[發(fā)明專利]一種多模態(tài)數(shù)據(jù)中間層融合全連接地質(zhì)圖預(yù)測模型的處理方法

在審

• 申請?zhí)枺?/td>: 202011029251.4
• 申請日: 2020-09-27
• 公開（公告）號: CN112163374A
• 公開（公告）日: 2021-01-01
• 發(fā)明（設(shè)計）人: 李超嶺;劉園園;孫鈺;李豐丹;付偲;劉暢;呂霞
• 申請（專利權(quán)）人: 中國地質(zhì)調(diào)查局發(fā)展研究中心
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06K9/62;G06F16/29
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請公開了一種多模態(tài)數(shù)據(jù)中間層融合全連接地質(zhì)圖預(yù)測模型的處理方法，包括：對證據(jù)數(shù)據(jù)進行補值和歸一化處理；根據(jù)訓(xùn)練采樣點坐標(biāo)從處理后的證據(jù)數(shù)據(jù)中讀取數(shù)據(jù)信息；獲取訓(xùn)練采樣點基礎(chǔ)數(shù)據(jù)與遙感數(shù)據(jù)；判斷所述數(shù)據(jù)是否一次性讀入內(nèi)存，如果是，直接輸入模型訓(xùn)練，如果否，從數(shù)據(jù)存儲路徑分組輸入模型訓(xùn)練。本發(fā)明的優(yōu)點是：不但把原始數(shù)據(jù)轉(zhuǎn)化為高維特征表達，還將基礎(chǔ)數(shù)據(jù)特征與遙感數(shù)據(jù)特征進行特征融合，并利用全連接神經(jīng)網(wǎng)絡(luò)最大化的獲取基礎(chǔ)數(shù)據(jù)和遙感數(shù)據(jù)在高維空間上的共性特征，大大提高了提高預(yù)測對象的能力、精度，使填圖單位巖性在空間的分布形態(tài)和展布方向、分布位置、地質(zhì)對象之間的相鄰關(guān)系可以以準(zhǔn)確性最大化體現(xiàn)和表達。

技術(shù)領(lǐng)域

本發(fā)明涉及一種多模態(tài)數(shù)據(jù)中間層融合全連接地質(zhì)圖預(yù)測模型的處理方法。

背景技術(shù)

地質(zhì)證據(jù)數(shù)據(jù)具有多專業(yè)(涉及地物化遙)、多模態(tài)(矢量數(shù)據(jù)、柵格數(shù)據(jù)或空間數(shù)據(jù)和屬性數(shù)據(jù))、多尺度(最高精度5米，一般精度為10-2000米之間)，可反映地表及一定深度下(去部分掩蓋層)地質(zhì)特征等特點。過去通常處理的方法基本都是按專業(yè)按同一數(shù)據(jù)類型進行處理，數(shù)據(jù)的融合很難擺脫“多張皮”的困局，大大的限制了數(shù)據(jù)在深層次方面的挖掘。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述不足，提供一種多模態(tài)數(shù)據(jù)中間層融合全連接地質(zhì)圖預(yù)測模型的處理方法，其解決地質(zhì)證據(jù)數(shù)據(jù)如何深層挖掘的技術(shù)問題。

為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：一種多模態(tài)數(shù)據(jù)中間層融合全連接地質(zhì)圖預(yù)測模型的處理方法，其特征在于，包括：

對證據(jù)數(shù)據(jù)進行補值和歸一化處理；

根據(jù)訓(xùn)練采樣點坐標(biāo)從處理后的證據(jù)數(shù)據(jù)中讀取數(shù)據(jù)信息；

獲取訓(xùn)練采樣點基礎(chǔ)數(shù)據(jù)與遙感數(shù)據(jù)；

判斷所述數(shù)據(jù)是否一次性讀入內(nèi)存，如果是，直接輸入模型訓(xùn)練，如果否，從數(shù)據(jù)存儲路徑分組輸入模型訓(xùn)練。

進一步地，所述對證據(jù)數(shù)據(jù)進行補值，包括：

讀取遙感數(shù)據(jù)為數(shù)據(jù)矩陣，記為A；

創(chuàng)建與基礎(chǔ)數(shù)據(jù)處理范圍一致的數(shù)據(jù)矩陣，矩陣內(nèi)數(shù)據(jù)初始值均為0，該數(shù)據(jù)矩陣記為B；

從A的左下角開始逐行讀取與基礎(chǔ)數(shù)據(jù)處理范圍一致的數(shù)據(jù)并將數(shù)據(jù)存儲至B中相應(yīng)的位置；

若B中矩陣上半部分有數(shù)據(jù)為0，則將該數(shù)據(jù)替換為其所在列的第一個不為0的值，若B中矩陣下半部分有數(shù)據(jù)為0，則將該數(shù)據(jù)替換為其所在列的最后一個不為0的值；

若B中矩陣左半部分有數(shù)據(jù)為0，則將該數(shù)據(jù)替換為其所在行的第一個不為0的值，若B中矩陣右半部分有數(shù)據(jù)為0，則將該數(shù)據(jù)替換為其所在行的最后一個不為0的值；

B為補值過后的證據(jù)數(shù)據(jù)。

進一步地，所述歸一化處理采用算法：

其中，X表示基礎(chǔ)數(shù)據(jù)或遙感數(shù)據(jù)在每個通道或者每類化學(xué)元素上讀取到的數(shù)據(jù)，X_MIN表示數(shù)據(jù)矩陣X中的最小值，X_MAX表示數(shù)據(jù)矩陣X中的最大值。

進一步地，所述模型包括：

輸入層：將訓(xùn)練采樣點的基礎(chǔ)數(shù)據(jù)和遙感數(shù)據(jù)同時通過輸入層輸入到全連接混合輸入模型；

基礎(chǔ)數(shù)據(jù)特征提取層：該特征提取層由三個全連接層構(gòu)成，通過全連接神經(jīng)網(wǎng)絡(luò)進行全連接操作，利用權(quán)重值來提取網(wǎng)絡(luò)特征即基礎(chǔ)數(shù)據(jù)特征，將原始數(shù)據(jù)轉(zhuǎn)化為高維特征表達；

遙感數(shù)據(jù)特征提取層：該特征提取層由三個全連接層構(gòu)成，通過全連接神經(jīng)網(wǎng)絡(luò)進行全連接操作，利用權(quán)重值來提取網(wǎng)絡(luò)特征即遙感數(shù)據(jù)特征，將原始數(shù)據(jù)轉(zhuǎn)化為高維特征表達；