一种基于无监督机器学习的城区和郊区范围自动识别方法
技术特征：
1.一种基于无监督机器学习的城区和郊区范围自动识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于无监督机器学习的城区和郊区范围自动识别方法，其特征在于，
3.如权利要求1所述的基于无监督机器学习的城区和郊区范围自动识别方法，其特征在于，
4.如权利要求2所述的基于无监督机器学习的城区和郊区范围自动识别方法，其特征在于，
5.如权利要求2所述的基于无监督机器学习的城区和郊区范围自动识别方法，其特征在于，
6.如权利要求2所述的基于无监督机器学习的城区和郊区范围自动识别方法，其特征在于，
7.如权利要求2所述的基于无监督机器学习的城区和郊区范围自动识别方法，其特征在于，
8.如权利要求2所述的基于无监督机器学习的城区和郊区范围自动识别方法，其特征在于，
9.如权利要求2所述的基于无监督机器学习的城区和郊区范围自动识别方法，其特征在于，
技术总结
本发明提出了一种利用无监督机器学习算法自动识别城区和郊区范围的方法。本方法使用建筑轮廓数据，自动计算建筑形态特征，通过特征提取获得能够反映城市化程度的关键指标，并运用无监督机器学习算法自动识别城区和郊区的空间范围。本方法可以减少人工干预，简化城区和郊区边界划定工作流程，并能精细化识别不同城市化程度地区的空间范围。方法具有高度的可重复性和高效率，能够快速处理大规模数据，实现高效的城区和郊区范围识别。为国土空间规划背景下构建“国土空间规划一张图”提供底图参考和技术支持。
技术研发人员：肖扬,苗丝雨
受保护的技术使用者：同济大学
技术研发日：
技术公布日：2024/11/18
文档序号 :
【 40050814 】
技术研发人员：肖扬,苗丝雨
技术所有人：同济大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除
技术研发人员：肖扬,苗丝雨
技术所有人：同济大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除