[發明專利]一種利用POI數據進行地表覆蓋分類的方法及系統

有效

• 申請號: 201710112356.8
• 申請日: 2017-02-28
• 公開（公告）號: CN106919680B
• 公開（公告）日: 2019-06-28
• 發明（設計）人: 邢漢發;侯東陽;孟媛;曹芳潔;徐海濱;宋頡;樊凱旋
• 申請（專利權）人: 山東師范大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62;G06F17/27
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.一種利用POI數據進行地表覆蓋分類的方法，其特征是，包括如下步驟：

步驟A：獲取POI數據集，將POI數據集作為地表覆蓋分類數據；POI數據集包括：POI類型與表示空間位置的坐標信息；

步驟B：利用步驟A所獲取的POI數據集構建文檔，將文檔輸入到潛在狄利克雷LDA(Latent Dirichlet Allocation)主題模型，進行POI文本主題計算；輸出文檔中主題Z的分布概率Θ和每個主題中POI文本詞語W的分布概率φ；

步驟C：基于POI文本主題的地表覆蓋分類，應用支持向量機SVM(Support VectorMachine)算法，構建地表覆蓋分類模型；將文檔中主題Z的分布概率Θ輸入到構建的地表覆蓋分類模型中，得到地表覆蓋分類結果；

步驟D：基于步驟C所得地表覆蓋分類結果，以隨機抽樣的方式從基于遙感影像的地表覆蓋分類數據抽取采樣點作為參考數據，利用混淆矩陣，對基于POI的地表覆蓋分類結果進行精度驗證。

2.如權利要求1所述的一種利用POI數據進行地表覆蓋分類的方法，其特征是，

所述POI數據集包括：新浪微博POI數據集、百度地圖POI數據集和高德地圖POI數據集。

3.如權利要求1所述的一種利用POI數據進行地表覆蓋分類的方法，其特征是，

所述步驟B包括：

步驟B1：構建用于LDA主題模型輸入的文檔：將研究區劃分為1000m*1000m分辨率的柵格單元，將步驟A所獲取的POI數據集空間疊加到柵格單元中，將所有落入同一個柵格單元的POI文本詞語W作為一個文檔d；

步驟B2：將文檔d輸入到LDA主題模型，利用LDA主題模型對POI的文本主題及分布進行計算，輸出文檔中主題Z的分布概率Θ和每個主題中POI文本詞語W的分布概率φ。

4.如權利要求1所述的一種利用POI數據進行地表覆蓋分類的方法，其特征是，

所述LDA主題模型以文檔作為輸入變量，并假定文檔是由設定分布概率下主題Z與詞語W決定的，主題Z由詞語W構成；Θ是文檔中主題Z的分布概率，φ是主題中詞語W的分布概率；超參數α和β為LDA主題模型的輸入參數，影響主題分布概率Θ和詞語分布概率φ；M為文檔的數量，N為每篇文檔中詞語W的個數，K為計算輸出主題的數量，K為LDA主題模型的輸入參數。

5.如權利要求1所述的一種利用POI數據進行地表覆蓋分類的方法，其特征是，

文檔中主題Z的分布概率Θ和每個主題中POI文本詞語W的分布概率φ，計算公式如下：

式中，n_i表示第k個主題Z下第i個POI文本詞語W的個數，n_k表示第k個主題K中POI文本詞語W的個數，V為POI數據集中所有POI文本詞語W的數量,超參數α和β為LDA主題模型的輸入參數。

6.如權利要求1所述的一種利用POI數據進行地表覆蓋分類的方法，其特征是，

LDA主題模型中超參數α、β與主題數K決定了分布概率Θ和φ；

α、β的取值人為設定，主題數K依據POI類型設定；

為確定符合地表覆蓋分類的主題數K，引入用于衡量文本混合度的指標perplexity，計算不同主題數K下主題Z的歸類情況，perplexity計算公式如下：

式中，D_test為測試數據集，M為文檔的數量,w_d為文檔中的詞語，N_d則為文檔的大小；perplexity值代表文檔屬于某個主題的可信度，Perplexity的值越小，表示計算結果中主題的可信度越高；

確定模型參數α、β、K后，得到文檔中主題Z的分布概率Θ和每個主題中POI文本詞語W的分布概率φ，其矩陣構建如下：

其中，POI文本詞語W的分布概率φ反映了主題歸類的可信度，文檔中主題Z的分布概率Θ反映了地表覆蓋類型的分布，文檔中主題Z的分布概率Θ用于地表覆蓋自動分類。