申请/专利权人：兰州交通大学

申请日：2023-10-19

公开（公告）日：2024-03-08

公开（公告）号：CN117671165A

主分类号：G06T17/05

分类号：G06T17/05;G06N3/042;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明提供了一种基于图注意力网络GraphAttentionNetwork,GAT的不规则三角网数字高程模型TIN的制图综合方法，包括步骤如下：首先以TIN的顶点作为图节点，以TIN的边作为节点之间的邻接边，构建一个基于图注意力机制的图卷积神经网络，其中，图节点的特征矩阵包括点的几何、统计和空间关系特征，边的注意力权重由TIN结构中邻接边的上下文关系确定。其次，使用三维道格拉斯扑克算法对TIN顶点进行综合，以此获取图节点的标签数据，并将其引入GAT网络用于学习节点的保留和舍弃。最后，基于TIN顶点的分类结果实现TIN的制图综合。本发明通过图卷积神经网络进行地形特征的学习，实现了领域知识和数据驱动相结合的智能化TIN综合。

主权项：1.一种基于图注意力网络的DEM综合方法，其特征在于，具体步骤如下：、步骤S1：根据DEM数据中的不规则三角网络TriangulatedIrregularNetwork，TIN结构，以TIN的顶点作为图结构的节点，以TIN的边作为节点之间的邻接边，构建基于图注意力机制的图卷积神经网络。步骤S2：构建每个图节点的特征矩阵。为每个节点初始化特征向量，主要包括TIN顶点的几何特征，统计属性和空间关系特征。步骤S3：构建邻接边的注意力权重。包括邻接边的几何特征和空间关系特征。步骤S4：获取每个图节点的标签值。使用三维道格拉斯扑克three-dimensionalDouglasPoker,3DD-P算法对TIN顶点进行综合，制图综合后仍保留的节点设置为标签1，被舍弃的节点设置为标签0。步骤S5：引入GAT网络用于学习节点的保留和舍弃。步骤S6：基于节点的分类结果，将节点回放至TIN数据中，实现DEM数据的制图综合。并对综合结果进行评价。

全文数据：

权利要求：

百度查询： 兰州交通大学 一种基于图注意力网络的DEM数据综合方法

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