-
公开(公告)号：CN117033541B
公开(公告)日：2023-12-19
申请号：CN202311299795.6
申请日：2023-10-09
Applicant: 中南大学
IPC: G06F16/31 , G06F16/332 , G06F16/36 , G06F16/901 , G06F16/9537
Abstract: 本发明提供了一种时空知识图谱索引方法及相关设备，包括：获取时空节点的时空属性数据，构建3DR索引树；聚合3DR索引树中的每个节点内部包含的所有时空实体，得到超图节点，并将超图节点的二阶子图作为训练数据输入图神经网络模型进行训练，得到子图匹配模型；将获取的查询请求分解得到的查询子图和时空约束输入子图匹配模型进行计算，得到查询子图的嵌入向量以及时空范围参数；对时空属性数据进行剪枝查找每个叶子节点下的时空实体子图，并根据查询子图和子图匹配模型对每个时空实体子图进行剪枝得到时空子图嵌入向量；对比嵌入向量与时空子图嵌入向量在向量空间中的相对位置关系得到查询结果；大幅提升了时空交集查询(56)对比文件Min Deng等.Mining spatiotemporalassociation patterns from complexgeographic phenomena.InternationalJournal of Geographical InformationScience.2020,第34卷(第6期),1162-1187.Mahdi Abdelguerfi等.The 2-3TR-tree， atrajectory-oriented index structure forfully evolving valid-time spatio-temporaldatasets.GIS'02:Proceedings of the 10thACM international symposium on Advancesingeographic information systems.2002,29-34.Zhi Tong Zhang.3DR-Tree ModelImprovement Based on Enhance of indexPerformance.Advanced Materials Research(Volumes 765-767).2013,1332-1335.
-
公开(公告)号：CN111696355A
公开(公告)日：2020-09-22
申请号：CN202010608161.4
申请日：2020-06-29
Applicant: 中南大学
Abstract: 本发明提供了一种动态图卷积交通速度预测方法，包括：步骤1，将车辆GPS轨迹数据匹配到城市道路网络中，获取每条路段的交通速度时间序列；步骤2，将城市道路网络的路段视为图节点，将城市道路网络的交叉口视为图的连接边，构建路网图，获取路段间的邻接矩阵；步骤3，根据每条路段的交通速度时间序列，计算邻接路段间交通速度相似性，获得实时邻接路段相似矩阵；步骤4，将每条路段的交通速度时间序列和邻接路段相似矩阵输入图卷积网络中训练，获得未来路段交通速度预测结果。本发明可以实时的学习路段间的空间依赖性和时间依赖性，捕获交通速度的变化规律，更精准的预测未来城市道路的速度，可应用于智能交通、智慧城市建设。
-
公开(公告)号：CN111027574A
公开(公告)日：2020-04-17
申请号：CN201911251240.8
申请日：2019-12-09
Applicant: 中南大学
Abstract: 本发明提供了一种基于图卷积的建筑物模式识别方法，包括：将建筑物数据划分为预设街区，在所述预设街区内利用德洛内三角网创建邻接关系；计算建筑物特征描述指标集合，得到建筑物特征描述指标值集合矩阵；分别对描述指标特征降维，获得建筑物特征值向量；标记建筑物模式标签，并采用半监督图卷积网络识别模式获得结果。本发明所提供的基于图卷积的建筑物模式识别方法仅需要较少的标注数据即可准确发现建筑物群组模式，有效改善了当前建筑物群组识别方法参数设置困难、识别结果不稳定、精度低的缺陷，可以推广应用于地图综合、空间数据更新、城市规划与景观设计等领域。
-
公开(公告)号：CN110827302A
公开(公告)日：2020-02-21
申请号：CN201911114195.1
申请日：2019-11-14
Applicant: 中南大学
Abstract: 本发明提供了一种基于深度图卷积网络的点云目标提取方法及装置，其中该方法包括：将城市场景点云数据划分为多个超点；获取所述多个超点中每个超点的局部特征；根据所述多个超点之间的拓扑连接关系，构建空间拓扑图；基于所述空间拓扑图，构建深度图卷积网络；根据所述深度图卷积网络和所述多个超点中每个超点的局部特征，得到每个超点内各点的标签。本发明能提高目标提取的效率和准确度。
-
公开(公告)号：CN107704551A
公开(公告)日：2018-02-16
申请号：CN201710888304.X
申请日：2017-09-27
Applicant: 中南大学
Abstract: 本发明公开了一种面向公安事件的时空级联模式非参数检验方法，根据每个候选级联模式中各类公安事件的时空分布数据的时空分布特征，构建多元事件时空分布相互独立的零模型；然后将级联参与指数作为候选级联模式频繁度的度量指标，从而对其显著性进行判别。本发明方法不仅能够有效识别公安事件间具有统计意义的显著时空级联模式，且无需人为设置频繁度阈值，降低了现有方法的主观性，并进一步提高时空级联模式挖掘结果辅助解决公安事件防控问题的实用性与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN103927432A
公开(公告)日：2014-07-16
申请号：CN201410071499.5
申请日：2014-02-28
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开了一种面向设施区位规划的约束空间聚类方法，依据三角网描述目标需求点的空间邻近位置，并采用由整体到局部的Delaunay三角网边长统计约束识别目标需求点的空间聚集模式，从而为服务源点的空间配置提供决策依据。在识别目标需求点的空间聚集模式过程中，空间障碍与便利体等空间约束可以同时被顾及，从而获得更具有实际意义的目标需求点空间聚集模式。本发明优点如下：不需要用户制定目标需求点聚集模式的数量，可以从整体和局部两个层次获得顾及空间障碍与便利体的空间聚集模式，最后空间聚集模式可以可视化地输出，为设施区位规划提供重要地决策依据。
-
公开(公告)号：CN102163224A
公开(公告)日：2011-08-24
申请号：CN201110085248.9
申请日：2011-04-06
Applicant: 中南大学
IPC: G06F17/30
Abstract: 本发明公开了一种自适应空间聚类方法，包括：(1)空间数据预处理及特征选取；(2)根据空间属性构建Delaunay三角网；(3)依据空间属性进行聚类分析操作；(4)若需要进一步考虑空间实体障碍则转步骤(5)，若要考虑专题属性转步骤(6)，否则空间聚类操作终止；(5)导入空间障碍图层，将空间障碍与各个空间簇中实体间的Delaunay三角网边长进行叠加分析，若相交则打断该边长；(6)采用改进的基于密度的空间聚类方法进行专题属性聚类。(7)聚类结果可视化，并输出聚类结果。本发明具有操作简便、自动化程度与计算效率高、功能完备、适用性强等优点，能有效提高空间聚类分析挖掘深层次地学规律的能力。
-
公开(公告)号：CN110930281A
公开(公告)日：2020-03-27
申请号：CN201911227645.8
申请日：2019-12-04
Applicant: 中南大学
Abstract: 本发明公开了一种城市交通流社团结构统计检测的方法及系统，所述方法包括：首先，建立轨迹数据与路网数据的关联模型；其次，提出一种在加权空间嵌入图的空间扫描统计量方法识别出具有显著性的道路；进而，采用蚁群优化检测出任意形状的空间社团；最后，提出一种随机轨迹的蒙特卡洛模拟方法对检测出的空间社团进行显著性评估。将本发明应用于实际交通数据，可以揭示不同区域之间的空间相互作用，为理解城市结构和功能提供一定的借鉴。
-
公开(公告)号：CN103942325A
公开(公告)日：2014-07-23
申请号：CN201410176895.4
申请日：2014-04-29
Applicant: 中南大学
IPC: G06F17/30
CPC classification number: G06F17/30533
Abstract: 本发明公开了一种融合气候分区思想的海陆气候事件关联规则挖掘方法。本发明通过对空间数据建立Delaunay三角网并施加整体和局部长边约束，获得合理稳健的空间邻近关系网，进而度量空间邻近实体间时间序列的相似性，进行层次聚类得到多层次聚类结果，基于伪T统计量分析获得较佳气候分区结果；纳入相关领域先验知识约束，分别从海洋气候指数和各陆地气候区域提取感兴趣气候事件，进而通过施加时间窗口宽度约束、时间延迟约束、充分度和必要度约束，挖掘海陆气候事件间的有效关联规则。本发明在挖掘过程中可有效顾及多尺度效应得到有效气候区域，多重约束亦使得本发明在挖掘关联规则时具有高效性、针对性和实用性。
-
公开(公告)号：CN103914558A
公开(公告)日：2014-07-09
申请号：CN201410151706.8
申请日：2014-04-16
Applicant: 中南大学
IPC: G06F17/30
CPC classification number: Y02A90/15 , G06F17/30536
Abstract: 本发明一种基于时空统计的气象要素时空聚集模式挖掘方法，首先对气象数据进行预处理与探索性分析判断气象要素时空聚集模式的是否存在；若气象要素存在聚集模式，则进一步借助时空统计学理论构建时空邻近域；在此基础上，融合空间、时间与专题属性三方面因素估计气象时空实体的密度；最后，将高密度气象时空实体聚集成簇，并进行可视化表达。优点如下：采用时空统计学理论避免了人为因素对气象要素时空聚集模式挖掘的主观影响，从时间、空间耦合的视角综合考虑气象要素的动态演化规律，有效提高时空聚类分析方法挖掘深层次地学规律的能力。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.023 seconds)
