一种基于耕地保护业务数据流的时空多维度大数据融合处理方法技术

本发明专利技术公开了一种基于耕地保护业务数据流的时空多维度大数据融合处理方法，包括如下步骤：S1、经各目标数据采集终端实现耕地保护业务数据流的采集；S2、基于时间信息以及空间信息实现耕地保护业务数据流的预分类；S3、采用Hadoop基于类间区分度的属性约简算法实现耕地保护业务数据的特征数据的提取；S4、基于LSSVM根据所述特征数据实现耕地保护业务数据的分类；S5、基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处，同时在该特征数据上建立其对应的耕地保护业务数据的超链接，实现耕地保护业务数据流的融合处理。本发明专利技术实现了耕地保护业务数据流的时空多维度的自动融合。

A method of spatial-temporal multi-dimensional big data fusion processing based on cultivated land protection business data flow

【技术实现步骤摘要】
一种基于耕地保护业务数据流的时空多维度大数据融合处理方法
本专利技术涉及数据处理领域，具体涉及一种基于耕地保护业务数据流的时空多维度大数据融合处理方法。
技术介绍
土地是人类赖以生存的物质基础，也是保障国家发展的重要资源。耕地作为土地资源的重要组成部分，是国家粮食安全和社会稳定发展的根本保障。随着我国耕地保护体系的建立以及保护措施的实施推广，国家对地方落实耕地保护责任目标、贯彻各项耕地保护制度、实施耕地保护成效的考核和监管也将进一步加强，而目前，对耕地保护的监管更多地仍停留在程序和政策上的监管，较少关注技术和操作层面，监管手段比较单一、监督检查力度不够。为主动适应新形势下耕地保护要求，建立“政策+科技”的耕地保护动态监测监管体系，搭建耕地保护监测监管系统，加强耕地保护信息化建设，强化土地开发整治、耕地占补平衡等项目实施过程中耕地保护的全流程监测监管，对推进耕地保护体系不断完善，加快构建耕地数量、质量和生态“三位一体”保护，促进形成保护更加有力、执行更加顺畅、管理更加高效的耕地保护新格局具有重要意义。针对海量耕地保护业务数据整合处理准备工作量极大，空间数据与业务数据的缺乏关联关系，对分析和应用造成很多不便的问题，本项目创新性地提出了基于时空多维度关系的大数据融合应用研究，研究开展了基于数据流图方法的耕地保护业务分析，通过对耕地保护要素等空间数据的抽取、缩编，实现针对业务的空间数据选择。开展了基于时空尺度转换模型以及空间分析模型的空间大数据与业务数据的转换与关联研究，实现了耕地保护工作中各类空间数据与相关业务数据的关联关系的建立。
技术实现思路
为解决上述问题，本专利技术提供了一种基于耕地保护业务数据流的时空多维度大数据融合处理方法，实现了耕地保护业务数据流的时空多维度的自动融合。为实现上述目的，本专利技术采取的技术方案为：一种基于耕地保护业务数据流的时空多维度大数据融合处理方法，包括如下步骤：S1、经各目标数据采集终端实现耕地保护业务数据流的采集；S2、基于时间信息以及空间信息实现耕地保护业务数据流的预分类；S3、采用Hadoop基于类间区分度的属性约简算法实现耕地保护业务数据的特征数据的提取；S4、基于LSSVM根据所述特征数据实现耕地保护业务数据的分类；S5、基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处，同时在该特征数据上建立其对应的耕地保护业务数据的超链接，实现耕地保护业务数据流的融合处理。进一步地，还包括剔除耕地保护业务数据流中图片数据的步骤。进一步地，还包括基于one-stage_Inception_V2_coco模型实现图片数据的中目标数据识别的步骤。进一步地，所述one-stage_Inception_V2_coco模型采用one-stage目标检测算法，用coco数据集预训练Inception_V2深度神经网络，然后用先前准备好的数据集训练该模型，微调深度神经网络中的各项参数，最后得到合适的用于对应区域耕地保护业务图片识别的检测模型。进一步地，还包括根据数据分类的结果调用对应的数据分析模型根据所述特征数据实现耕地保护业务数据流分析，并将分析结果填入模板对应处的步骤。进一步地，还包括根据图片数据识别的结果输出对应的文本数据的步骤。本专利技术具有以下有益效果：1）采用Hadoop基于类间区分度的属性约简算法实现耕地保护业务数据的特征数据的提取，大大提高了大规模数据的分析效率，从而可以将纷繁多样的海量数据转换成具有信息和商业价值的可用数据；然后基于LSSVM实现了耕地保护业务数据的自动分类，通过模板的设计以及超链接的设计实现了耕地保护业务数据流的时空多维度融合。2）基于one-stage_Inception_V2_coco模型实现了图片数据的自动识别处理。附图说明图1为本专利技术实施例1一种基于耕地保护业务数据流的时空多维度大数据融合处理方法的流程图。图2为本专利技术实施例2一种基于耕地保护业务数据流的时空多维度大数据融合处理方法的流程图。图3为本专利技术实施例3一种基于耕地保护业务数据流的时空多维度大数据融合处理方法的流程图。具体实施方式为了阐述清楚本专利技术的思想方法，便于使用者掌握本专利技术的具体实施步骤，进而体会到本专利技术的优点与可能取得的社会效益，以下结合实施例对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施仅仅用以解释本专利技术，并不用于限定本专利技术。实施例1如图1所示，本专利技术实施例提供了一种基于耕地保护业务数据流的时空多维度大数据融合处理方法，包括如下步骤：S1、经各目标数据采集终端实现耕地保护业务数据流的采集；S2、基于时间信息以及空间信息实现耕地保护业务数据流的预分类；S3、采用Hadoop基于类间区分度的属性约简算法实现耕地保护业务数据的特征数据的提取；S4、基于LSSVM根据所述特征数据实现耕地保护业务数据的分类；S5、基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处，同时在该特征数据上建立其对应的耕地保护业务数据的超链接，实现耕地保护业务数据流的融合处理。实施例2如图2所示，本专利技术实施例提供了一种基于耕地保护业务数据流的时空多维度大数据融合处理方法，包括如下步骤：S1、经各目标数据采集终端实现耕地保护业务数据流的采集；S2、基于时间信息以及空间信息实现耕地保护业务数据流的预分类；S3、剔除每一类耕地保护业务数据流中的图片数据，基于one-stage_Inception_V2_coco模型实现图片数据的中目标数据识别，并根据识别结果输出对应的文本数据，将输出的文本数据填充至模板对应的位置处，并在该文本数据上建立对应图片的超链接，通过点击该超链接即可实现对应图片的查看；S4、采用Hadoop基于类间区分度的属性约简算法实现耕地保护业务数据的特征数据的提取；S5、基于LSSVM根据所述特征数据实现耕地保护业务数据的分类；S6、基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处，同时在该特征数据上建立其对应的耕地保护业务数据的超链接，实现耕地保护业务数据流的融合处理，通过点击该超链接，即可实现对应耕地保护业务数据的查看。本实施例中，所述one-stage_Inception_V2_coco模型采用one-stage目标检测算法，用coco数据集预训练Inception_V2深度神经网络，然后用先前准备好的数据集训练该模型，微调深度神经网络中的各项参数，最后得到合适的用于对应区域耕地保护业务图片识别的检测模型。实施例3如图3所示，本专利技术实施例提供了一种基于耕地保护业务数据流的时空多维度大数据融合处理方法，包括如下步骤：S1、经各目标数据采集终端实现耕地保护业务数据流的采集；S2、基于时间信息以及空间信本文档来自技高网...

【技术保护点】
1.一种基于耕地保护业务数据流的时空多维度大数据融合处理方法，其特征在于：包括如下步骤：/nS1、经各目标数据采集终端实现耕地保护业务数据流的采集；/nS2、基于时间信息以及空间信息实现耕地保护业务数据流的预分类；/nS3、采用Hadoop基于类间区分度的属性约简算法实现耕地保护业务数据的特征数据的提取；/nS4、基于LSSVM根据所述特征数据实现耕地保护业务数据的分类；/nS5、基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处，同时在该特征数据上建立其对应的耕地保护业务数据的超链接，实现耕地保护业务数据流的融合处理。/n

【技术特征摘要】
1.一种基于耕地保护业务数据流的时空多维度大数据融合处理方法，其特征在于：包括如下步骤：
S1、经各目标数据采集终端实现耕地保护业务数据流的采集；
S2、基于时间信息以及空间信息实现耕地保护业务数据流的预分类；
S3、采用Hadoop基于类间区分度的属性约简算法实现耕地保护业务数据的特征数据的提取；
S4、基于LSSVM根据所述特征数据实现耕地保护业务数据的分类；
S5、基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处，同时在该特征数据上建立其对应的耕地保护业务数据的超链接，实现耕地保护业务数据流的融合处理。


2.如权利要求1所述的一种基于耕地保护业务数据流的时空多维度大数据融合处理方法，其特征在于：还包括剔除耕地保护业务数据流中图片数据的步骤。


3.如权利要求1所述的一种基于耕地保护业务数据流的时空多维度大数据融合处理方法，其特征在于：还包括基于one-stage_Inc...

【专利技术属性】
技术研发人员：崔树国，孙鸿睿，周晓宇，尹水镜，马海涛，侯琴，樊国堂，刘春洋，
申请(专利权)人：宁夏回族自治区自然资源勘测调查院，
类型：发明
国别省市：宁夏;64