2019年易智瑞地理信息系统平台与人工智能终版.pdf

《2019年易智瑞地理信息系统平台与人工智能终版.pdf》由会员分享，可在线阅读，更多相关《2019年易智瑞地理信息系统平台与人工智能终版.pdf（56页珍藏版）》请在三个皮匠报告上搜索。

1、易智瑞地理信息系统平台与人工智能1.GIS与人工智能概述（5mins）人工智能发展概述 人工智能在GIS中的应用2.易智瑞地理信息系统和机器学习（20mins）机器学习算法及应用3.易智瑞地理信息系统与深度学习（20mins）易智瑞地理信息系统对深度学习的产品支持及应用4.总结目录一、GIS与人工智能概述探索：我们生活和工作中有哪些人工智能的应用？人工智能，跌宕起伏的发展历程探索：人工智能在GIS中的应用方向 影像分类 自动化目标检测 无人车驾驶 社交数据预测分析北北京京南京南京 地名地址信息识别更多二、易智瑞地理信息平台和机器学习机器学习深度学习人工智能CNTKTensorFlowThean

2、o自然语言处理视频游戏行为人工智能机器人KerasIBM Watsonscikit-learn计算机视觉易智瑞地理信息系统易智瑞地理信息系统集成易智瑞地理信息平台与人工智能的关系机器学习方法机器学习有监督学习无监督学习分类回归聚类分类技术预测的数据对象是离散值。分类模型将输入数据分类。典型应用包括垃圾邮件识别、医学成像，信用评分等：O2O优惠券使用预测 市民出行选乘公交预测 待测微生物种类判别 广告点击行为预测 基于文本内容的垃圾短信识别 P2P网络借贷平台的经营风险量化分析 国家电网客户用电异常行为分析 自动驾驶场景中的交通标志检测 大数据精准营销中用户画像挖掘 基于视角的领域情感分析 监控

3、场景下的行人精细化识别 用户评分预测 微额借款用户人品预测 汽车4S店邮件营销方案 分类图片来源于网络易智瑞地理信息平台提供的分类算法最大似然分类随机森林支持向量机图像分割最大似然法分类的工作原理原理：概率大的事件在一次观测中更容易发生；在一次观察中发生的事件其概率应该大利用已知的样本结果，反推最有可能（最大概率）导致这样结果的参数值。示例：使用最大似然法分类工具将多波段栅格监督分类为5个土地利用类型。显示为假彩色影像的 4、3 和 2 波段 Landsat TM 影像示例定义了五个土地利用类以生成训练样本，完成分类支持向量机是深度学习出现之前，机器学习中表现最好的算法SVM 分类器是一种功能

4、强大的监督分类方法本质是二分类算法，寻找一个超平面，将训练数据分为2类。将图像分块（分割），且将紧密邻近且具有相似光谱特性的像素分组到同一分割中图像分割基于Mean Shift算法：聚类、分割、影像平滑、追踪该技术使用移动窗口来计算平均像素值以确定每个分割中应该包括的像素。影像分割的特征取决于三个参数：光谱详细级别、空间详细级别和最小分割大小。图像分割已分割的彩色红外 WorldView-2(DigitalGlobe)基于 WorldView-2 的分割影像。它对区域进行了概化以使所有要素可作为较大的连续区域。回归回归技术预测的数据对象是连续值。回归模型包括一元回归和多元回归，线性回归和非线性

5、回归典型应用场景：机场客流量分布预测货币基金资金流入流出预测电影票房预测农产品价格预测分析基于多源数据的青藏高原湖泊面积预测微博传播规模和传播深度预测网约车出行流量预测搜索引擎的搜索量和股价波动中国人口增长分析农村居民收入增长预测房地产销售影响因素分析股价走势预测全国综合运输总量预测地震预报图片来源于网络易智瑞地理信息平台提供的回归算法经验贝叶斯克立金面插值（2D和3D）EBK 回归预测普通最小二乘回归广义线性回归地理加权回归基于随机森林的分类与回归基于森林的分类与回归一种新兴、高度灵活的机器学习方法，基于决策树的集成算法（Bagging类型）使用率高、使用面广训练集大小为N，随机且有放回的从

6、训练集中抽取n个训练样本，样本维度M，随机取m个子集，每次树进行分裂时，从这m个特征中选择最优的。图片来源于网络演示：海草适宜性生长预测聚类聚类算法用于在数据中寻找隐藏的模式或分组。聚类算法构成分组或类，类中的数据具有更高的相似度。聚类建模的相似度衡量可以通过欧几里得距离、概率距离或其他指标进行定义。典型应用场景：基于用户位置信息的商业选址中文地址标准化处理国家电网用户画像非人恶意流量识别求职信息完善搜索引擎查询聚类以进行流量推荐生物种群固有结构认知保险投保者分组网站关键词来源聚类图像分割A：某图片分享类媒体整体用户画像B：某图片分享类媒体细分用户特征图片来源于网络易智瑞地理信息平台提供的聚类