基于k近鄰特征提取和深度學(xué)習(xí)的宅基地點(diǎn)云分類方法

基本信息

申請(qǐng)?zhí)?/td> CN202011019957.2 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN112101278A 公開(kāi)（公告）日 2020-12-18
申請(qǐng)公布號(hào) CN112101278A 申請(qǐng)公布日 2020-12-18
分類號(hào) G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 王懷採(cǎi);李修慶;李慶紅;趙健康;賴?guó)Q;徐靜冉;崔超 申請(qǐng)（專利權(quán)）人 湖南盛鼎科技發(fā)展有限責(zé)任公司
代理機(jī)構(gòu) 北京奧文知識(shí)產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 張文;苗麗娟
地址 410000 湖南省長(zhǎng)沙市高新區(qū)尖山路中電軟件園二期A8棟
法律狀態(tài) -

摘要

摘要 本發(fā)明公開(kāi)了一種基于k近鄰特征提取和深度學(xué)習(xí)的宅基地點(diǎn)云分類方法，包括：S1，采集數(shù)據(jù)集，數(shù)據(jù)集包括數(shù)量在預(yù)設(shè)值以上的宅基地點(diǎn)云，通過(guò)統(tǒng)計(jì)學(xué)方法進(jìn)行點(diǎn)云去噪，并將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集；S2，對(duì)點(diǎn)云進(jìn)行分類，獲得帶標(biāo)簽的點(diǎn)云數(shù)據(jù)；S3，使用最遠(yuǎn)點(diǎn)采樣對(duì)點(diǎn)云進(jìn)行下采樣，降低點(diǎn)云密度；S4，基于香濃熵原理計(jì)算點(diǎn)云的最優(yōu)鄰域范圍，根據(jù)最優(yōu)鄰域范圍，逐點(diǎn)計(jì)算局部特征，通過(guò)反距離插值上采樣后構(gòu)建整個(gè)點(diǎn)云的特征矩陣；S5，構(gòu)建全卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型，并使用訓(xùn)練集的特征矩陣進(jìn)行訓(xùn)練；S6，使用神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試集中的數(shù)據(jù)進(jìn)行預(yù)測(cè)，對(duì)訓(xùn)練模型進(jìn)行驗(yàn)證。本發(fā)明的方法可以提高宅基地確權(quán)效率。