面向土地资源特征学习的自适应深度计算模型研究，国家自然科学基金面上项目，61672123，2017.1-2020.12。
土地资源的有效保护与高效利用受到社会各界的广泛关注，分析土地相关数据，支撑土地规划决策，具有重要意义。土地资源数据具有多源异构、实时、海量和安全等特点，现有单模态属性分析模型难以适应土地影响因素的复杂性与多变性，致使分析结果精度较低。本项目针对土地数据的特点和现有方法的不足，提出面向土地资源数据特征学习的自适应深度计算模型，具体包括：
（1）针对土地资源数据多源异构特性，构建基于张量表示的高阶自动编码机模型，采用无监督的方式对异构数据的多层特征进行学习、提取；
（2）针对土地资源数据实时更新与动态变化的特性，研究支持增量更新的深度计算模型，实时学习动态变化的土地特征；
（3）针对土地资源数据规模巨大、安全性低的特点，研究云端安全深度计算模型，提升深度计算的实时性和数据处理的安全性。通过上述模型对快速增长与动态变化的土地资源数据进行充分分析与特征提取，实现土地的有效规划、评估、定级与预测。