龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：中国科学院计算技术研究所
摘要：本申请公开了一种基于深度卷积神经网络的轨迹分类方法，包括：基于待分类的原始轨迹数据，进行数据清洗和数据格式转换，输出压缩的网格序列；将压缩的网格序列的编码输入预构建的静态轨迹分类模型，通过双向长短期记忆网络提取轨迹序列中的上下文信息，采用多头自注意力机制结合分块最大池化方法，提取轨迹语义信息，综合输出轨迹的静态信息分类结果；将压缩前的网格序列的编码转换为单通道灰度图，输入预构建的时空图像轨迹分类模型进行特征提取分类，输出轨迹的动态图像信息分类结果；其中，所述轨迹图像分类模型采用改进的卷积神经网络。本发明采用静态与动态轨迹信息分类方法相结合，有效地利用整个网格序列，在轨迹分类任务上取得性能提升。
主权项：1.一种基于深度卷积神经网络的轨迹分类方法，其特征在于，包括：数据预处理步骤：基于待分类的原始轨迹数据，进行数据清洗和轨迹压缩转换，输出压缩的网格序列；静态轨迹信息分类步骤：将所述压缩的网格序列的编码输入预构建的静态轨迹分类模型，其中，所述轨迹静态分类模型采用双向长短期记忆网络和多头自注意力机制，通过所述双向长短期记忆网络提取轨迹序列中的上下文信息，采用所述多头自注意力机制结合分块最大池化方法，提取轨迹语义信息，综合输出轨迹的静态信息分类结果；时空图像轨迹分类步骤：将压缩前的所述网格序列的编码转换为单通道灰度图，输入预构建的时空图像轨迹分类模型进行特征提取分类，输出轨迹的动态图像信息分类结果，其中，所述轨迹图像分类模型采用改进的卷积神经网络；其中，所述静态轨迹信息分类步骤和时空图像轨迹分类步骤同步或叠加执行。
全文数据：
权利要求：
百度查询： 中国科学院计算技术研究所 基于深度卷积神经网络的轨迹分类方法及其系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号