2019年易智瑞地理信息系統平臺與人工智能終版.pdf

《2019年易智瑞地理信息系統平臺與人工智能終版.pdf》由會員分享，可在線閱讀，更多相關《2019年易智瑞地理信息系統平臺與人工智能終版.pdf（56頁珍藏版）》請在三個皮匠報告上搜索。

1、易智瑞地理信息系統平臺與人工智能1.GIS與人工智能概述（5mins）人工智能發展概述 人工智能在GIS中的應用2.易智瑞地理信息系統和機器學習（20mins）機器學習算法及應用3.易智瑞地理信息系統與深度學習（20mins）易智瑞地理信息系統對深度學習的產品支持及應用4.總結目錄一、GIS與人工智能概述探索：我們生活和工作中有哪些人工智能的應用？人工智能，跌宕起伏的發展歷程探索：人工智能在GIS中的應用方向 影像分類 自動化目標檢測 無人車駕駛 社交數據預測分析北北京京南京南京 地名地址信息識別更多二、易智瑞地理信息平臺和機器學習機器學習深度學習人工智能CNTKTensorFlowThean

2、o自然語言處理視頻游戲行為人工智能機器人KerasIBM Watsonscikit-learn計算機視覺易智瑞地理信息系統易智瑞地理信息系統集成易智瑞地理信息平臺與人工智能的關系機器學習方法機器學習有監督學習無監督學習分類回歸聚類分類技術預測的數據對象是離散值。分類模型將輸入數據分類。典型應用包括垃圾郵件識別、醫學成像，信用評分等：O2O優惠券使用預測 市民出行選乘公交預測 待測微生物種類判別 廣告點擊行為預測 基于文本內容的垃圾短信識別 P2P網絡借貸平臺的經營風險量化分析 國家電網客戶用電異常行為分析 自動駕駛場景中的交通標志檢測 大數據精準營銷中用戶畫像挖掘 基于視角的領域情感分析 監控

3、場景下的行人精細化識別 用戶評分預測 微額借款用戶人品預測 汽車4S店郵件營銷方案 分類圖片來源于網絡易智瑞地理信息平臺提供的分類算法最大似然分類隨機森林支持向量機圖像分割最大似然法分類的工作原理原理：概率大的事件在一次觀測中更容易發生；在一次觀察中發生的事件其概率應該大利用已知的樣本結果，反推最有可能（最大概率）導致這樣結果的參數值。示例：使用最大似然法分類工具將多波段柵格監督分類為5個土地利用類型。顯示為假彩色影像的 4、3 和 2 波段 Landsat TM 影像示例定義了五個土地利用類以生成訓練樣本，完成分類支持向量機是深度學習出現之前，機器學習中表現最好的算法SVM 分類器是一種功能

4、強大的監督分類方法本質是二分類算法，尋找一個超平面，將訓練數據分為2類。將圖像分塊（分割），且將緊密鄰近且具有相似光譜特性的像素分組到同一分割中圖像分割基于Mean Shift算法：聚類、分割、影像平滑、追蹤該技術使用移動窗口來計算平均像素值以確定每個分割中應該包括的像素。影像分割的特征取決于三個參數：光譜詳細級別、空間詳細級別和最小分割大小。圖像分割已分割的彩色紅外 WorldView-2(DigitalGlobe)基于 WorldView-2 的分割影像。它對區域進行了概化以使所有要素可作為較大的連續區域?；貧w回歸技術預測的數據對象是連續值?；貧w模型包括一元回歸和多元回歸，線性回歸和非線性

5、回歸典型應用場景：機場客流量分布預測貨幣基金資金流入流出預測電影票房預測農產品價格預測分析基于多源數據的青藏高原湖泊面積預測微博傳播規模和傳播深度預測網約車出行流量預測搜索引擎的搜索量和股價波動中國人口增長分析農村居民收入增長預測房地產銷售影響因素分析股價走勢預測全國綜合運輸總量預測地震預報圖片來源于網絡易智瑞地理信息平臺提供的回歸算法經驗貝葉斯克立金面插值（2D和3D）EBK 回歸預測普通最小二乘回歸廣義線性回歸地理加權回歸基于隨機森林的分類與回歸基于森林的分類與回歸一種新興、高度靈活的機器學習方法，基于決策樹的集成算法（Bagging類型）使用率高、使用面廣訓練集大小為N，隨機且有放回的從

6、訓練集中抽取n個訓練樣本，樣本維度M，隨機取m個子集，每次樹進行分裂時，從這m個特征中選擇最優的。圖片來源于網絡演示：海草適宜性生長預測聚類聚類算法用于在數據中尋找隱藏的模式或分組。聚類算法構成分組或類，類中的數據具有更高的相似度。聚類建模的相似度衡量可以通過歐幾里得距離、概率距離或其他指標進行定義。典型應用場景：基于用戶位置信息的商業選址中文地址標準化處理國家電網用戶畫像非人惡意流量識別求職信息完善搜索引擎查詢聚類以進行流量推薦生物種群固有結構認知保險投保者分組網站關鍵詞來源聚類圖像分割A：某圖片分享類媒體整體用戶畫像B：某圖片分享類媒體細分用戶特征圖片來源于網絡易智瑞地理信息平臺提供的聚類

7、算法多元聚類空間約束多元聚類基于密度的聚類熱點分析聚類和異常值分析時空挖掘分析基于密度的聚類最常用優勢：可以在有噪音的數據中發現各種形狀和各種大小的簇。DBSCAN（Ester,1996）是該類方法中最典型的代表算法之一通過聚類查找易發生交通事故的十字路口空間約束多源聚類空間約束參數可以確保生成的聚類在空間上相鄰。應用此工具的一些方法如下：生物學家：了解鮭魚在不同生命階段的聚集地點和時間，可以幫助您規劃保護區，以幫助確保成功繁育。農學家：使用空間約束多元聚類可以幫助識別出明顯的、空間上相鄰的土壤類型的聚類。城市規則師：對城市街區和人口統計特征使用空間約束多元聚類，可以確定具有相似物理和人口統計

8、特征并且在空間上相鄰的城市區域。時空挖掘分析，即空間-時間的聚類數據具有空間和時態背景：所有事件均具有一個發生地點和發生時間。通過時空立方體熱點分析發現交通事故的聚集區演示：基于機器學習進行聚類與預測聚類空間約束多元聚類多元聚類基于密度的聚類熱點分析聚類和異常值分析時空挖掘分析最大似然分類隨機森林支持向量機圖像分割分類經驗貝葉斯克立金面插值（2D和3D）EBK 回歸預測普通最小二乘回歸地理加權回歸廣義線性回歸基于隨機森林的分類與回歸回歸易智瑞地理信息系統平臺與機器學習機器學習定理：No Free Lunch沒有免費的午餐世界上不存在普適的模型，每個模型都有其特定的適用范圍三、易智瑞地理信息平臺

9、與深度學習3.1 易智瑞地理信息平臺的深度學習全流程支持深度學習支持全流程易智瑞地理信息系統平臺提供：豐富的數據處理工具訓練樣本管理器樣本導出工具易智瑞地理信息系統平臺提供：集成環境，快速調用第三方框架進行訓練Python包管理器Notebook Server集成TensorFlow、CNTK、Pytorch等主流框架樣本制作模型訓練易智瑞地理信息系統平臺提供：深度學習工具箱目標識別&像素分類系列數據后處理工具柵格轉矢量、插值點規則化建筑物覆蓋區模型使用訓練樣本管理器樣本導出Classified tilesColumnsNameDescription1Class valueThe class

10、value of the object,listed in stats.txt file.2Unused3Unused4Unused5-8BboxThe two-dimensional bounding box of object in the image,based on a 0-based image space coordinate index.The bounding box contains the four coordinates for the left,top,right,bottom pixel.9-11Unused12-14Unused15UnusedKITTI 和PASC

11、AL VOC易智瑞地理信息系統平臺桌面軟件2.1及以上提供樣本制作工具樣本靈活集成主流深度學習框架易智瑞地理信息系統平臺集成第三方框架易智瑞地理信息系統平臺 深度學習專用工具箱豐富、專業的GIS數據后處理使用“邊界清理”工具對區域進行平滑處理使用“主濾波”工具移除誤分類的像元使用“區域合并”工具識別聚類使用提取移除小于閾值的區域使用 Nibble 工具去除小區域豐富、專業的GIS數據后處理：規則化建筑物覆蓋區3.2 易智瑞地理信息平臺的深度學習的多端支持地處理工具 Export Training Data For Deep Learning(加強)創建兼容訓練框架的樣本和元數據 Detect

12、Objects Using Deep Learning Classify Pixels Using Deep Learning Non Maximum Suppression 基于閾值過濾重復 使用GPU 進行深度學習預測訓練處理model development and training非開發人員:易智瑞平臺桌面軟件Pro 易智瑞平臺軟件 Enterprise開發者人員:REST API Python API深度學習使用方式深度學習端-易智瑞平臺桌面軟件（用戶&專家）易智瑞平臺桌面軟件：導出樣本和預測 訓練樣本管理器 為深度學習導出訓練樣本工具 使用深度學習進行像素分類 使用深度學習進行目標

13、識別 內置的Python柵格函數 TensorFlow、CNTK、Pytorch 部署和使用模型包業務專家數據科學家用戶ExportTrainingDataforDeepLearning樣本制作DetectObjectsUsingDeepLearning目標識別ClassifyPixelsUsingDeepLearning分類QueryDeepLearningModelInfo從模型中提取指定的信息InstallDeepLearningModel安裝深度學習模型UninstallDeepLearningModel卸載深度學習模型ListDeepLearningModels列出深度學習模型深度學

14、習工具 易智瑞地理信息系統企業級平臺軟件10.7（用戶&專家）深度學習端-Portal深度學習端-Notebooks Server 易智瑞地理信息平臺獨有的Notebooks arcgis.learn 模塊 使用export_training_data()導出樣本 使用SingleShotDetector 訓練 使用detect_objects()和classify_pixels()進行預測 Pro中制作樣本 外部框架訓練 在Notebook 中進行預測之前現在深度學習端-Notebooks Server3.3 易智瑞地理信息平臺與深度學習融合實踐易智瑞地理信息系統平臺與深度學習融合實踐飛機識別房屋識別響水爆炸危險品識別土地利用分類3.4 多說一句精度與效果問題精度 樣本庫質量與規模-快速創建樣本，節省人力 模型與算法-難點！后處理工具-豐富的矢量與柵格處理工具-精度評估工具總結1.GIS與人工智能概述 人工智能發展概述 人工智能在GIS中的應用：分類、識別、自動駕駛、社交媒體及新聞監測2.易智瑞地理信息系統和機器學習 分類及應用場景：土地利用類型分類 聚類及應用場景：餐廳選址 回歸及應用場景：基于隨機森林的分類與回歸，海草棲息地預測、哮喘病預測3.易智瑞地理信息系統與深度學習深度學習全流程支持深度學習多端支持融合實踐