农用地分等因素指标区划分方法及装置制造方法及图纸

本发明专利技术实施例提供一种农用地分等因素指标区划分方法及装置，该方法包括：将每一待划分指标区的所有参评指标数据作为输入向量，输入自组织映射神经网络模型，输出第一次聚类分析的结果；采用AP聚类算法，对所述第一次聚类分析的结果进行第二次聚类分析，并根据第二次聚类分析得到的结果，确定所述待划分指标区的划分结果。由于采用了聚类分析，从而避免了人为经验的主观影响。另外，由于采用自组织映射神经网络与AP聚类相结合的二次聚类分析，从而得到更准确的聚类结果，进而具有实用性。

【技术实现步骤摘要】
农用地分等因素指标区划分方法及装置
本专利技术涉及农用地质量评估领域，特别是涉及一种农用地分等因素指标区划分方法及装置。
技术介绍
农用地是粮食生产的基础，合理的规划并使用农用地是保障粮食产量的前提。为了科学的量化农用地的质量并进行合理利用，需对农用地进行分等。农用地的分等是根据农用地的自然属性、社会属性和经济属性，对农用地的质量优劣进行综合评定，并划分等别的过程。在农用地分等过程中，科学划分分等因素指标区是分等结果真实准确的基础和前提。分等因素指标区是指依主导因素原则和区域分异原则划分的分等因素体系一致的区域，同时也是每套分等参评因素及其评价指标体系的适用区。目前，分等因素指标区的划分主要通过定性的方法，根据地貌类型以及耕作制度等进行划分。对于地貌类型、种植结构相对单一的地区则很难采用该方法进行划分。因此，目前的分等因素指标区划分方法不具备实用性。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种农用地分等因素指标区划分方法及装置。第一方面，本专利技术提供一种农用地分等因素指标区划分方法，包括：将每一待划分指标区的所有参评指标数据作为输入向量，输入自组织映射神经网络模型，输出第一次聚类分析的结果；采用AP聚类算法，对所述第一次聚类分析的结果进行第二次聚类分析，并根据第二次聚类分析得到的结果，确定所述待划分指标区的划分结果。第二方面，本专利技术提供一种农用地分等因素指标区划分装置，包括：第一处理模块，用于将每一待划分指标区的所有参评指标数据作为输入向量，输入自组织映射神经网络模型，输出第一次聚类分析的结果；第二处理模块，用于采用AP聚类算法，对所述第一次聚类分析的结果进行第二次聚类分析，并根据第二次聚类分析得到的结果，确定所述待划分指标区的划分结果。第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本专利技术第一方面农用地分等因素指标区划分方法的步骤。第四方面，本专利技术提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本专利技术第一方面农用地分等因素指标区划分方法的步骤。本专利技术实施例提供的农用地分等因素指标区划分方法，由于采用了聚类分析，从而避免了人为经验的主观影响。另外，由于采用了自组织映射神经网络和AP聚类相结合的聚类方法，通过自组织映射神经网络可以有效地将高维数据进行降维，解决了农用地图斑数据量庞大以及维难高导致的难处理的问题。由于AP聚类算法是基于数据点之间的“信息传递”，鲁棒性强且准确度较高，所得结果的平方差误差较小，从而自组织映射神经网络与AP聚类相结合的二次聚类分析会得到更准确的聚类结果，进而具有实用性。附图说明图1为本专利技术实施例提供的农用地分等因素指标区划分方法流程图；图2为本专利技术实施例提供的农用地分等因素指标区划分装置结构图；图3为本专利技术实施例提供的一种电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。农用地分等是对农用地自然、社会和经济三方面质量进行综合评定。在不同区域范围内，影响农用地质量的因素往往不同，即使同一个因素在不同区域内对农用地质量的影响程度也存在差异。因此，在计算农用地分等的等别指数之前，需要进行分等因素指标区的划分，即根据影响农用地质量因素的空间组合差异，将分等区域再细分成若干个小区。目前，分等因素指标区的划分主要通过定性的方法，根据地貌类型以及耕作制度等进行划分。对于地貌类型、种植结构相对单一的地区则很难采用该方法进行划分。因此，目前的分等因素指标区划分方法不具备实用性。为解决这一问题，本专利技术实施例提供一种农用地分等因素指标区划分方法。该方法可以由不同的设备执行，本专利技术实施例对此不作具体限定。在本专利技术实施例中，执行主体以计算机示例。图1为本专利技术实施例提供的农用地分等因素指标区划分方法流程图，如图所示，本专利技术实施例提供一种农用地分等因素指标区划分方法，包括：101，将每一待划分指标区的所有参评指标数据作为输入向量，输入自组织映射神经网络模型，输出第一次聚类分析的结果。在101之前，还包括参评指标的选取过程。将研究区内全部农用地图斑作为待划分指标区，待划分指标区的分等因素需结合实际情况选取，包括但不限于从以下方面选取：地貌、水文、土壤以及农田基本建设。其中，地貌包括地貌类型、海拔、坡度、坡向、坡型以及地形部位等；水文包括水源类型(如地表水或地下水)、水量以及水质等；土壤包括土壤类型、土壤表层有机质含量、表层土壤质地、有效土层厚度、土壤盐碱状况、剖面构型、障碍层特征、土壤保水供水状况、土壤中砾石含量以及地表岩石露头度等；农田基本建设包括灌溉条件(水源保证率、灌溉保证率)、排水条件、田间道路条件、田块大小、平整度以及破碎程度等。将上述分等因素作为参评指标，并获取上述分等因素的数据作为参评指标数据。在101中，将每一待划分指标区的所有参评指标数据作为输入向量，依次将所有待划分指标区输入自组织映射神经网络模型。通过对所有待划分指标区进行第一次聚类分析，将包含多个参评指标数据的每一待划分指标区，变成包含单个指标数据的每一待划分指标区，从而实现对数据的降维处理。102，采用AP聚类算法，对第一次聚类分析的结果进行第二次聚类分析，并根据第二次聚类分析得到的结果，确定待划分指标区的划分结果。在102中，第一次聚类分析的结果为每一待划分指标区的单个指标数据组成的向量。将通过自组织映射神经网络进行第一次聚类分析得到的结果作为AP聚类的输入，利用AP聚类算法进行二次聚类分析。根据聚类分析的结果得到聚类中心，并根据聚类中心确定待划分指标区的划分结果。本专利技术实施例提供的农用地分等因素指标区划分方法，由于采用了聚类分析，从而避免了人为经验的主观影响。另外，由于采用了自组织映射神经网络和AP聚类相结合的聚类方法，通过自组织映射神经网络可以有效地将高维数据进行降维，解决了农用地图斑数据量庞大以及维难高导致的难处理的问题。由于AP聚类算法是基于数据点之间的“信息传递”，鲁棒性强且准确度较高，所得结果的平方差误差较小，从而自组织映射神经网络与AP聚类相结合的二次聚类分析会得到更准确的聚类结果，进而具有实用性。基于上述实施例的内容，作为一种可选实施例，将每一待划分指标区的所有参评指标数据作为输入向量，输入自组织映射神经网络模型之前，还包括：将每一待划分指标区的所有参评指标数据进行归一化处理。对每一待划分指标区的所有参评指标数据按如下公式进行归一化处理：其中：Xk为第k个待划分指标区的某一参评指标归一化后的值，xmax为该类参评指标归一化之前在所有待划分指标区中的最大值；xmin为该类参评指标数据归一化之前在所有待划分指标区中的最小值；xk为第k个待划分指标区的该参评指标归一化之前的值。本专利技术实施例提供的农用地分等因素指标区划分方法，通过将每一待划分指标区的所有参评指标数据进行归一化处理。由于避免了数值较大的指标数据相对数值小的指本文档来自技高网...

【技术保护点】
1.一种农用地分等因素指标区划分方法，其特征在于，包括：将每一待划分指标区的所有参评指标数据作为输入向量，输入自组织映射神经网络模型，输出第一次聚类分析的结果；采用AP聚类算法，对所述第一次聚类分析的结果进行第二次聚类分析，并根据第二次聚类分析得到的结果，确定所述待划分指标区的划分结果。

【技术特征摘要】
1.一种农用地分等因素指标区划分方法，其特征在于，包括：将每一待划分指标区的所有参评指标数据作为输入向量，输入自组织映射神经网络模型，输出第一次聚类分析的结果；采用AP聚类算法，对所述第一次聚类分析的结果进行第二次聚类分析，并根据第二次聚类分析得到的结果，确定所述待划分指标区的划分结果。2.根据权利要求1所述的方法，其特征在于，所述将每一待划分指标区的所有参评指标数据作为输入向量，输入自组织映射神经网络模型之前，还包括：采用归一化后的随机值对所述自组织映射神经网络中的权值进行初始化；获取样本指标区的所有参评指标数据归一化后作为输入向量与所有输出神经元的权值向量的欧氏距离，将所述欧式距离最小的输出神经元作为获胜神经元，对所述获胜神经元邻域内的神经元的权值进行更新和归一化，并更新学习速率以及所述邻域，对不同样本指标区重复执行上述获取所述欧式距离、对所述获胜神经元邻域内的神经元的权值进行更新和归一化的过程，直至达到预设的迭代次数或所述学习速率小于预设阈值。3.根据权利要求1所述的方法，其特征在于，所述采用AP聚类算法，对所述第一次聚类分析的结果进行第二次聚类分析，包括：将所述第一次聚类分析的结果数据的相似度矩阵作为AP聚类算法的输入矩阵，对所述相似度矩阵的吸引度矩阵以及归属度矩阵进行迭代更新，直至达到预设迭代次数或所述吸引度矩阵以及所述归属度矩阵均趋于稳定；根据迭代更新后的吸引度矩阵以及迭代更新后的归属度矩阵，确定聚类中心。4.根据权利要求1所述的方法，其特征在于，所述将每一待划分指标区的所有参评指标数据作为输入向量，输入自组织映射...

【专利技术属性】
技术研发人员：杨永侠，郭雅萍，张函，张丽红，桑婧，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11