练集和测试集分类融合模型；随后，构造主动选择策略，剔除概率估计中不合格的样本，并在样本有限情况下主动选择和提升融合精度，得到最优的收益函数。