CN114638172B - 一种湖底地形修复数据处理系统及处理方法 - Google Patents

一种湖底地形修复数据处理系统及处理方法 Download PDF

Info

Publication number
CN114638172B
CN114638172B CN202210531769.0A CN202210531769A CN114638172B CN 114638172 B CN114638172 B CN 114638172B CN 202210531769 A CN202210531769 A CN 202210531769A CN 114638172 B CN114638172 B CN 114638172B
Authority
CN
China
Prior art keywords
terrain
lake
description data
lake bottom
attribution information
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.)
Active
Application number
CN202210531769.0A
Other languages
English (en)
Other versions
CN114638172A (zh
Inventor
周艳莉
蒿海磊
王志华
马新宇
赵忠际
廖子清
高飞
张光凯
申青松
崔潇龙
徐大双
戴林瀚
刘政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Municipal Engineering Design and Research Institute of China
Original Assignee
Southwest Municipal Engineering Design and Research Institute of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Municipal Engineering Design and Research Institute of China filed Critical Southwest Municipal Engineering Design and Research Institute of China
Priority to CN202210531769.0A priority Critical patent/CN114638172B/zh
Publication of CN114638172A publication Critical patent/CN114638172A/zh
Application granted granted Critical
Publication of CN114638172B publication Critical patent/CN114638172B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种湖底地形修复数据处理系统及处理方法,涉及数据处理技术领域,通过为各湖底地形描述数据确定准确的地形描述归属信息,基于该地形描述归属信息对各湖底地形描述数据进行差异化整理,从而使得对应相同湖底地形修复任务的至少一种湖底地形描述的湖底地形描述数据都能够进行差异化整理,这样可以提高相同湖底地形修复任务的湖底地形描述数据差异化整理的质量和完整性,从而实现对湖底地形修复任务的准确可靠分析。

Description

一种湖底地形修复数据处理系统及处理方法
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种湖底地形修复数据处理系统及处理方法。
背景技术
现目前的湖底地形分析主要涉及地形数据与水质、循环流动状态等之间的关联分析,湖底地形分析是精确量化湖泊水资源与水循环影响、建立动力模型、实现水生态环境监测和灾害预警等研究项目的基础。其中,湖底地形修复作为其中一项重要工程,在实际应用时往往难以准确获得处理依据。发明人经研究和分析发现,造成这一问题的原因是传统的针对湖底地形的测绘数据处理技术存在数据整理不完整的缺陷。
发明内容
第一方面,本发明实施例提供了一种湖底地形修复数据处理方法,应用于数据处理系统,所述方法至少包括:响应于目标数据处理申请,确定候选区域测绘数据记录,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务,K为大于等于2的整数;
确定各所述湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数;
结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据,G为大于等于1的整数。
可选的,所述确定各所述湖底地形描述数据的目标地形描述归属信息,包括:
基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息。
可选的,所述AI网络模型包括第一归属信息处理子模型;所述基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,包括:
基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据。
可选的,所述基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,包括:基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息和关联归属信息进行至少一轮优化,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据;
其中,所述AI网络模型包括第一归属信息处理子模型和第二归属信息处理子模型,所述基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息和关联归属信息进行至少一轮优化,包括:基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息;基于完成调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,优化各湖底地形描述数据的关联归属信息;
其中,所述基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息,包括:基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,确定每两个湖底地形描述数据之间的描述相关度;通过每两个湖底地形描述数据之间的描述相关度,优化各湖底地形描述数据的地形描述归属信息;
其中,所述候选区域测绘数据记录包括K组测绘信息集,各所述测绘信息集分别匹配一种湖底地形描述;所述基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,确定每两个湖底地形描述数据之间的描述相关度,包括:确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的第一相似值;确定相同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的第二相似值;结合各所述第一相似值和各所述第二相似值,确定每两个湖底地形描述数据之间的描述相关度。
可选的,所述确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的第一相似值,包括:确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的数据关联性;对各所述第二相似值进行归一化;基于归一化后的各所述第二相似值和各所述数据关联性,确定每两个湖底地形描述数据的关联归属信息之间的第一相似值;
其中,所述确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的数据关联性,包括:确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的测绘影响特征;结合各所述测绘影响特征,确定各所述数据关联性;
其中,所述确定相同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的第二相似值,包括:基于相同湖底地形描述的测绘信息集中各湖底地形描述数据的上一个的关联归属信息,确定每两个所述湖底地形描述数据的关联归属信息之间的第二相似值。
可选的,所述基于完成调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,优化各湖底地形描述数据的关联归属信息,包括:
基于完成调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,确定每两个湖底地形描述数据之间的当前加权关联性;
结合各所述当前加权关联性,优化各湖底地形描述数据的关联归属信息。
可选的,所述结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,包括:通过每两个所述目标地形描述归属信息之间的归属类别差值,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集。
可选的,所述AI网络模型的调试步骤为:
获取模型调试示例集,所述模型调试示例集包括G个区域测绘数据记录示例,每一区域测绘数据记录示例包括K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务,各所述湖底地形描述数据携带标注信息;
基于待调试的AI网络模型,确定各所述区域测绘数据记录示例中的各湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述区域测绘数据记录示例中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数;
结合各所述区域测绘数据记录示例中的各湖底地形描述数据的目标地形描述归属信息和各湖底地形描述数据的标注信息,确定目标模型损失值;
在所述目标模型损失值达标的基础上,对所述AI网络模型的模型参数进行优化。
可选的,所述基于待调试的AI网络模型,确定各所述区域测绘数据记录示例中的各湖底地形描述数据的目标地形描述归属信息,包括:基于待调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息;
其中,所述AI网络模型包括第一归属信息处理子模型;所述基于待调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,包括:基于待调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据;
其中,所述AI网络模型还包括第二归属信息处理子模型,所述方法还包括:基于待调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,优化各湖底地形描述数据的关联归属信息;
其中,各所述区域测绘数据记录示例包括K组测绘信息集,各所述测绘信息集分别匹配一种湖底地形描述;所述结合各所述区域测绘数据记录示例中的各湖底地形描述数据的目标地形描述归属信息和各湖底地形描述数据的标注信息,确定目标模型损失值,包括:通过各轮优化中相同湖底地形描述的测绘信息集中的每两个湖底地形描述数据的关联归属信息之间的第二相似值和各湖底地形描述数据的标注信息,确定相似值对应的模型损失值;基于在先的每一轮优化中每两个湖底地形描述数据的地形描述归属信息之间的归属类别差值、每两个湖底地形描述数据的目标地形描述归属信息之间的归属类别差值和各湖底地形描述数据的标注信息,确定归属类别差值对应的模型损失值;结合所述相似值对应的模型损失值和所述归属类别差值对应的模型损失值,确定目标模型损失值。
第二方面,本发明实施例还提供了一种数据处理系统,包括处理引擎、网络模块和存储器,所述处理引擎和所述存储器通过所述网络模块通信,所述处理引擎用于从所述存储器中读取计算机程序并运行,以实现上述的方法。
本申请实施例中,通过响应于目标数据处理申请,确定候选区域测绘数据记录,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务;确定各所述湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数;结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据。如此设计,通过为各湖底地形描述数据确定准确的地形描述归属信息,基于该地形描述归属信息对各湖底地形描述数据进行差异化整理,从而使得对应相同湖底地形修复任务的至少一种湖底地形描述的湖底地形描述数据都能够进行差异化整理,这样可以提高相同湖底地形修复任务的湖底地形描述数据差异化整理的质量和完整性,从而实现对湖底地形修复任务的准确可靠分析。
附图说明
图1是根据本发明的一些实施例所示的一种示例性数据处理系统中硬件和软件组成的示意图。
图2是根据本发明的一些实施例所示的一种示例性湖底地形修复数据处理方法和/或过程的流程图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
在一些实施例中,如图1所示,本发明实施例公开的数据处理系统100可以包括处理引擎110、网络模块120和存储器130,处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本发明中描述的一个或多个功能。例如,在一些实施例中,处理引擎110可以包括至少一个处理引擎(例如,单核处理引擎或多核处理器)。仅作为示例,处理引擎110可以包括中央处理单元(Central ProcessingUnit,CPU)、专用集成电路(Application-Specific Integrated Circuit,ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field ProgrammableGate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer,RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中,网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例,网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网络(Wireless Local Area Network,WLAN)、城域网(Metropolitan Area Network,MAN)、公用电话交换网(Public Telephone SwitchedNetwork,PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication,NFC)网络等或上述举例的任意组合。在一些实施例中,网络模块120可以包括至少一个网络接入点。例如,网络模块120可以包括有线或无线网路接入点,如基站和/或网路接入点。
存储器130可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器130用于存储程序,所述处理引擎110在接收到执行指令后,执行所述程序。
可以理解,图1所示的结构仅为示意,数据处理系统100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
图2是根据本发明的一些实施例所示的一种示例性湖底地形修复数据处理方法和/或过程的流程图,湖底地形修复数据处理方法应用于图1中的数据处理系统100,进一步可以包括以下内容所描述的技术方案。
步骤11:响应于目标数据处理申请,确定候选区域测绘数据记录。
示例性的,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务。
进一步地,湖底地形描述数据示例性可包含携带湖底地形描述向量的湖底地形描述数据,比如,包含地势倾斜的湖底地形描述数据、包含地势起伏的湖底地形描述数据、包含地势类型分布的湖底地形描述数据、包含异形区域面积的湖底地形描述数据、包含沟壑纵横的湖底地形描述数据等。不同的湖底地形描述数据可以是对应相同个湖底地形修复任务或者不同湖底地形修复任务的湖底地形描述数据。对于一些示例而言,湖底地形修复任务可以包含但不限于清淤任务或者危险地形填补任务等。
示例性的,候选区域测绘数据记录可以包含但不限于相同湖底地形修复任务或者存在差异的湖底地形修复任务的不低于一种类别的湖底地形描述数据等。比如,候选区域测绘数据记录可以包含相同湖底地形修复任务的相同类别的湖底地形描述数据,比如,候选区域测绘数据记录中包含湖底地形修复任务mission_x的地势倾斜的湖底地形描述数据。又比如,候选区域测绘数据记录可以包含相同湖底地形修复任务的不低于两种类别的湖底地形描述数据,即该候选区域测绘数据记录包含对应相同个湖底地形修复任务的不同湖底地形描述的K组湖底地形描述数据,比如,候选区域测绘数据记录中包含湖底地形修复任务mission_x的地势倾斜的湖底地形描述数据、湖底地形修复任务mission_x的地势起伏的湖底地形描述数据。再比如,候选区域测绘数据记录可包含不同湖底地形修复任务的相同类别的湖底地形描述数据,比如,候选区域测绘数据记录可包含湖底地形修复任务mission_x的地势倾斜的湖底地形描述数据、湖底地形修复任务mission_y的地势倾斜的湖底地形描述数据。还比如,候选区域测绘数据记录可包含不同湖底地形修复任务的不低于两种类别的湖底地形描述数据,比如,候选区域测绘数据记录中包含湖底地形修复任务mission_x的地势倾斜的湖底地形描述数据、湖底地形修复任务mission_x的地势起伏的湖底地形描述数据、湖底地形修复任务mission_y的地势倾斜的湖底地形描述数据、湖底地形修复任务mission_y的异形区域面积的湖底地形描述数据等。
比如,在目标智能测绘报告中获寻目标湖底地形修复任务的湖底地形描述数据的实施例下,可以输入对应的包含目标湖底地形修复任务的地势倾斜的湖底地形描述数据及目标智能测绘报告,对目标智能测绘报告进行测绘描述挖掘后得到候选区域测绘数据记录,该候选区域测绘数据记录中包含多个湖底地形修复任务的若干类别的湖底地形描述数据,比如,包含地势倾斜的湖底地形描述数据、包含地势起伏的湖底地形描述数据及包含异形区域面积的湖底地形描述数据。数据处理系统对候选区域测绘数据记录进行差异化整理,导出与包含目标湖底地形修复任务的地势倾斜的湖底地形描述数据、地势起伏的湖底地形描述数据以及异形区域面积的湖底地形描述数据到相同数据集中。
步骤12:确定各所述湖底地形描述数据的目标地形描述归属信息。
进一步地,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数。此外,目标地形描述归属信息还可以理解为不同湖底地形描述数据的分布。
示例性的,各湖底地形描述数据的目标地形描述归属信息为一个相同的地形描述归属信息,与湖底地形描述数据中的湖底地形描述向量不存在联系。
对于一些示例而言,可以借助完成调试的AI网络模型来确定各所述湖底地形描述数据的目标地形描述归属信息。一般而言,将候选区域测绘数据记录记载到完成调试的AI网络模型中,以方便得到候选区域测绘数据记录中各湖底地形描述数据的目标地形描述归属信息。
对于一些示例而言,可以通过每两个湖底地形描述数据之间的测绘影响特征对各湖底地形描述数据的地形描述归属信息进行默认处理,并借助优化模型参数对地形描述归属信息进行优化,以确定各湖底地形描述数据的目标地形描述归属信息。此外,测绘影响特征可以理解为每两个湖底地形描述数据之间的关联关系,模型参数可以理解为AI网络模型的参数。
进一步地,测绘影响特征可以包含但不限于对应相同个湖底地形修复任务等。一般而言,该测绘影响特征可以是事先设置的,也可以是在响应于目标数据处理申请,确定候选区域测绘数据记录的进程中确定的。对于一些示例而言,可以通过手动设定该测绘影响特征。比如,通过非智能化设定候选区域测绘数据记录中局部湖底地形描述数据之间的测绘影响特征。
对于一些示例而言,可以对原始测绘报告进行测绘描述挖掘得到该测绘影响特征。比如,在原始测绘报告包括不少于一类湖底地形修复任务的信息的基础上,对该信息对进行地势倾斜及地势起伏的测绘描述挖掘,以得到不少于一类湖底地形修复任务的包含地势倾斜的湖底地形描述数据和包含地势起伏的湖底地形描述数据,并将对应相同湖底地形修复任务的包含地势倾斜的湖底地形描述数据和包含地势起伏的湖底地形描述数据优化成测绘影响特征。
进一步地,优化模型参数可包含不同湖底地形描述(缺陷类别或者缺陷状态)中每两个湖底地形描述数据之间的第一相似值、相同湖底地形描述中每两个湖底地形描述数据之间的第二相似值、每两个湖底地形描述数据的测绘描述相关度等,但不限于此。所述第一相似值可以包含但不限于不同湖底地形描述中每两个湖底地形描述数据的关联归属信息之间的相似值。可以理解,各湖底地形描述数据的关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据。所述第二相似值可以包含但不限于相同湖底地形描述中每两个湖底地形描述数据的关联归属信息之间的相似值。所述每两个湖底地形描述数据的测绘描述相关度可以包含但不限于每两个湖底地形描述数据的地形描述归属信息之间的测绘影响特征。进一步的,相似值可以理解为不同湖底地形描述中每两个湖底地形描述数据之间的湖底地形描述匹配度。
对于一些示例而言,通过每两个湖底地形描述数据之间的测绘影响特征对各湖底地形描述数据的地形描述归属信息进行默认,并基于优化模型参数,对默认后的地形描述归属信息进行至少一轮优化。
步骤13:结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集。
对于本发明实施例中,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据。对各湖底地形描述数据进行差异化整理可以理解为对各湖底地形描述数据进行聚类处理。
对于一些示例而言,可以通过每两个目标地形描述归属信息之间的归属类别差值以及归属信息对比结果等来进行差异化整理。而归属类别差值可以理解为每两个目标地形描述归属信息之间的类似率。
比如,确定每两个湖底地形描述数据的目标地形描述归属信息之间的归属信息对比结果,在该归属信息对比结果不小于第一判断值的基础上,说明这两个湖底地形描述数据对应相同个湖底地形修复任务,将这两个湖底地形描述数据划分到相同归属;在该归属信息对比结果小于第一判断值的基础上,说明这两个湖底地形描述数据对应不同的湖底地形修复任务,将这两个湖底地形描述数据划分到不同归属。
示例性的,所述步骤13所记录的内容可以如下步骤131。
步骤131:通过每两个所述目标地形描述归属信息之间的归属类别差值,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集。
示例性的,可以通过每两个目标地形描述归属信息之间的归属类别差值和第二判定值,实现对相同湖底地形修复任务的至少一种湖底地形描述数据进行差异化整理。
比如,在第二判定值为相似度的基础上,如果两个目标地形描述归属信息之间的归属类别差值不小于第二判定值,说明这两个湖底地形描述数据存在联系,那么这两个湖底地形描述数据对应相同个湖底地形修复任务,将该两个湖底地形描述数据分团为相同个湖底地形描述数据集。又比如,在第二判定值为独立系数的基础上,如果两个目标地形描述归属信息之间的归属类别差值不小于第二判定值,说明这两个湖底地形描述数据不存在联系,那么这两个湖底地形描述数据对应不同湖底地形修复任务,将该两个湖底地形描述数据分团为不同湖底地形描述数据集。
应用于上述相关实施例,通过响应于目标数据处理申请,确定候选区域测绘数据记录,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务;确定各所述湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数;结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据。如此设计,通过为各湖底地形描述数据确定准确的地形描述归属信息,基于该地形描述归属信息对各湖底地形描述数据进行差异化整理,从而使得对应相同湖底地形修复任务的至少一种湖底地形描述的湖底地形描述数据都能够进行差异化整理,这样可以提高相同湖底地形修复任务的湖底地形描述数据差异化整理的质量,从而实现对湖底地形修复任务的准确可靠分析。
示例性的,该湖底地形修复数据处理方法还可包含如下步骤21-步骤23所公开的内容。
步骤21:响应于目标数据处理申请,确定候选区域测绘数据记录,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务。
示例性的,步骤21对应于以上步骤11,一般而言,可以参阅以上步骤11的操作思路。
步骤22:基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数。
对于一些示例而言,完成调试的AI网络模型(比如LSTM)至少包括第二归属信息处理子模型。第二归属信息处理子模型用于确定各湖底地形描述数据的描述数据关联列表(比如湖底地形描述分布图),该描述数据关联列表包括G个列表单元以及列表单元之间的关联特征,每一列表单元表征各湖底地形描述数据的地形描述归属信息,每一关联特征表征每两个列表单元对应相同个湖底地形修复任务的命中指数。基于优化模型参数对第二归属信息处理子模型确定的描述数据关联列表中的每一列表单元及其关联特征进行至少一轮优化,将末尾一轮的描述数据关联列表中的每一列表单元作为该湖底地形描述数据的目标地形描述归属信息。其中,优化模型参数可以包含但不限于每两个不同湖底地形描述的湖底地形描述数据之间的第一相似值、每两个相同湖底地形描述的湖底地形描述数据之间的第二相似值、每两个湖底地形描述数据的测绘描述相关度等。
对于一些示例而言,完成调试的AI网络模型至少包括第一归属信息处理子模型和第二归属信息处理子模型。一般而言,将第一归属信息处理子模型的导出模型参数作为优化模型参数来优化描述数据关联列表中的各湖底地形描述数据的地形描述归属信息,将描述数据关联列表中优化后的地形描述归属信息作为优化模型参数来优化第一归属信息处理子模型中的关联归属信息,从而可以使得将对应相同个湖底地形修复任务的多个湖底地形描述数据分团成相同个湖底地形描述数据集。其中,第一归属信息处理子模型用于确定各湖底地形描述数据的描述分布列表,该描述分布列表包括G个描述分布单元以及描述分布单元之间的任务关联度,每一描述分布单元表征各湖底地形描述数据的关联归属信息,关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据,每一任务关联度表征每两个湖底地形描述数据之间的地形描述影响度。其中,该地形描述影响度可包含第一任务关联度和第二任务关联度,所述第一任务关联度表征相同湖底地形描述中每两个描述分布单元对应相同个湖底地形修复任务的命中指数,所述第二任务关联度旨在反映不同湖底地形描述中每两个描述分布单元对应相同个湖底地形修复任务。对于一些示例而言,可以通过第一可视化标签来反映该第一任务关联度,通过该第二可视化标签来反映该第二任务关联度。
比如,候选区域测绘数据记录包括Q个湖底地形描述数据,该Q个湖底地形描述数据包括W个湖底地形修复任务的R种类别的湖底地形描述数据,这时,描述分布列表可包含R个局部分布列表,其中,每一局部分布列表中的每个描述分布单元表征对应相同个湖底地形描述类别的多个湖底地形描述数据。一般而言,可以根据每两个湖底地形描述数据之间的测绘影响特征,通过第一可视化标签将对应相同湖底地形描述的多个湖底地形描述数据进行关联,通过第二可视化标签将对应相同湖底地形修复任务的不同湖底地形描述的湖底地形描述数据进行关联。
步骤23:结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据。
示例性的,步骤23对应于以上步骤13,一般而言,可以参阅以上步骤13的操作思路。
示例性的,通过响应于目标数据处理申请,确定候选区域测绘数据记录,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务;基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数;结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据。如此设计,通过该AI网络模型可以为各湖底地形描述数据确定准确的目标地形描述归属信息,基于该目标地形描述归属信息对各湖底地形描述数据进行差异化整理,实现了全面的对对应相同湖底地形修复任务的至少一种湖底地形描述的湖底地形描述数据进行差异化整理,无需手动设置以及处理大量的湖底地形描述整合,能够提高相同湖底地形修复任务的湖底地形描述数据差异化整理的质量。
示例性的,该湖底地形修复数据处理方法还可包含步骤31-步骤33所公开的内容。
步骤31:响应于目标数据处理申请,确定候选区域测绘数据记录,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务。
步骤32:基于完成调试的AI网络模型中的第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息,在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据。
示例性的,AI网络模型至少包括第一归属信息处理子模型,该第一归属信息处理子模型用于确定各湖底地形描述数据的描述分布列表,该描述分布列表包括G个描述分布单元以及描述分布单元之间的任务关联度,每一描述分布单元表征各湖底地形描述数据的关联归属信息,每一任务关联度表征每两个湖底地形描述数据之间的地形描述影响度。其中,该地形描述影响度可包含第一关联特征和第二关联特征,所述第一关联特征表征相同湖底地形描述中每两个湖底地形描述数据对应相同个湖底地形修复任务的命中指数,所述第二关联特征用于对接不同湖底地形描述中对应相同个湖底地形修复任务的两个湖底地形描述数据。对于一些示例而言,可以通过第一可视化标签来反映该第一关联特征,通过该第二可视化标签来反映该第二关联特征。
可以理解,在候选区域测绘数据记录包括六个湖底地形描述数据,这六个湖底地形描述数据分别表示湖底地形修复任务mission_x的两个地势倾斜信息和一个地势起伏信息,湖底地形修复任务mission_y的一个地势倾斜信息和两个地势起伏信息的基础上,本发明实施例提供的一种基于第一归属信息处理子模型确定描述分布列表的思路,描述分布列表list300中包含六个描述分布单元,第一描述分布单元为湖底地形修复任务mission_x的地势倾斜信息DES1,第二描述分布单元为湖底地形修复任务mission_x的地势倾斜信息DES2,第三描述分布单元为湖底地形修复任务mission_y的地势倾斜信息DES3,第四描述分布单元为湖底地形修复任务mission_x的地势起伏信息DES4,第五描述分布单元为湖底地形修复任务mission_y的地势起伏信息DES5,第六描述分布单元为湖底地形修复任务mission_y的地势起伏信息DES6,进一步的,第一描述分布单元DES1至第三描述分布单元DES3形成了对应地势倾斜标签的多个湖底地形描述数据,第四描述分布单元DES4至第六描述分布单元DES6形成了对应地势起伏标签的多个湖底地形描述数据,通过第一可视化标签TAG1来配对地势倾斜标签中每两个描述分布单元、地势起伏标签中每两个描述分布单元,该每一第一可视化标签TAG1表征匹配的两个描述分布单元对应相同个湖底地形修复任务的命中指数,通过第二可视化标签TAG2来配对地势倾斜标签和地势起伏标签中对应相同个湖底地形修复任务的两个描述分布单元,该各第二可视化标签TAG2表征匹配的两个描述分布单元对应相同个湖底地形修复任务。
步骤33:结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据。
对于一种可独立实施的技术方案而言,所述基于完成调试的AI网络模型中的第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息,可包含步骤321和步骤322。
步骤321:基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,确定每两个湖底地形描述数据之间的描述相关度。
示例性的,关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据,描述相关度表征在当前这一轮中每两个湖底地形描述数据的地形描述归属信息之间的衍生湖底地形描述数据,因此,描述相关度可以理解为当前的联动缺陷影响之间的相关度。进一步地,关联归属信息还可以理解为各湖底地形描述数据的关联表征。
对于一些示例而言,可以基于对应相同湖底地形描述中的每两个湖底地形描述数据之间的关联归属信息、第二相似值、及对应不同湖底地形描述中的每两个湖底地形描述数据之间的测绘影响特征、数据关联性、第一相似值等来确定每两个湖底地形描述数据之间的当前相关度。可以理解,测绘影响特征可以表征每两个湖底地形描述数据对应相同个湖底地形修复任务,或者每两个湖底地形描述数据对应不同的湖底地形修复任务,该测绘影响特征可以是事先设置的,或者在响应于目标数据处理申请,确定候选区域测绘数据记录的进程中确定的。数据关联性可以包含但不限于不同湖底地形描述中每两个湖底地形描述数据的测绘影响特征。
步骤322、通过每两个湖底地形描述数据之间的描述相关度,优化各湖底地形描述数据的地形描述归属信息。
示例性的,可以通过每两个湖底地形描述数据之间的描述相关度,将各湖底地形描述数据的上一地形描述归属信息优化为各湖底地形描述数据的当前地形描述归属信息
示例性的,所述候选区域测绘数据记录包括K组测绘信息集,各所述测绘信息集分别匹配一种湖底地形描述,所述步骤321可包含步骤331-步骤333所记录的内容。
步骤331:确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的第一相似值。
示例性的,第一相似值表征不同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的类似率。
进一步地,可以基于不同湖底地形描述的测绘信息集内的每两个湖底地形描述数据之间的测绘影响特征、数据关联性、相同湖底地形描述的测绘信息集内的每两个湖底地形描述数据之间的第二相似值等来确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的第一相似值。
步骤332:确定相同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的第二相似值。
示例性的,第二相似值表征相同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的类似率。
进一步地,可以基于相同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息来确定相同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的第二相似值。
示例性的,步骤332所记录的方案可以通过如下步骤3321实现。
步骤3321:基于相同湖底地形描述的测绘信息集中各湖底地形描述数据的上一个的关联归属信息,确定每两个所述湖底地形描述数据的关联归属信息之间的第二相似值。
示例性的,第二相似值表征相同湖底地形描述的测绘信息集中每两个湖底地形描述数据的上一个关联归属信息之间的类似率。
步骤333:结合各所述第一相似值和各所述第二相似值,确定每两个湖底地形描述数据之间的描述相关度。
示例性的,描述相关度表征在当前这一轮中每两个湖底地形描述数据的地形描述归属信息之间的衍生湖底地形描述数据。
示例性的,步骤331所记录的内容可包含步骤341-步骤343。
步骤341:确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的数据关联性。
示例性的,数据关联性表征不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的测绘影响特征。
对于一些示例而言,可以基于不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的测绘影响特征来确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的数据关联性。
步骤342:对各所述第二相似值进行归一化。
示例性的,第二相似值表征相同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的类似率。
步骤343:基于归一化后的各所述第二相似值和各所述数据关联性,确定每两个湖底地形描述数据的关联归属信息之间的第一相似值。
示例性的,第一相似值表征不同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的类似率。
示例性的,步骤341可包含步骤351和步骤352。
步骤351:确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的测绘影响特征。
示例性的,测绘影响特征可以预设的,也可以是在响应于目标数据处理申请,确定候选区域测绘数据记录的进程中确定的。
步骤352:结合各所述测绘影响特征,确定各所述数据关联性。
示例性的,数据关联性表征不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的测绘影响特征。
可以理解的是,通过响应于目标数据处理申请,确定候选区域测绘数据记录,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务;基于完成调试的AI网络模型中的第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息,在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据;结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据。如此设计,通过该AI网络模型的第一归属信息处理子模型通过各湖底地形描述数据的关联归属信息优化每一湖底地形描述的地形描述归属信息,可以得到更全面可信的各湖底地形描述数据的地形描述归属信息,进而可以提高相同湖底地形修复任务的湖底地形描述数据差异化整理的质量。
示例性的,该湖底地形修复数据处理方法还可包含步骤41-步骤43。
步骤41:响应于目标数据处理申请,确定候选区域测绘数据记录,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务。
步骤42:基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息和关联归属信息进行至少一轮优化,在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数。
示例性的,所述AI网络模型包括第一归属信息处理子模型和第二归属信息处理子模型,所述基于基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息和关联归属信息进行至少一轮优化,可包含步骤421和步骤422。
步骤421:基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息。
步骤422:基于完成调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,优化各湖底地形描述数据的关联归属信息。
示例性的,完成调试的AI网络模型至少包括第二归属信息处理子模型,该第二归属信息处理子模型用于确定各湖底地形描述数据的描述数据关联列表,该描述数据关联列表包括G个列表单元以及列表单元之间的关联特征,每一列表单元表征各湖底地形描述数据的地形描述归属信息,每一关联特征表征每两个列表单元对应相同个湖底地形修复任务的命中指数。
对于一些示例而言,可以通过第一视觉标识来反映该关联特征。
可以理解的是,在候选区域测绘数据记录包括六个湖底地形描述数据,这六个湖底地形描述数据分别表示湖底地形修复任务mission_x的两个地势倾斜信息和一个地势起伏信息,湖底地形修复任务mission_y的一个地势倾斜信息和两个地势起伏信息的基础上,本发明实施例提供的一种基于第二归属信息处理子模型确定描述数据关联列表的思路,进一步地,描述数据关联列表list410中包含六个列表单元,分别为列表单元unit1至列表单元unit6,每一列表单元表征各湖底地形描述数据的地形描述归属信息,通过第一视觉标识LSP1来配对每两个列表单元,该每一第一视觉标识LSP1旨在反映匹配的两个列表单元对应相同湖底地形修复任务的命中指数。
示例性的,步骤422可以如下包括步骤431和步骤432。
步骤431:基于完成调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,确定每两个湖底地形描述数据之间的当前加权关联性。
示例性的,当前加权关联性表征当前这一轮每两个湖底地形描述数据的关联归属信息之间的测绘影响特征。
步骤432:结合各所述当前加权关联性,优化各湖底地形描述数据的关联归属信息。
步骤43:结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据。
本发明实施例中,通过响应于目标数据处理申请,确定候选区域测绘数据记录,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务;基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息和关联归属信息进行至少一轮优化,在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数;结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据。这样,通过该AI网络模型的第一归属信息处理子模型通过各湖底地形描述数据的关联归属信息优化每一湖底地形描述的地形描述归属信息,通过该AI网络模型的第二归属信息处理子模型通过各湖底地形描述数据优化后的地形描述归属信息优化各湖底地形描述数据的关联归属信息,如此一来,通过不断迭代优化以及互相影响的思路,可以得到更全面可信的各湖底地形描述数据的地形描述归属信息,进而可以提高相同湖底地形修复任务的湖底地形描述数据差异化整理的质量。
示例性的,上述的AI网络模型的调试步骤可以通过如下步骤51至步骤54所描述的技术方案实现。
步骤51:获取模型调试示例集。
进一步的,所述模型调试示例集包括G个区域测绘数据记录示例,每一区域测绘数据记录示例包括K组湖底地形描述数据表现信息,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务,各所述湖底地形描述数据携带标注信息。
示例性的,湖底地形描述数据示例性可包含携带湖底地形描述向量的湖底地形描述数据,比如,包含地势倾斜的湖底地形描述数据、包含地势起伏的湖底地形描述数据、包含地势类型分布的湖底地形描述数据、包含异形区域面积的湖底地形描述数据、包含沟壑纵横的湖底地形描述数据等。不同的湖底地形描述数据可以是对应相同个湖底地形修复任务或者不同湖底地形修复任务的湖底地形描述数据。对于一些示例而言。
对于一些示例而言,每一区域测绘数据记录示例可以包含但不限于相同湖底地形修复任务或不同湖底地形修复任务的不低于一种类别的湖底地形描述数据等。
进一步的,标注信息(比如:标签信息)用于指示各湖底地形描述数据所对应的湖底地形修复任务。对于一些示例而言,通过对比两个湖底地形描述数据的标注信息来确定是否源于相同湖底地形修复任务。
对于一些示例而言,模型调试示例集(可以理解为样本集)可以为预设的。
步骤52:基于待调试的AI网络模型,确定各所述区域测绘数据记录示例中的各湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述区域测绘数据记录示例中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数。
示例性的,AI网络模型可以为基于人工智能调试参数确定的算法。一般而言,将每一区域测绘数据记录示例记载到待调试的AI网络模型中,以方便得到每一区域测绘数据记录示例中各湖底地形描述数据的目标地形描述归属信息。
步骤53:结合各所述区域测绘数据记录示例中的各湖底地形描述数据的目标地形描述归属信息和各湖底地形描述数据的标注信息,确定目标模型损失值。
示例性的,目标模型损失值表征各湖底地形描述数据的标注信息和目标地形描述归属信息之间的偏差值。
步骤54:在所述目标模型损失值达标的基础上,对所述AI网络模型的模型参数进行优化。
示例性的,设定要求可以包含但不限于符合设定要求等。其中,设定要求可以包含但不限于目标模型损失值大于设定指数等。一般而言,设定要求可根据实际情况优化。
对于一些示例而言,在所述目标模型损失值不达标的基础上,将当前的AI网络模型作为完成调试的AI网络模型。比如,在目标模型损失值低于设定指数的基础上,将当前的AI网络模型作为完成调试的AI网络模型。
示例性的,步骤52可包含如下步骤521和步骤522。
步骤521:基于待调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化。
对于一些示例而言,待调试的AI网络模型至少包括第二归属信息处理子模型,该第二归属信息处理子模型用于确定各湖底地形描述数据的描述数据关联列表,该描述数据关联列表包括G个列表单元以及列表单元之间的关联特征,每一列表单元表征各湖底地形描述数据的地形描述归属信息,每一关联特征表征每两个列表单元对应相同个湖底地形修复任务的命中指数。通过该第二归属信息处理子模型确定各湖底地形描述数据的目标地形描述归属信息。基于优化模型参数,对第二归属信息处理子模型确定的描述数据关联列表中的每一列表单元及其关联特征进行至少一轮优化,将末尾一轮的描述数据关联列表中的每一列表单元作为该湖底地形描述数据的目标地形描述归属信息。其中,优化模型参数可以包含但不限于不同湖底地形描述中每两个湖底地形描述数据之间的第一相似值、相同湖底地形描述中每两个湖底地形描述数据之间的第二相似值、每两个湖底地形描述数据的测绘描述相关度等。所述第一相似值可以包含但不限于不同湖底地形描述中每两个湖底地形描述数据的关联归属信息之间的类似率。
可以理解的是,各湖底地形描述数据的关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据。所述第二相似值可以包含但不限于相同湖底地形描述中每两个湖底地形描述数据的关联归属信息之间的类似率。所述每两个湖底地形描述数据的测绘描述相关度可以包含但不限于每两个湖底地形描述数据的地形描述归属信息之间的测绘影响特征。
对于一些示例而言,可以通过每两个湖底地形描述数据之间的测绘影响特征对各湖底地形描述数据的地形描述归属信息进行默认,并基于优化模型参数对地形描述归属信息进行优化,以确定各湖底地形描述数据的目标地形描述归属信息。其中,该测绘影响特征可以包含但不限于对应相同个湖底地形修复任务等。一般而言,该测绘影响特征可以是事先设置的,也可以是在获取模型调试示例集的进程中确定的。
一般而言,通过每两个湖底地形描述数据之间的测绘影响特征对各湖底地形描述数据的地形描述归属信息进行默认,并基于优化模型参数,对默认后的地形描述归属信息进行至少一轮优化。
对于一些示例而言,可以将第一归属信息处理子模型的导出模型参数作为优化模型参数来优化描述数据关联列表中的各湖底地形描述数据的地形描述归属信息,将描述数据关联列表中优化后的地形描述归属信息作为优化模型参数来优化第一归属信息处理子模型中的关联归属信息,通过不断迭代优化的思路,以得到各湖底地形描述数据的更准确的地形描述归属信息。其中,第一归属信息处理子模型用于确定各湖底地形描述数据的描述分布列表,该描述分布列表包括G个描述分布单元以及描述分布单元之间的任务关联度,每一描述分布单元表征各湖底地形描述数据的关联归属信息,关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据,每一任务关联度表征每两个湖底地形描述数据之间的地形描述影响度。其中,该地形描述影响度可包含第一任务关联度和第二任务关联度,所述第一任务关联度表征相同湖底地形描述中每两个描述分布单元对应相同个湖底地形修复任务的命中指数,所述第二任务关联度旨在反映不同湖底地形描述中每两个描述分布单元对应相同个湖底地形修复任务。对于一些示例而言,可以通过第一可视化标签来反映该第一任务关联度,通过该第二可视化标签来反映该第二任务关联度。
步骤522:在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息。
示例性的,优化累计轮数可以根据实际情况进行设置。一般而言,可以根据需求确定优化累计轮数。
示例性的,所述AI网络模型包括第一归属信息处理子模型,步骤521可包含步骤5211。
步骤5211:基于待调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据。
示例性的,待调试的AI网络模型至少包括待调试的第一归属信息处理子模型,该第一归属信息处理子模型用于确定各湖底地形描述数据的描述分布列表,该描述分布列表包括G个描述分布单元以及描述分布单元之间的任务关联度,每一描述分布单元表征各湖底地形描述数据的关联归属信息,每一任务关联度表征每两个湖底地形描述数据之间的地形描述影响度。其中,该地形描述影响度可包含第一关联特征和第二关联特征,所述第一关联特征表征相同湖底地形描述中每两个湖底地形描述数据对应相同个湖底地形修复任务的命中指数,所述第二关联特征用于对接不同湖底地形描述中对应相同个湖底地形修复任务的两个湖底地形描述数据。对于一些示例而言,可以通过第一可视化标签来反映该第一关联特征,通过该第二可视化标签来反映该第二关联特征。
对于一种可独立实施的技术方案而言,所述AI网络模型还包括第二归属信息处理子模型,进一步的,所述方法还可包含步骤5212。
步骤5212:基于待调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,优化各湖底地形描述数据的关联归属信息。
示例性的,待调试的AI网络模型至少包括第二归属信息处理子模型,该第二归属信息处理子模型用于确定各湖底地形描述数据的描述数据关联列表,该描述数据关联列表包括G个列表单元以及列表单元之间的关联特征,每一列表单元表征各湖底地形描述数据的地形描述归属信息,每一关联特征表征每两个列表单元对应相同个湖底地形修复任务的命中指数。对于一些示例而言,可以通过第一视觉标识来反映该关联特征。
一般而言,可以事先对各湖底地形描述数据的关联归属信息进行默认,并通过各湖底地形描述数据优化后的地形描述归属信息,对默认后的关联归属信息进行至少一轮优化。
对于一种可独立实施的技术方案而言,各所述区域测绘数据记录示例包括K组测绘信息集,各所述测绘信息集分别匹配一种湖底地形描述,所述步骤53可包含步骤531-步骤533。
步骤531:通过各轮优化中相同湖底地形描述的测绘信息集中的每两个湖底地形描述数据的关联归属信息之间的第二相似值和各湖底地形描述数据的标注信息,确定相似值对应的模型损失值。
示例性的,第二相似值表征相同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的类似率。标注信息用于指示各湖底地形描述数据所属的湖底地形修复任务。
对于一些示例而言,可以基于每个湖底地形描述数据的标注信息,确定全局标签。
步骤532:基于在先的每一轮优化中每两个湖底地形描述数据的地形描述归属信息之间的归属类别差值、每两个湖底地形描述数据的目标地形描述归属信息之间的归属类别差值和各湖底地形描述数据的标注信息,确定归属类别差值对应的模型损失值。
示例性的,归属类别差值表征每两个湖底地形描述数据的地形描述归属信息之间的归属类别差值。标注信息用于指示各湖底地形描述数据所属的湖底地形修复任务。
步骤533:结合所述相似值对应的模型损失值和所述归属类别差值对应的模型损失值,确定目标模型损失值。
本发明实施例中,基于事先设置的携带有标注信息的模型调试示例集,对AI网络模型进行调试,可以提高调试可信度。如此,调试得到的人工智能调试参数可以为各湖底地形描述数据确定准确的目标地形描述归属信息,基于该目标地形描述归属信息对各湖底地形描述数据进行差异化整理,实现了对对应相同湖底地形修复任务的至少一种湖底地形描述的湖底地形描述数据进行全面的差异化整理,无需生硬地处理大量的湖底地形描述,可以提高相同湖底地形修复任务的湖底地形描述数据差异化整理的质量。
示例性的,通过对相同湖底地形修复任务的湖底地形描述数据进行差异化整理,能够为后续的湖底地形修复提供处理依据,比如,本领域书人员可以根据湖底地形描述数据集对清淤设备的结构进行适应性配对,或者对相关的施工工艺进行针对性调整,在此不作赘述。
同样应当理解的是,为了简化本发明揭示的表述,从而帮助对至少一个发明实施例的理解,前文对本发明实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法幷不意味着本发明对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (10)

1.一种湖底地形修复数据处理方法,其特征在于,应用于数据处理系统,方法包括:
响应于目标数据处理申请,确定候选区域测绘数据记录,所述候选区域测绘数据记录中包含K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务,K为大于等于2的整数;
确定各所述湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述候选区域测绘数据记录中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数;
结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,各所述湖底地形描述数据集包括对应相同湖底地形修复任务的G个湖底地形描述数据,G为大于等于1的整数。
2.根据权利要求1所述的湖底地形修复数据处理方法,其特征在于,所述确定各所述湖底地形描述数据的目标地形描述归属信息,包括:
基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息。
3.根据权利要求2所述的湖底地形修复数据处理方法,其特征在于,所述AI网络模型包括第一归属信息处理子模型;所述基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,包括:
基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据。
4.根据权利要求2所述的湖底地形修复数据处理方法,其特征在于,所述基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,包括:基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息和关联归属信息进行至少一轮优化,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据;
其中,所述AI网络模型包括第一归属信息处理子模型和第二归属信息处理子模型,所述基于完成调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息和关联归属信息进行至少一轮优化,包括:基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息;基于完成调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,优化各湖底地形描述数据的关联归属信息;
其中,所述基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息,包括:基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,确定每两个湖底地形描述数据之间的描述相关度;通过每两个湖底地形描述数据之间的描述相关度,优化各湖底地形描述数据的地形描述归属信息;
其中,所述候选区域测绘数据记录包括K组测绘信息集,各所述测绘信息集分别匹配一种湖底地形描述;所述基于完成调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,确定每两个湖底地形描述数据之间的描述相关度,包括:确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的第一相似值;确定相同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的第二相似值;结合各所述第一相似值和各所述第二相似值,确定每两个湖底地形描述数据之间的描述相关度。
5.根据权利要求4所述的湖底地形修复数据处理方法,其特征在于,所述确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的第一相似值,包括:确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的数据关联性;对各所述第二相似值进行归一化;基于归一化后的各所述第二相似值和各所述数据关联性,确定每两个湖底地形描述数据的关联归属信息之间的第一相似值;
其中,所述确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的数据关联性,包括:确定不同湖底地形描述的测绘信息集中每两个湖底地形描述数据之间的测绘影响特征;结合各所述测绘影响特征,确定各所述数据关联性;
其中,所述确定相同湖底地形描述的测绘信息集中每两个湖底地形描述数据的关联归属信息之间的第二相似值,包括:基于相同湖底地形描述的测绘信息集中各湖底地形描述数据的上一个的关联归属信息,确定每两个所述湖底地形描述数据的关联归属信息之间的第二相似值。
6.根据权利要求4所述的湖底地形修复数据处理方法,其特征在于,所述基于完成调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,优化各湖底地形描述数据的关联归属信息,包括:
基于完成调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,确定每两个湖底地形描述数据之间的当前加权关联性;
结合各所述当前加权关联性,优化各湖底地形描述数据的关联归属信息。
7.根据权利要求1所述的湖底地形修复数据处理方法,其特征在于,所述结合各所述目标地形描述归属信息,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集,包括:通过每两个所述目标地形描述归属信息之间的归属类别差值,对各所述湖底地形描述数据进行差异化整理,得到G个湖底地形描述数据集。
8.根据权利要求2所述的湖底地形修复数据处理方法,其特征在于,所述AI网络模型的调试步骤为:
获取模型调试示例集,所述模型调试示例集包括G个区域测绘数据记录示例,每一区域测绘数据记录示例包括K组湖底地形描述数据,所述K组湖底地形描述数据对应不少于一类湖底地形修复任务,各所述湖底地形描述数据携带标注信息;
基于待调试的AI网络模型,确定各所述区域测绘数据记录示例中的各湖底地形描述数据的目标地形描述归属信息,各所述湖底地形描述数据的目标地形描述归属信息表征各所述湖底地形描述数据与所述区域测绘数据记录示例中的剩余湖底地形描述数据对应相同湖底地形修复任务的命中指数;
结合各所述区域测绘数据记录示例中的各湖底地形描述数据的目标地形描述归属信息和各湖底地形描述数据的标注信息,确定目标模型损失值;
在所述目标模型损失值达标的基础上,对所述AI网络模型的模型参数进行优化。
9.根据权利要求8所述的湖底地形修复数据处理方法,其特征在于,所述基于待调试的AI网络模型,确定各所述区域测绘数据记录示例中的各湖底地形描述数据的目标地形描述归属信息,包括:基于待调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,在优化累计轮数达到设定值的基础上,将各湖底地形描述数据的优化后的地形描述归属信息分别确定为各湖底地形描述数据的目标地形描述归属信息;
其中,所述AI网络模型包括第一归属信息处理子模型;所述基于待调试的AI网络模型,对各湖底地形描述数据的地形描述归属信息进行至少一轮优化,包括:基于待调试的所述第一归属信息处理子模型,通过各湖底地形描述数据的关联归属信息,优化各湖底地形描述数据的地形描述归属信息,各所述关联归属信息表征各湖底地形描述数据的衍生湖底地形描述数据;
其中,所述AI网络模型还包括第二归属信息处理子模型,所述方法还包括:基于待调试的所述第二归属信息处理子模型,通过各湖底地形描述数据优化后的地形描述归属信息,优化各湖底地形描述数据的关联归属信息;
其中,各所述区域测绘数据记录示例包括K组测绘信息集,各所述测绘信息集分别匹配一种湖底地形描述;所述结合各所述区域测绘数据记录示例中的各湖底地形描述数据的目标地形描述归属信息和各湖底地形描述数据的标注信息,确定目标模型损失值,包括:通过各轮优化中相同湖底地形描述的测绘信息集中的每两个湖底地形描述数据的关联归属信息之间的第二相似值和各湖底地形描述数据的标注信息,确定相似值对应的模型损失值;基于在先的每一轮优化中每两个湖底地形描述数据的地形描述归属信息之间的归属类别差值、每两个湖底地形描述数据的目标地形描述归属信息之间的归属类别差值和各湖底地形描述数据的标注信息,确定归属类别差值对应的模型损失值;结合所述相似值对应的模型损失值和所述归属类别差值对应的模型损失值,确定目标模型损失值。
10.一种数据处理系统,其特征在于,包括处理引擎、网络模块和存储器,所述处理引擎和所述存储器通过所述网络模块通信,所述处理引擎用于从所述存储器中读取计算机程序并运行,以实现权利要求1-9任一项所述的湖底地形修复数据处理方法。
CN202210531769.0A 2022-05-17 2022-05-17 一种湖底地形修复数据处理系统及处理方法 Active CN114638172B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210531769.0A CN114638172B (zh) 2022-05-17 2022-05-17 一种湖底地形修复数据处理系统及处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210531769.0A CN114638172B (zh) 2022-05-17 2022-05-17 一种湖底地形修复数据处理系统及处理方法

Publications (2)

Publication Number Publication Date
CN114638172A CN114638172A (zh) 2022-06-17
CN114638172B true CN114638172B (zh) 2022-08-02

Family

ID=81953278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210531769.0A Active CN114638172B (zh) 2022-05-17 2022-05-17 一种湖底地形修复数据处理系统及处理方法

Country Status (1)

Country Link
CN (1) CN114638172B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8019736B1 (en) * 2007-07-25 2011-09-13 Rockwell Collins, Inc. Systems and methods for combining a plurality of terrain databases into one terrain database
JP2017125907A (ja) * 2016-01-13 2017-07-20 株式会社パスコ 地形表示システム
CN108510187A (zh) * 2018-03-29 2018-09-07 江苏数加数据科技有限责任公司 一种基于大数据的差异化学习系统
CN109446485A (zh) * 2018-11-05 2019-03-08 江西省基础地理信息中心 一种基于多源数据融合的季节性湖泊湖底地形生成方法
CN113139337A (zh) * 2021-04-14 2021-07-20 扬州大学 一种用于湖泊地形模拟的分区插值处理方法与装置
CN114332387A (zh) * 2021-11-29 2022-04-12 中国科学院南京地理与湖泊研究所 一种基于少量实测水深数据的湖泊水下地形建模方法
CN114328776A (zh) * 2021-12-17 2022-04-12 湖北省水利水电规划勘测设计院 基于gswd数据集和实测水位数据的湖泊湖底地形图绘制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8019736B1 (en) * 2007-07-25 2011-09-13 Rockwell Collins, Inc. Systems and methods for combining a plurality of terrain databases into one terrain database
JP2017125907A (ja) * 2016-01-13 2017-07-20 株式会社パスコ 地形表示システム
CN108510187A (zh) * 2018-03-29 2018-09-07 江苏数加数据科技有限责任公司 一种基于大数据的差异化学习系统
CN109446485A (zh) * 2018-11-05 2019-03-08 江西省基础地理信息中心 一种基于多源数据融合的季节性湖泊湖底地形生成方法
CN113139337A (zh) * 2021-04-14 2021-07-20 扬州大学 一种用于湖泊地形模拟的分区插值处理方法与装置
CN114332387A (zh) * 2021-11-29 2022-04-12 中国科学院南京地理与湖泊研究所 一种基于少量实测水深数据的湖泊水下地形建模方法
CN114328776A (zh) * 2021-12-17 2022-04-12 湖北省水利水电规划勘测设计院 基于gswd数据集和实测水位数据的湖泊湖底地形图绘制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A novel method for mapping lake bottom topography using the GSW dataset and measured water level;Yuanxi Li;《MDPI》;20220315;1-13 *
基于多源遥感影像的洞庭湖地形提取方法;隆院男;《地理学报》;20190722(第2019年07期);1467-1481 *
湖水环境综合治理与生态修复的可行性建议;廖子清;《工程技术研究》;20200515(第2020年5期);265-266 *

Also Published As

Publication number Publication date
CN114638172A (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
CN106778605B (zh) 导航数据辅助下的遥感影像道路网自动提取方法
CN109829435B (zh) 一种视频图像处理方法、装置及计算机可读介质
US5109431A (en) Pattern discrimination method and apparatus using the same
EP3843036B1 (en) Sample labeling method and device, and damage category identification method and device
CN114742477B (zh) 企业订单数据处理方法、装置、设备及存储介质
CN112733146B (zh) 基于机器学习的渗透测试方法、装置、设备及存储介质
KR101388749B1 (ko) 3차원 데이터로부터 3차원 산업 모델을 구축하는 시스템 및 방법
CN114638172B (zh) 一种湖底地形修复数据处理系统及处理方法
CN112115996B (zh) 图像数据的处理方法、装置、设备及存储介质
CN114331063A (zh) 应用于智慧水务的大数据可视化处理方法及系统
CN113434857A (zh) 一种应用深度学习的用户行为安全解析方法及系统
CN111105435A (zh) 标志物匹配方法、装置及终端设备
CN116091748B (zh) 一种基于aigc的图像识别系统及装置
CN117236826A (zh) 物流托盘的码放识别方法、装置、设备及存储介质
CN111062827B (zh) 一种基于人工智能模式的工程监理方法
CN116341059A (zh) 基于相似度的隧道智能设计方法
CN115619539A (zh) 贷前风险评价方法以及装置
CN113011893B (zh) 数据处理方法、装置、计算机设备及存储介质
CN112082475B (zh) 活立木的种类识别方法与材积测量方法
US11798265B2 (en) Teaching data correction method for training image, teaching data correction device and program
CN111754103A (zh) 企业风险画像方法、装置、计算机设备和可读存储介质
CN111027296A (zh) 基于知识库的报表生成方法及系统
CN118037738B (zh) 一种沥青路面灌缝胶黏结性能检测方法及设备
CN111368907B (zh) 羽毛片分类识别方法、装置及计算机可读存储介质
CN116893428B (zh) 基于激光点云的森林资源调查与监测方法及系统

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
GR01 Patent grant
GR01 Patent grant