GeoAI

课程简介

A. 问题定义：界定和理解地理空间问题（例如，类别数量），期望的精度/结果，选择的地理空间数据，数据分辨率等。 B. 符号和地图设计的原则与理论：视觉变量，色彩方案，视觉信息处理，感知理论，地图感知，地图评价。 C. 比例尺与概括：数字环境中地图概括的理论与原则，矢量和栅格模式下各种操作的算法，自动化系统。 D. 地理可视化：可视化变量（动态变量，屏幕变量，探索行为，网页特定变量），统计图表，图像地图，动态地图，渲染与动画，虚拟现实，增强现实。 E. 数据准备与预处理：异常值去除，数据清洗，数据/坐标转换等。 F. 特征选择与提取：基于位置，时间，属性和/或语义信息准备特征，降维，主成分分析等。 G. 机器学习/分类模型：监督学习和无监督学习，参数模型和非参数模型，聚类和分割等。 H. 模型验证与精度评估：混淆矩阵，精度，F值，数量不一致和分配不一致，接收者操作特征（ROC）曲线等。 I. 案例研究与应用：LiDAR 点云，时空数据集，城市大数据等。

学习目标

1. 使用机器学习方法界定任何地理空间问题 2. 使学生熟练掌握传统和现代地理可视化技术 3. 使学生能够正确应用地理可视化原则和方法解决实际问题 4. 使学生了解如何创建和提取给定地理空间问题的相关和有用特征 5. 介绍常用的机器学习方法进行分类和估计 6. 使学生能够正确应用定性指标评估结果和模型

先修要求

无

教学模式

• 课堂讲授将用于介绍课程内容。 • 实验课将分为机器学习过程的不同阶段，使用Python。 • 将引入最终的团队项目以增强团队精神，沟通技巧，解决问题能力和演示技巧。