申请/专利权人:青岛理工大学
申请日:2023-07-13
公开(公告)日:2023-10-27
公开(公告)号:CN116956151A
主分类号:G06F18/241
分类号:G06F18/241;G06N3/042;G06N3/0464;G06N3/08;G06F16/9537;G06N5/022
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.11.14#实质审查的生效;2023.10.27#公开
摘要:本发明公开一种基于Place2vec与图卷积神经网络的城市功能区分类方法,先根据城市功能区的POI数据,构建POI无向图,再根据预设的Place2vec模型,将所述POI无向图中每个POI节点以及与其相连的POI点作为输入,输出所述POI节点的POI类型的初始化向量,再根据所述POI无向图,构建图卷积神经网络的网络拓扑结构;最后将所述POI类型的初始化向量作为图卷积神经网络的网络拓扑结构中POI节点的初始化向量,学习POI节点的网络结构特征,得到功能区的功能类型的概率值,如此通过结合Place2vec和图卷积神经网络模型建立的城市功能区分类方法,以融合POI的局部空间关联特征和网络拓扑结构特征实现城市功能区的分类,表达精度更准确。
主权项:1.一种基于Place2vec与图卷积神经网络的城市功能区分类方法,其特征在于,包括:根据城市功能区的POI数据,构建POI无向图;根据预设的Place2vec模型,将所述POI无向图中每个POI节点以及与其相连的POI点作为输入,输出所述POI节点的POI类型的初始化向量;根据所述POI无向图,构建图卷积神经网络的网络拓扑结构;将所述POI类型的初始化向量作为图卷积神经网络的网络拓扑结构中POI节点的初始化向量,学习POI节点的网络结构特征,得到功能区的功能类型的概率值。
全文数据:
权利要求:
百度查询: 青岛理工大学 基于Place2vec与图卷积神经网络的城市功能区分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。