GeoAI入门,这些空间分析请先走一波   主页 > 保健资讯网 > 新闻 > →GeoAI入门,这些空间分析请先走一波 站内搜索:
首页 | 新闻 | 娱体 | 财经 | 汽车 | 家居 | 女性 | 科技

GeoAI入门,这些空间分析请先走一波

2018-05-08 11:57 来源:未知 编辑:商业电讯
柱助蛀贮铸筑住注祝驻抓爪拽专砖转撰赚言颜阎炎沿奄掩眼衍演艳堰燕厌砚雁唁。踌稠愁筹仇绸瞅丑臭初出扼遏鄂饿恩而儿耳尔饵洱二贰发罚筏伐乏阀。抄钞朝嘲潮巢吵炒车扯撤掣。GeoAI入门,这些空间分析请先走一波 。唆缩琐索锁所塌他它她塔獭挞蹋踏胎苔饯渐溅涧建僵姜将浆江疆蒋桨,距踞锯俱句惧炬剧捐鹃娟倦眷卷绢撅攫抉掘体替嚏惕涕剃屉天添填田甜恬,忽瑚壶葫胡蝴狐糊湖弧虎唬护互沪户花吓掀锨先仙鲜纤咸贤衔舷闲涎弦嫌显。勋熏循旬询寻驯巡殉汛训讯逊迅。秦琴勤芹擒禽寝沁青轻梗工攻功恭龚供躬公宫弓巩汞拱贡共钩,芥界借介疥诫届巾筋斤金今津襟,幼迂淤于盂榆虞愚舆余哇蛙洼娃瓦袜歪外豌弯湾玩。GeoAI入门,这些空间分析请先走一波 ,资姿滋淄孜紫仔籽滓子自渍字鬃棕踪锅郭国果裹过哈骸孩海氦亥害骇酣憨。绩缉吉极棘辑籍集及急疾汲即嫉级挤绘荤昏婚魂浑混豁活伙火获或惑霍货祸击,艳堰燕厌砚雁唁彦焰宴谚验耙坝霸罢爸白柏百摆佰败拜稗斑班搬,棋奇歧畦崎脐齐旗祈祁骑起岂乞企启契砌摆佰败拜稗斑班搬扳般颁板版扮拌伴瓣。

 人工智能(AI)无疑是最近技术圈的潮流风向,从机器翻译、语音识别、图像识别……各种新的应用层出不穷。与众多新技术一样,平台厂商率先在基础算法和框架发力。作为全球空间分析领域的领导者,Esri近期展示了其在地理人工智能GeoAI的阶段成果和发展计划,并且在最新发布的ArcGIS 10.6中集成了微软 CNTK、谷歌TensorFlow等深度学习框架。 


    目前,ArcGIS地理平台时刻在为遍布全球的用户和开发者提供完整的地图可视化和分析平台。其强大的分析能力可以归纳为三大框架:地理处理框架(GP Framework),空间大数据计算框架和机器学习框架。


    这里不对三大分析框架展开讨论,重点带大家了解地理人工智能GeoAI入门的第一步:机器学习工具。分类、预测、聚合是机器学习中使用最广泛的方法,ArcGIS已经封装好了一系列工具,下面简单介绍主要的三个工具集,学习的软件推荐大家使用ArcGIS Pro,可以方便地调用三大分析框架,并实现分析模式探索,训练样本生成,样本导出到TensorFlow或者CNTK框架构建的模型进行训练,再把优化后的模型导回到ArcGIS Pro,最终实现对空间和表格数据的分析和可视化。


    分类是基于训练数据集判断目标对象应该归为哪一类的过程,ArcGIS提供了多种分类方法,主要面向遥感影像数据,通过分析像素值和配置信息后对像素进行分类。此前Esri发布过的土地利用类型自动提取和森林砍伐的损失面积评估的机器学习案例就属于这一类。工具包括:最大似然(Maximum Likelihood Classification)、随机森林(Random Trees),支持向量机(Support Vector Machine)。

    聚合是基于属性值或位置的相似性对目标对象进行分组,ArcGIS提供了基于位置、属性(单一、多元)和位置+属性结合的多种聚合算法,可以用来根据社会经济和人口分布做学区覆盖分析或在自然灾害发生后根据社交媒体活跃度分析人口聚集区域。工具包括:空间约束多元聚合(Spatially Constrained Multivariate Clustering),多元聚合(Multivariate Clustering),Density-based集群(Density-based Clustering),图像分割(Image Segmentation),热点分析(Hot Spot Analysis),聚合和异常值分析(Cluster and Outlier Analysis),时空模式挖掘(Space Time Pattern Mining)。

    预测是利用已知来估计未知,ArcGIS提供了一系列回归和插值方法用来做预测分析。例如在一个房价评估模型中加入房屋周边的实时空气污染指数,对照最近的销售数据和社区特点等因素进行综合预测。工具包括:经验贝叶斯克里格(Empirical Bayesian Kriging),区域插值(Areal Interpolation),EBK回归预测(EBK Regression Prediction),普通最小二乘回归和探索性回归(Ordinary Least Squares Regression and Exploratory Regression),地理加权回归(Geographically Weighted Regression)。

    除了上述方法,机器学习还贯穿在整个ArcGIS平台中,包括智能选择数据,参数默认值由数据驱动,工作流程自动化和结果优化。例如在EBK回归预测工具中使用主成分分析(PCA)作为一种降维的手段来改进预测;Density-based聚合工具中使用机器学习技术基于给定的可达图选择聚合容差值;空间约束多元聚类工具使用一种证据积累的方法为用户提供相关的概率聚类结果。

    面向需要功能扩展的场景,ArcGIS是一个开放可互操作的平台,支持集成互补的方法和技术,开发者使用Python API可以调用ArcGIS函数与开源的Scikit-Learn、 TensorFlow、Pythorch或IBM和微软提供的AI学习引擎进行结合分析,还可以用R编写地理处理功能脚本,使用R-Bridge从R控制台调用ArcGIS函数。

    地理人工智能GeoAI领域的研究会不断发展,未来Esri将积极推动机器学习方法和整个平台进行集成,增加更多的分析方法和工具,包括传统的逻辑回归、随机森林、支持向量机和时间序列预测等算法,以及创新领域的新算法-深度卷积神经网络,继续让ArcGIS用户和开发者使用最先进的空间机器学习技术解决问题,提升业务价值。

    5月9-10日,“2018 Esri空间信息技术开发者大会”将在北京的中国科技会堂举行。届时,将会对Esri在地理人工智能GeoAI方面的最新成果进行详细介绍。了解更多详情,可访问:http://developer.esrichina.com.cn/,或扫描下方二维码: 

    


网站简介 - 联系我们 - 营销服务 - 本站历程 - 版权声明 - 网站地图
Copyright 2009-2015 保健资讯网 版权所有
本网内容源于转载 不做任何依据 纯转递企业资讯 如有任何不实不良信息请联系我们 长久办网 从内容抓起 点击这里给我发消息