【技术实现步骤摘要】
本专利技术属于数据融合，具体涉及一种基于机器学习的空间数据融合方法、装置及存储介质。
技术介绍
1、空间数据融合涉及到地理信息、机器学习等多领域技术，在融合多源空间数据时，数据的质量和一致性问题显然是一个极具挑战性的方面。不同的数据源往往具备各自独特的特性，例如精度、分辨率以及标准化水平上存在显著的差异。这些差异可能导致融合后的数据存在不一致性和潜在误差，进而对最终的融合结果产生负面影响。不同数据源之间的精度差异可能会引入误差，因为一些数据源可能更准确地测量地理信息，而其他数据源可能存在测量误差或精度下降。这样的差异可能在融合过程中导致不匹配的问题，因为低精度数据可能会对高精度数据的融合结果产生显著影响。其次，数据分辨率的不同也是一个挑战。高分辨率数据源可以提供更详细的地理信息，而低分辨率数据源则可能丢失细节。在融合时，如何有效地处理这些不同分辨率数据，以保留重要信息并减少失真是一个复杂的问题，不同数据源的标准化级别可能存在差异，这需要在融合之前进行坐标转换或标准化处理，以确保数据在相同的地理坐标系下对齐。
2、总之，解决多...
【技术保护点】
1.一种基于机器学习的空间数据融合方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习的空间数据融合方法，其特征在于，在对接收到的原始多源异构空间数据进行标注前，先对原始多源异构空间数据进行预处理，具体包括：
3.根据权利要求1所述的一种基于机器学习的空间数据融合方法，其特征在于，所述对接收到的原始多源异构空间数据进行标注，具体包括将原始多源异构空间数据中的非结构化数据转为结构化数据，即将各所述非结构化数据用所有非结构化数据的平均值替代。
4.根据权利要求1所述的一种基于机器学习的空间数据融合方法，其特征在于，所述对所...
【技术特征摘要】
1.一种基于机器学习的空间数据融合方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习的空间数据融合方法，其特征在于，在对接收到的原始多源异构空间数据进行标注前，先对原始多源异构空间数据进行预处理，具体包括：
3.根据权利要求1所述的一种基于机器学习的空间数据融合方法，其特征在于，所述对接收到的原始多源异构空间数据进行标注，具体包括将原始多源异构空间数据中的非结构化数据转为结构化数据，即将各所述非结构化数据用所有非结构化数据的平均值替代。
4.根据权利要求1所述的一种基于机器学习的空间数据融合方法，其特征在于，所述对所述训练数据样本进行基于密度的聚类分析，得到分类后空间数据，具体包括：
5.根据权利要求4所述的一种基于机器学习的空间数据融合方法，其特征在于，所述步骤1中...
【专利技术属性】
技术研发人员：杨子豪，王鹏皓，
申请(专利权)人：深圳航天智慧城市系统技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。