买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南昌航空大学申请的专利一种基于CORS大数据的测绘地理信息质量监管方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119226911B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411779427.6，技术领域涉及：G06F18/2411；该发明授权一种基于CORS大数据的测绘地理信息质量监管方法及系统是由张卫阁;马国升;尹溪;李凯伦;邓冰;吴天骏;丁磊设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种基于CORS大数据的测绘地理信息质量监管方法及系统在说明书摘要公布了：本申请公开了一种基于CORS大数据的测绘地理信息质量监管方法及系统，涉及测绘地理领域，包括：获取CORS大数据的多个轨迹点数据，获取已监管测绘地理信息项目的范围、测绘单位信息，以及测绘项目元数据；采用DBSCAN聚类算法对多个轨迹点数据进行聚类；将得到的每个簇的边界作为已监管测绘地理信息项目的范围，生成质量监管范围图；对测绘项目元数据和质量监管范围图的属性信息进行特征提取和量化表示，形成标准化的特征向量；构建训练集，训练基于支持向量机的分类模型；将新的待监管测绘项目和监管范围输入分类模型，根据预测匹配结果，进行测绘地理信息质量监管。针对现有技术中测绘地理信息质量监管效率低，本申请提高了监管效率。

本发明授权一种基于CORS大数据的测绘地理信息质量监管方法及系统在权利要求书中公布了：1.一种基于CORS大数据的测绘地理信息质量监管方法，其特征在于，包括：获取CORS大数据的多个轨迹点数据，获取已监管测绘地理信息项目的范围、测绘单位信息，以及测绘项目元数据；测绘项目元数据包含测绘时间、测绘方式和测绘精度；采用DBSCAN聚类算法对多个轨迹点数据进行聚类，根据轨迹点的空间分布和密度特征，将轨迹点划分为多个簇，每个簇表示一个测绘地理信息项目的施测范围；在聚类时，将测绘时间划分为多个预设的等长时间段，将位于同一时间段内的轨迹点聚为一类；将得到的每个簇的边界作为已监管测绘地理信息项目的范围，进行坐标转换，生成质量监管范围图；对测绘项目元数据和质量监管范围图的属性信息进行特征提取和量化表示，形成标准化的特征向量；其中，质量监管范围图的属性信息包含簇的空间分布特征、密度特征以及测绘时间段的划分情况；基于得到的簇，选择多个测绘项目和监管范围作为训练样本，利用得到的标准化特征向量进行标注，标注匹配相关或不相关的类别标签；将训练样本的特征向量和对应的类别标签组成训练集；利用训练集，训练基于支持向量机的分类模型；分类模型的输入为测绘项目和监管范围的标准化特征向量，输出为预测的匹配结果；将新的待监管测绘项目和监管范围输入分类模型，得到预测匹配结果，根据预测匹配结果，进行测绘地理信息质量监管；S6，利用训练集，训练基于支持向量机的分类模型，包括：选择支持向量机SVM算法作为机器学习二元分类算法，基于训练集中的训练样本，构建支持向量机分类模型；其中，将训练样本的标准化特征向量作为SVM的输入特征，将训练样本的匹配标签作为SVM的目标输出；将训练样本的标准化特征向量和匹配标签输入SVM算法，通过求解以下凸二次规划问题，得到SVM分类模型的最优分类超平面和支持向量： 约束条件：yiWTφxi+b≥1-ξi,ξi≥0,i＝1,2,......,N其中，W∈Rm为分类超平面的法向量，b∈R为分类超平面的偏置项，ξi∈R为第i个训练样本的松弛变量，C∈R+为惩罚系数，用于平衡分类误差和模型复杂度；φ:Rd→Rm为特征映射函数，将d维输入特征向量xi映射到m维特征空间；yi∈{-1,1}表示第i个训练样本的匹配标签，N∈N+为训练样本总数；通过求解以上优化问题，得到最优分类超平面的参数W*∈Rm和b*∈R，构成SVM分类决策函数：fx＝signWTφx+b*+λ×sx,r其中，x∈Rd表示待分类的测绘项目的d维标准化特征向量；s:Rd×Rp→[0,1]为地理空间相关性度量函数，sx,r的值越大，表示两者的地理空间相关性越强；λ∈R+为地理空间相关性的权重系数，控制地理空间相关性对分类决策的影响程度；对于新的测绘项目特征向量x∈Rd，通过计算改进后的分类决策函数fx的符号，得到其与给定监管范围r∈Rp的预测匹配标签：若fx＞0，则预测测绘项目x匹配监管范围r；若fx＜0，则预测测绘项目x不匹配监管范围r。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌航空大学，其通讯地址为：330000 江西省南昌市红谷滩区丰和南大道696号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。