一种空间计算操作的人工智能优化方法

    公开(公告)号:CN112181642A

    公开(公告)日:2021-01-05

    申请号:CN202010971187.5

    申请日:2020-09-16

    Applicant: 武汉大学

    Abstract: 本发明公开了一种空间计算操作的人工智能优化方法,该方法包括:通过运用机器学习中特征选择技术包括RReliefF、平均精度减少、平均不纯度减少、递归特征消除和包裹式遗传算法,以及回归模型训练技术包括CART回归树、随机森林、梯度上升回归和支持向量回归,构建最优计算强度预测模型,嵌入并优化高性能地理计算过程。结果提供了一个机器学习技术预测地学应用计算强度的应用方法,本发明以传统GIS空间计算操作中的多边形空间相交为例,证明了提出方法的可行性以及高效性。

    一种特高压电网社会效益评估方法

    公开(公告)号:CN105894192A

    公开(公告)日:2016-08-24

    申请号:CN201610200743.2

    申请日:2016-03-31

    Applicant: 武汉大学

    CPC classification number: G06Q10/06375 G06Q50/06

    Abstract: 本发明公开了一种特高压电网社会效益评估方法,包括:步骤1,构建特高压电网的社会效益评估模型,所述的社会效益评估模型进一步包括社会收益评估指标体系和社会成本评估指标体系,社会成本评估指标体系进一步包括直接成本评估指标体系和间接成本评估指标体系;步骤2,利用社会效益评估模型,别采用纵向评估法和横向评估法定量评估三种电能输送方案的直接社会效益和间接社会效益。本发明可更科学合理的评估特高压电网的社会效益,有利于指导特高压电网的规划与建设。

    一种空间计算操作的人工智能优化方法

    公开(公告)号:CN112181642B

    公开(公告)日:2024-02-02

    申请号:CN202010971187.5

    申请日:2020-09-16

    Applicant: 武汉大学

    Abstract: 本发明公开了一种空间计算操作的人工智能优化方法,该方法包括:通过运用机器学习中特征选择技术包括RReliefF、平均精度减少、平均不纯度减少、递归特征消除和包裹式遗传算法,以及回归模型训练技术包括CART回归树、随机森林、梯度上升回归和支持向量回归,构建最优计算强度预测模型,嵌入并优化高性能地理计算过程。结果提供了一个机器学习技术预测地学应用计算强度的应用方法,本发明以传统GIS空间计算操作中的多边形空间相交为例,证明了提出方法的可行性以及高效性。

    基于机器学习预测计算强度的并行化点云生成DEM方法

    公开(公告)号:CN109934917B

    公开(公告)日:2023-05-16

    申请号:CN201910151140.1

    申请日:2019-02-28

    Applicant: 武汉大学

    Inventor: 乐鹏 高凡 张明达

    Abstract: 本发明提供一种基于机器学习预测计算强度的并行化点云生成DEM方法,其特征在于:进行CART模型的训练,包括特征选择、样本数据生成、模型训练以及存储;使用四叉树对待处理的点云数据进行递归划分,采用存储的CART模型预测各瓦片计算强度,基于Z‑曲线将二维空间的瓦片进行降维处理,然后基于预测的瓦片计算强度和空间编码将瓦片映射到各进程并行内插DEM。本发明技术方案具有高效性和可行性。本发明与传统串行的点云生成DEM相比,采用了基于机器学习预测计算强度的并行化点云生成DEM方法,性能提升能实现量级的突破,有效地节省执行时间,特别适合于海量稠密点云的数据处理,支持地学应用实时化。

    一种基于Spark的并行栅格数据处理方法

    公开(公告)号:CN108920540B

    公开(公告)日:2021-12-03

    申请号:CN201810602534.X

    申请日:2018-06-12

    Applicant: 武汉大学

    Inventor: 乐鹏 高凡

    Abstract: 本发明公开了一种基于Spark的并行栅格数据处理方法,基于Spark框架实现将高分辨率遥感影像按行进行迭代二分切分,直到遥感影像数据被均匀划分并且大小基本接近预定义的切片大小;将切分的影像分片实例化为可序列化遥感影像对象RsImage,按照分片在原始影像中的位置,按序存储到分布式文件系统HDFS上;反序列化存储在HDFS上的分片影像,生成以相应RDD;基于分区并行执行地理栅格数据处理算法;将分布式环境中各个核处理完的影像对象基于分片号合并排序,然后对排序后的分块影像进行影像拼接存储。本发明技术方案具有高效性和可行性。

    一种基于MPI的矢量大数据并行空间叠置分析方法

    公开(公告)号:CN109614454B

    公开(公告)日:2020-12-01

    申请号:CN201811417025.6

    申请日:2018-11-26

    Applicant: 武汉大学

    Inventor: 乐鹏 高凡

    Abstract: 本发明提供一种基于MPI的矢量大数据并行空间叠置分析方法,基于MPI消息通信接口实现对所有待处理地理图层中的矢量要素空间坐标进行格式转换,针对不同的矢量要素类型相应生成GeoHash索引码;选择分区图层,按分区写入NFS;将未分区图层中的矢量要素写入NFS;基于MPI通信接口创建同分区数量一致的进程数,各进程从NFS上将对应分区中的矢量要素全部读取到内存中;各进程同时逐个地读取NFS上未分区图层的每个矢量要素,并分别比照相应分区的矢量要素进行空间关系判断处理,直到读取处理完未分区图层的所有矢量要素;最后合并各进程获取的统计结果并输出;所述空间关系判断处理,先根据GeoHash索引码判断,再根据外接矩形进行判断。本发明技术方案具有高效性和可行性。

    一种基于MPI的矢量大数据并行空间叠置分析方法

    公开(公告)号:CN109614454A

    公开(公告)日:2019-04-12

    申请号:CN201811417025.6

    申请日:2018-11-26

    Applicant: 武汉大学

    Inventor: 乐鹏 高凡

    Abstract: 本发明提供一种基于MPI的矢量大数据并行空间叠置分析方法,基于MPI消息通信接口实现对所有待处理地理图层中的矢量要素空间坐标进行格式转换,针对不同的矢量要素类型相应生成GeoHash索引码;选择分区图层,按分区写入NFS;将未分区图层中的矢量要素写入NFS;基于MPI通信接口创建同分区数量一致的进程数,各进程从NFS上将对应分区中的矢量要素全部读取到内存中;各进程同时逐个地读取NFS上未分区图层的每个矢量要素,并分别比照相应分区的矢量要素进行空间关系判断处理,直到读取处理完未分区图层的所有矢量要素;最后合并各进程获取的统计结果并输出;所述空间关系判断处理,先根据GeoHash索引码判断,再根据外接矩形进行判断。本发明技术方案具有高效性和可行性。

    基于机器学习预测计算强度的并行化点云生成DEM方法

    公开(公告)号:CN109934917A

    公开(公告)日:2019-06-25

    申请号:CN201910151140.1

    申请日:2019-02-28

    Applicant: 武汉大学

    Inventor: 乐鹏 高凡 张明达

    Abstract: 本发明提供一种基于机器学习预测计算强度的并行化点云生成DEM方法,其特征在于:进行CART模型的训练,包括特征选择、样本数据生成、模型训练以及存储;使用四叉树对待处理的点云数据进行递归划分,采用存储的CART模型预测各瓦片计算强度,基于Z-曲线将二维空间的瓦片进行降维处理,然后基于预测的瓦片计算强度和空间编码将瓦片映射到各进程并行内插DEM。本发明技术方案具有高效性和可行性。本发明与传统串行的点云生成DEM相比,采用了基于机器学习预测计算强度的并行化点云生成DEM方法,性能提升能实现量级的突破,有效地节省执行时间,特别适合于海量稠密点云的数据处理,支持地学应用实时化。

Patent Agency Ranking