首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种图卷积自编码器支持下的多尺度道路网相似性计算方法 

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:兰州交通大学

摘要:本发明公开了一种基于图卷积自编码器的道路网相似度计算方法,包括:1首先构建道路网的对偶图,并基于结构的整体与部分之间的关系原则,从全局、局部及连接特性三个方面出发,将道路网空间特征信息赋予对偶图节点,得到道路网图结构的定量化表达;2其次利用图卷积自编码器对道路网图的节点特征信息和结构信息进行聚合和更新,形成对道路网的深度认知,得到道路网节点信息的编码表达;3最后,利用平均池化操作将复杂的高维度特征空间映射到易于度量的低维特征空间得到一组特征向量,并利用余弦相似度计算其相似性。本发明的方法计算出的相似度具有较高的灵敏度,和实际的道路变化情况保持了较高的一致性,比较符合人类的认知。

主权项:1.一种图卷积自编码器支持下的多尺度道路网相似性计算方法,计算步骤包括:S1:将数据进行双线变单线、复杂交叉点化简;S2:构建道路网stroke、道路等级分类和拓扑错误修正的处理,获得原始矢量道路数据;S3:通过边转节点,交点转边的方式构建道路网的对偶图;S4:从全局、局部及连接特征三个方面提取节点特征;S5:模型训练集的构建;S6:模型测试集的构建;S7:利用程序遍历训练集和测试集,生成输入模型的特征矩阵和邻接矩阵;S8:基于图卷积神经网络搭建图卷积自编码器模型;S9:将训练集的特征矩阵和邻接矩阵输入到模型中进行无监督训练;S10:通过训练集和测试集损失曲线及测试集精度观察模型收敛情况;S11:将训练好的模型进行保存;S12:对获取的道路网数据进行尺度变换,得到多尺度下的几组道路网数据;S13:利用S11中保存的模型分别计算待比较的两块道路网的节点级嵌入向量;S14:利用平均池化操作将节点级嵌入向量转化为图级嵌入向量,得到两组大小一致的一维向量;S15:利用余弦相似性计算计算这两个一维向量之间的相似度大小,得到所有尺度变换后的道路与原始道路之间的相似性Sim。

全文数据:

权利要求:

百度查询: 兰州交通大学 一种图卷积自编码器支持下的多尺度道路网相似性计算方法

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。