GeoAI入门

GeoAI入门,这些空间分析请先走一波

  • dqy 
 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… Read More »GeoAI入门,这些空间分析请先走一波