-
公开(公告)号：CN112734234A
公开(公告)日：2021-04-30
申请号：CN202110029606.8
申请日：2021-01-11
Applicant: 北京工商大学 , 中国科学院地理科学与资源研究所
Abstract: 本发明公布了一种基于最大覆盖模型的数字标牌空间优化选址方法，包括：要素处理、构建数字标牌最大覆盖模型、求解模型过程；具体包括：进行要素选取及处理，得到数字标牌多尺度建模因子序列；对多尺度建模因子序列进行重采样分级处理，得到分级数据，进一步构建数字标牌最大覆盖模型；求解数字标牌最大覆盖模型，通过多次迭代得到的求解结果即为数字标牌优化选址结果。还包括对数字标牌最大覆盖模型进行模型有效性验证。本发明综合考虑多源要素，能够自动地完成对数字标牌的优化选址，实现数字标牌的空间优化，优化选址结果的参考依据强、时效性高、精准性高、数字标牌影响效果佳。
-
Patent Agency Ranking
公开(公告)号：CN115565369B
公开(公告)日：2024-04-16
申请号：CN202211148038.4
申请日：2022-09-20
Applicant: 北京工商大学
IPC: G08G1/01 , G06N3/08 , G06N3/0464 , G06N3/042 , G06N3/045 , G06F18/232
Abstract: 本发明公布了一种基于超图的时空超图卷积交通流量预测方法，将交通线路图按照流量变化特征构建成时空超图，再建立时空超图卷积交通流量预测模型对交通流量进行预测。本发明提供的技术方案根据过往交通时序上的流量变化特征，将特征相似的交通站点进行聚类，在相邻两个时间点之间构造超边，将相邻时间点中同属一个类别的地铁站相连，构建跨时空超图；再通过构建基于超图的时空卷积网络模型，挖掘时空超图的时空关联性，预测未来交通流量，可有效提高区域交通流量预测的准确度。
-
公开(公告)号：CN112966114A
公开(公告)日：2021-06-15
申请号：CN202110388284.6
申请日：2021-04-10
Applicant: 北京工商大学 , 中国科学院地理科学与资源研究所
Abstract: 本发明是关于一种基于对称图卷积神经网络的文献分类方法和装置，方法包括：获取文献引用数据集作为图结构数据，读取文献数据集生成对应的特征矩阵和邻接矩阵，构建相似度矩阵；分别以相似度矩阵和邻接矩阵作为聚合矩阵，对文献数据的特征矩阵进行图卷积操作，得到基于相似度矩阵的第一预测值和基于邻接矩阵的第二预测值；分别计算文献数据中标记节点的监督损失和基于第一预测值和第二预测值的所有文献节点的无监督损失，并将监督损失和无监督损失进行合并，确定最终损失；利用最终损失训练和预设训练集进行训练，得到目标图卷积神经网络，对文献数据集中的目标数据进行半监督分类。通过该技术方案，可以充分嵌入图形知识，提高文献分类的准确性。
-
公开(公告)号：CN115565369A
公开(公告)日：2023-01-03
申请号：CN202211148038.4
申请日：2022-09-20
Applicant: 北京工商大学
Abstract: 本发明公布了一种基于超图的时空超图卷积交通流量预测方法，将交通线路图按照流量变化特征构建成时空超图，再建立时空超图卷积交通流量预测模型对交通流量进行预测。本发明提供的技术方案根据过往交通时序上的流量变化特征，将特征相似的交通站点进行聚类，在相邻两个时间点之间构造超边，将相邻时间点中同属一个类别的地铁站相连，构建跨时空超图；再通过构建基于超图的时空卷积网络模型，挖掘时空超图的时空关联性，预测未来交通流量，可有效提高区域交通流量预测的准确度。
-
公开(公告)号：CN112966114B
公开(公告)日：2023-08-15
申请号：CN202110388284.6
申请日：2021-04-10
Applicant: 北京工商大学 , 中国科学院地理科学与资源研究所
IPC: G06F16/35 , G06F18/2415 , G06F18/214 , G06F18/22 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明是关于一种基于对称图卷积神经网络的文献分类方法和装置，方法包括：获取文献引用数据集作为图结构数据，读取文献数据集生成对应的特征矩阵和邻接矩阵，构建相似度矩阵；分别以相似度矩阵和邻接矩阵作为聚合矩阵，对文献数据的特征矩阵进行图卷积操作，得到基于相似度矩阵的第一预测值和基于邻接矩阵的第二预测值；分别计算文献数据中标记节点的监督损失和基于第一预测值和第二预测值的所有文献节点的无监督损失，并将监督损失和无监督损失进行合并，确定最终损失；利用最终损失训练和预设训练集进行训练，得到目标图卷积神经网络，对文献数据集中的目标数据进行半监督分类。通过该技术方案，可以充分嵌入图形知识，提高文献分类的准确性。
-
公开(公告)号：CN112734234B
公开(公告)日：2023-06-09
申请号：CN202110029606.8
申请日：2021-01-11
Applicant: 北京工商大学 , 中国科学院地理科学与资源研究所
IPC: G06Q10/067 , G06Q30/0242 , G06Q50/00 , G06N3/126
Abstract: 本发明公布了一种基于最大覆盖模型的数字标牌空间优化选址方法，包括：要素处理、构建数字标牌最大覆盖模型、求解模型过程；具体包括：进行要素选取及处理，得到数字标牌多尺度建模因子序列；对多尺度建模因子序列进行重采样分级处理，得到分级数据，进一步构建数字标牌最大覆盖模型；求解数字标牌最大覆盖模型，通过多次迭代得到的求解结果即为数字标牌优化选址结果。还包括对数字标牌最大覆盖模型进行模型有效性验证。本发明综合考虑多源要素，能够自动地完成对数字标牌的优化选址，实现数字标牌的空间优化，优化选址结果的参考依据强、时效性高、精准性高、数字标牌影响效果佳。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
