买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)

摘要：本发明的一种跨地域排放模型迁移方法、系统、存储介质及设备，方法包括以下步骤，S1：根据源域城市路网拓扑结构以及多源外部因素和清单排放标签数据，构建源域排放关联因素图序列标签样本对；S2：设计深度异构图卷积网络提取不同区域路网排放与外部因素的相互关联关系，构建外部因素与路网排放深层特征映射；S3：设计非对称域适应特征转换机制，缩小源域和目标域外部关联因素分布差异，建立路网排放共性特征空间，实现跨地域排放模型迁移。本发明采用域适应特征迁移学习方法，缩小源域与目标域之间多源外部因素特征分布差异，实现跨地域路网移动源排放模型迁移构建。可解决跨域路网排放影响因素分布差异和可获取清单样本标签稀疏的问题。

主权项：1.一种跨地域排放模型迁移方法，其特征在于，通过计算机设备执行以下步骤，S1：根据源域城市路网拓扑结构以及多源外部因素和清单排放标签数据，构建源域排放关联因素图序列标签样本对；S2：设计深度异构图卷积网络提取不同区域路网排放与外部因素的相互关联关系，构建外部因素与路网排放深层特征映射；S2.1：利用考虑到源域和目标域城市具有不同路网结构，即源域和目标域排放关联因素图结构数据输入特征空间是异构的，分别设计源域和目标域的谱图卷积网络提取外部关联因素与路网排放映射的中间特征，所采用的谱图卷积操作记作， 其中，表示图G的归一化拉普拉斯度矩阵，θ是网络权重参数；S2.2：对源域和目标域中间层的输出特征和通过非对称特征转换将其映射到源域特征空间，采用的非线性特征转换记作， 其中，Fs和Ft分别是源域和目标域非线性转换激活函数，Ws，bs和Wt，bt分别是源域和目标域的权重向量和偏置向量；S3：设计非对称域适应特征转换机制，缩小源域和目标域外部关联因素分布差异，建立路网排放共性特征空间，实现跨地域排放模型迁移；S3.1：在源域特征空间内进行最大均值差异域适应特征匹配，从而实现目标域路网排放关联因素特征迁移对齐；对源域和目标域路网排放关联因素特征分布差异进行衡量： 其中，N是样本集大小，T是样本集时间步长，C是卷积核通道数，M是源域节点和目标域节点的曼哈顿距离权重向量矩阵，记作 最终网络的整体优化损失函数如下， 其中，f*表示源域排放清单图卷积网络预测误差损失，用于计算源域外部因素特征与目标域外部因素映射到源域特征空间后的数据特征分布的最大均值差异域适应损失，Tt是特征转换矩阵将目标域特征映射到源域特征空间，损失函数的λ||θs||+||θt||是对参数的正则化惩罚项；对于任意目标城市的无标记多源外部因素数据xt，得到目标域城市排放清单如下，yt＝ftxt；θt。

全文数据：

权利要求：

百度查询： 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 一种跨地域排放模型迁移方法、系统、存储介质及设备