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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD