CN108830438A - 一种耕地产能指数异常检验方法及系统 - Google Patents
一种耕地产能指数异常检验方法及系统 Download PDFInfo
- Publication number
- CN108830438A CN108830438A CN201810311610.1A CN201810311610A CN108830438A CN 108830438 A CN108830438 A CN 108830438A CN 201810311610 A CN201810311610 A CN 201810311610A CN 108830438 A CN108830438 A CN 108830438A
- Authority
- CN
- China
- Prior art keywords
- spot
- arable land
- abnormal
- production capacity
- piece
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000007689 inspection Methods 0.000 title claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 70
- 239000011159 matrix material Substances 0.000 claims abstract description 43
- 239000013598 vector Substances 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 8
- 230000001052 transient effect Effects 0.000 claims description 7
- 238000010998 test method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 241000233855 Orchidaceae Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Geometry (AREA)
- General Factory Administration (AREA)
Abstract
本发明实施例提供了一种耕地产能指数异常检验方法，包括：基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑；获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。本发明实施例提供的耕地产能指数异常检验方法及系统，通过空间自相关和影响因子相似度的检验，可以快速并准确的检验出异常图斑。
Description
技术领域
本发明实施例涉及耕地产能调查评价技术领域，尤其涉及一种耕地产能指数异常检验方法及系统。
背景技术
耕地是我国最为宝贵的资源。随着我国对粮食安全的重视不断提高，对现有耕地质量进行调查评价已经成为我国年度周期性工作。耕地产能作为耕地质量的核心，是耕地质量高低的重要指标。因此，对耕地产能评价成果的合理性、准确性进行检验具有十分重要的现实意义。
在现有技术中，对耕地产能指数异常值进行检验主要通过重现计算过程，较为常见的异常检验方法是空间自相关性分析方法。但目前所采用的空间自相关技术对异常值的选取仅仅依据单一变量(距离或相邻关系)进行判定，而未能考虑耕地面积对耕地图斑的影响，导致检验结果的合理性和准确性较低。
因此，现在亟需一种合理性和准确性较高的耕地产能指数异常检验方法。
发明内容
为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的耕地产能指数异常检验方法及系统。
第一方面本发明实施例提供一种耕地产能指数异常检验方法，包括：
基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑；
获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
第二方面本发明实施例提供了一种耕地产能指数异常检验系统，所述系统包括：
确定模块，用于基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑；
检验模块，用于获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
第三方面本发明实施例提供了耕地产能指数异常检验设备，包括：
处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述所述的耕地产能指数异常检验方法。
第四方面本发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述方法。
本发明实施例提供的耕地产能指数异常检验方法及系统，通过空间自相关和影响因子相似度的检验，可以快速并准确的检验出异常图斑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种耕地产能指数异常检验方法流程图；
图2是本发明实施例提供的一种耕地产能指数异常检验系统结构图；
图3是本发明实施例提供的耕地产能指数异常检验设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是本发明实施例提供的一种耕地产能指数异常检验方法流程图，如图1所示，所述方法包括：
S1、基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑；
S2、获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
其中，步骤S1中，所述耕地产能评价成果图是对获取的目标区域的耕地产能指数情况制成的图，从耕地产能评价成果图中可以获取目标区域的各块耕地图斑，所述空间权重矩阵为本发明实施例预设的用于评价两块耕地图斑之间的空间自相关性的评价手段，通过计算空间权重矩阵能够从所有耕地图斑中初步确定指数异常的异常图斑。
可以理解的是，未被初步判定的耕地图斑即为正常图斑，在步骤S2中，本发明实施例进一步的对异常图斑和其相邻的正常图斑之间的影响因子相似度进行计算，可以理解的是，如果影响因子相似度越高，那么证明该异常图斑和正常图斑的接近度很高，那么很有可能改异常图斑判别出错，实质上不是异常图斑。
反之，若影响因子相似度越低，那么证明该异常图斑和正常图斑的接近度很低，那么初步检验的结果正确，该耕地图斑为异常值。
在上述实施例的基础上，在所述基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑前，所述方法还包括：
获取所述耕地产能评价成果图中的所有耕地图斑以及每块耕地图斑的面积大小；
基于所述所有耕地图斑以及每块耕地图斑的面积大小，建立不同预设距离对应的不同空间权重矩阵。
可以理解的是，本发明实施例建立的空间权重矩阵是根据不同预设距离建立。
在现有技术中所使用的空间自相关性分析方法往往只考虑到了单一变量，一般为邻近关系和距离，本发明实施例在此基础上首先获取了每块耕地图斑的图斑面积大小，从而将图斑面积也作为变量之一，对空间自相关性进行分析。
本发明实施例所提供的空间权重矩阵的计算公式为：
其中，Wij为所述空间权重矩阵W的元素，表示第j块耕地图斑对第i块耕地图斑的影响权重，Aij为在当前预设距离内所述运用反距离权重法建立的第j块耕地图斑对第i块耕地图斑的空间权重；为所述第j块耕地图斑对所述第i块耕地图斑面积归一化后的值，maxi和mini分别为在所述第i块耕地图斑的所述当前预距离内的耕地图斑面积的最大值和最小值；Mj为所述第i块耕地图斑的所述当前预设距离内所述第j块耕地的面积。
优选地，建立上述空间权重矩阵的时候，所有的预设距离都是以面状耕地单元的质心为标准建立的。
进一步的，通过上述不同的预设距离，能够为每个预设距离建立一个相对应的空间权重矩阵。
在上述实施例的基础上，所述基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑，具体包括：
若判断获知每块耕地图斑都具体至少一块相邻的耕地图斑时，确定当前预设距离；
基于所述当前预设距离对应的空间权重矩阵，确定每块耕地图斑的局部莫兰指数；
基于每块耕地图斑的局部莫兰指数，从所有耕地图斑中确定所述异常图斑。
具体的，由上述实施例可知，本发明实施例预设了多个不同预设距离的不同空间权重矩阵，在不同预设距离中本发明实施例需要从中确定一个满足条件的最小距离，满足的条件即为为每一块耕地图斑均寻找到至少一块相邻的耕地图斑，在此种条件下可以确定出最小预设距离L1，并建立L1下的空间权重矩阵。
进一步的，根据该最小预设距离L1下的空间权重矩阵可以确定所述每块耕地图斑的局部莫兰指数，计算出的耕地图斑的莫兰指数为负数时，该快耕地图斑即为异常图斑。
在上述实施例的基础上，所述基于所述当前预设距离对应的空间权重矩阵，确定每块耕地图斑的局部莫兰指数，具体包括：
其中，Ii为所述第i块耕地图斑的局部莫兰指数，xi和xj分别为所述第i块耕地图斑和所述第j块耕地图斑的耕地产能指数，为所述第i块耕地图斑的产能指数的均值，表示所述第i块耕地图斑的耕地产能指数值的方差，n为所述耕地产能评价成果图中的图斑总数，Wij为所述空间权重矩阵。
在上述实施例的基础上，所述基于所述当前预设距离对应的空间权重矩阵，确定每块耕地图斑的局部莫兰指数，还包括：
基于Z检验法，计算每块耕地图斑的局部莫兰指数的置信度，并从中获取满足预设局部莫兰指数的置信度条件的耕地图斑的局部莫兰指数。
可以理解的是，计算出的耕地图斑的局部莫兰指数能够在一定程度上反应出该快耕地图斑是否发生异常，但是在某些环境下，这种直接由局部莫兰指数进行判定的方式不一定很准确，那么在此环境下，本发明实施例还设置了Z检验法来筛选计算出的局部莫兰指数。
一般的，当计算出的Ii的值为负值时，确定所述第i块耕地图斑为异常图斑，然后通过Z检验法确定Ii的置信度，然后根据设置的置信度条件|Z|＞1.65的置信度为90％来检验Ii。
如果Ii的值为负值且Z检验的绝对值大于1.65时，那么可以确定所述第i块耕地图斑为异常图斑。
在上述实施例的基础上，在所述基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑后，所述方法还包括：
获取所述不同预设距离对应的不同空间权重矩阵的全局莫兰指数，并根据所述全局莫兰指数确定异常图斑的缓冲区距离，以根据所述异常图斑的缓冲区距离约束所述空间权重矩阵。
由上述实施例的内容可知，本发明实施例对空间自相关性的分析采用的是反距离权重矩阵，那么本发明实施例需要对预设距离的范围有所约束，约束条件即为选取的距离范围。
具体的，本发明实施例首先根据上述Z检验结果中所述每块异常图斑的Z得分以及异常图斑的局部莫兰指数确定所述每块异常图斑的聚集类型；
再根据所述不同预设距离下的空间权重矩阵确定所述不同预设距离下的全局莫兰指数，并根据该全局莫兰指数确定缓冲区距离；
全局莫兰指数的公式为
其中，Wij为当前预设阈值距离下的空间权重矩阵，Ii为所述第i块耕地图斑的局部莫兰指数，xi和xj分别为所述第i块耕地图斑和所述第j块耕地图斑的耕地产能指数值，为所述第i块耕地图斑的产能指数值的均值，表示所述第i块耕地图斑的产能指数值的方差，n为所述耕地产能评价成果图中的图斑总数；
然后，根据所述缓冲区距离从每个异常图斑的边界分别向外侧建立所述每个异常图斑的缓冲区。
需要说明的是，上述确定的异常图斑均为初步确定的异常图斑，还需要通过本发明实施例提供的影响因子相似度进一步进行检验。
在上述实施例的基础上，所述获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确，具体包括：
将异常图斑对应的影响因子和其相邻的正常图斑对应的影响因子映射到向量空间，获取所述异常图斑对应的第一图斑向量以及所述相邻的正常图斑对应的第二图斑向量；
计算所述第一图斑向量和所述第二图斑向量之间的内积空间夹角余弦值，并将所述内积空间夹角余弦值作为所述影响因子相似度；
若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
可以理解的是，本发明实施例为了进一步检验判断出的异常图斑是否检验正确，采用了计算余弦相似度的方式进行进一步检验。
具体的，本发明实施例定义的内积空间夹角余弦值为两个向量之间的相似度，取值范围为[1，-1]，那么关于两个耕地图斑的余弦相似度可以采用以下方式计算：
其中，Yi和Ys是两块耕地图斑对应的两个空间向量。
进一步的，若所述两个耕地图斑夹角的余弦值小于0，说明两个图斑的相似度较低，则确定该异常值图斑确定无误；
若所述两个耕地图斑夹角的余弦值大于0，说明两个图斑的相似度较高，则确定该疑似异常值图斑判断失误。
图2是本发明实施例提供的一种耕地产能指数异常检验系统结构图，如图2所示，所述系统包括：确定模块1以及检验模块2，其中：
确定模块1用于基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑；
检验模块2用于获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
具体的如何通过确定模块1以及检验模块2对耕地产能指数异常值预测可用于执行图1所示的耕地产能指数异常检验方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明实施例提供的耕地产能指数异常检验系统，通过空间自相关和影响因子相似度的检验，可以快速并准确的检验出异常图斑。
本发明实施例提供一种耕地产能指数异常检验设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：
图3是本发明实施例提供的耕地产能指数异常检验设备的结构框图，参照图3，所述耕地产能指数异常检验设备，包括：处理器(processor)810、通信接口(CommunicationsInterface)820、存储器(memory)830和总线840，其中，处理器810，通信接口820，存储器830通过总线840完成相互间的通信。通信接口820可以用于服务器与耕地产能指数异常检验设备之间的信息传输。处理器810可以调用存储器830中的逻辑指令，以执行如下方法：基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑；获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑；获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑；获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种耕地产能指数异常检验方法，其特征在于，包括：
基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑；
获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
2.根据权利要求1所述的方法，其特征在于，在所述基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑前，所述方法还包括：
获取所述耕地产能评价成果图中的所有耕地图斑以及每块耕地图斑的面积大小；
基于所述所有耕地图斑以及每块耕地图斑的面积大小，建立不同预设距离对应的不同空间权重矩阵。
3.根据权利要求2所述的方法，其特征在于，在所述基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑后，所述方法还包括：
获取所述不同预设距离对应的不同空间权重矩阵的全局莫兰指数，并根据所述全局莫兰指数确定异常图斑的缓冲区距离，以根据所述异常图斑的缓冲区距离约束所述空间权重矩阵。
4.根据权利要求2所述的方法，其特征在于，所述基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑，具体包括：
若判断获知每块耕地图斑都具体至少一块相邻的耕地图斑时，确定当前预设距离；
基于所述当前预设距离对应的空间权重矩阵，确定每块耕地图斑的局部莫兰指数；
基于每块耕地图斑的局部莫兰指数，从所有耕地图斑中确定所述异常图斑。
5.根据权利要求4所述的方法，其特征在于，所述基于所述当前预设距离对应的空间权重矩阵，确定每块耕地图斑的局部莫兰指数，具体包括：
其中，Ii为所述第i块耕地图斑的局部莫兰指数，xi和xj分别为所述第i块耕地图斑和所述第j块耕地图斑的耕地产能指数，为所述第i块耕地图斑的产能指数的均值，表示所述第i块耕地图斑的耕地产能指数值的方差，n为所述耕地产能评价成果图中的图斑总数，Wij为所述空间权重矩阵。
6.根据权利要求5所述的方法，其特征在于，所述基于所述当前预设距离对应的空间权重矩阵，确定每块耕地图斑的局部莫兰指数，还包括：
基于Z检验法，计算每块耕地图斑的局部莫兰指数的置信度，并从中获取满足预设局部莫兰指数的置信度条件的耕地图斑的局部莫兰指数。
7.根据权利要求1所述的方法，其特征在于，所述获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确，具体包括：
将异常图斑对应的影响因子和其相邻的正常图斑对应的影响因子映射到向量空间，获取所述异常图斑对应的第一图斑向量以及所述相邻的正常图斑对应的第二图斑向量；
计算所述第一图斑向量和所述第二图斑向量之间的内积空间夹角余弦值，并将所述内积空间夹角余弦值作为所述影响因子相似度；
若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
8.一种耕地产能指数异常检验系统，其特征在于，所述系统包括：
确定模块，用于基于预设的空间权重矩阵，确定耕地产能评价成果图中的异常图斑；
检验模块，用于获取所述异常图斑和其相邻的正常图斑之间的影响因子相似度，若所述影响因子相似度小于预设阈值，则判定所述异常图斑检验正确。
9.一种耕地产能指数异常检验设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810311610.1A CN108830438A (zh) | 2018-04-09 | 2018-04-09 | 一种耕地产能指数异常检验方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810311610.1A CN108830438A (zh) | 2018-04-09 | 2018-04-09 | 一种耕地产能指数异常检验方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108830438A true CN108830438A (zh) | 2018-11-16 |
Family
ID=64154393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810311610.1A Pending CN108830438A (zh) | 2018-04-09 | 2018-04-09 | 一种耕地产能指数异常检验方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108830438A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104065863A (zh) * | 2013-03-19 | 2014-09-24 | 腾讯科技（深圳）有限公司 | 图像处理方法及处理装置 |
| CN105550938A (zh) * | 2015-12-03 | 2016-05-04 | 中国农业大学 | 县域耕地质量评价成果异常值检验方法 |
-
2018
- 2018-04-09 CN CN201810311610.1A patent/CN108830438A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104065863A (zh) * | 2013-03-19 | 2014-09-24 | 腾讯科技（深圳）有限公司 | 图像处理方法及处理装置 |
| CN105550938A (zh) * | 2015-12-03 | 2016-05-04 | 中国农业大学 | 县域耕地质量评价成果异常值检验方法 |
Non-Patent Citations (2)
| Title |
|---|
| MDN0002DDS: "数据相似度与异常检测", 《豆丁网，HTTPS://WWW.DOCIN.COM/P-1724230246.HTML》 * |
| 李建伟: "《普惠金融发展与城乡收入分配问题研究》", 31 October 2017, 中国经济出版社 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11568179B2 (en) | Selecting an algorithm for analyzing a data set based on the distribution of the data set | |
| CN105550938B (zh) | 县域耕地质量评价成果异常值检验方法 | |
| CN107798245B (zh) | 一种基于组件依赖图的软件安全漏洞预测方法 | |
| CN109711707B (zh) | 一种船舶动力装置综合状态评估方法 | |
| CN108763811A (zh) | 动态数据驱动林火蔓延预测方法 | |
| CN108564569B (zh) | 一种基于多核分类学习的混凝土裂缝检测方法及装置 | |
| CN109902641B (zh) | 基于语义对齐的人脸关键点检测方法、系统、装置 | |
| CN114331063A (zh) | 应用于智慧水务的大数据可视化处理方法及系统 | |
| CN108830438A (zh) | 一种耕地产能指数异常检验方法及系统 | |
| CN109308360A (zh) | 信道参数寻找方法、装置、存储介质和计算机设备 | |
| CN105159826B (zh) | 一种定位目标程序中的错误语句的方法和装置 | |
| Li et al. | A novel method for aggregating interval multiplicative comparison matrices and its application in ranking alternatives | |
| CN114065220B (zh) | 一种基于分布式系统的双重层次分析态势评估方法 | |
| CN113890833B (zh) | 网络覆盖预测方法、装置、设备及存储介质 | |
| CN113392857B (zh) | 基于yolo网络的目标检测方法、装置和设备终端 | |
| KR20110122776A (ko) | 계층화분석법의 일관성 지수 평가 방법 및 시스템 | |
| CN109978675A (zh) | 一种税务监控方法和装置 | |
| US20130332225A1 (en) | Risk-profile generation device | |
| CN109815133B (zh) | 一种软件测试方法、装置、计算设备及计算机存储介质 | |
| CN113887607A (zh) | 目标对象信息的处理方法、装置及计算机程序产品 | |
| CN109284328B (zh) | 一种关系型数据的处理方法、装置、服务器及介质 | |
| CN110866694A (zh) | 一种电网建设项目财务评价系统及其方法 | |
| CN105224569B (zh) | 一种数据过滤、构造数据滤波器的方法及装置 | |
| CN109753742A (zh) | 一种基于不均衡样本的航空发动机故障诊断方法、系统 | |
| CN107230005A (zh) | 一种数据处理方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |