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

Inventor： 张滨 ,  张珣 ,  杨岚雁 ,  岳明齐 ,  付晶莹 ,  刘锟

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：CN110516704B

公开(公告)日：2022-07-15

申请号：CN201910654421.9

申请日：2019-07-19

Applicant: 中国科学院地理科学与资源研究所 ,  北京工商大学

Inventor： 江东 ,  郝蒙蒙 ,  付晶莹 ,  张珣 ,  杨岚雁

IPC: G06V10/764 ,  G06K9/62

Abstract: 本发明提供了一种基于关联规则的MLKNN多标签分类方法，包括以下步骤：A、对多标签数据集的标签进行处理，将标签转换成关联规则算法中的项集，采用算法进行关联规则的挖掘生成，得到标签置信度；B、利用MLKNN多标签分类算法根据特征属性计算出验证集中每个样本拥有标签的概率，即特征置信度；C、将步骤A得到的标签置信度与步骤B得到的特征置信度进行融合，融合后的置信度即为计算得到的该多标签数据集拥有某标签的概率。本发明极大地提高了多标签数据分类的准确性。

公开(公告)号：CN113053115A

公开(公告)日：2021-06-29

申请号：CN202110284607.7

申请日：2021-03-17

Applicant: 北京工商大学 ,  中国科学院地理科学与资源研究所

Inventor： 张珣 ,  梁春芳 ,  杨岚雁 ,  付晶莹 ,  岳明齐 ,  王梓旭 ,  江东 ,  林刚

IPC: G08G1/01 ,  G06N3/04

Abstract: 本发明公布了一种基于多尺度图卷积网络模型的交通预测方法，采用多尺度图卷积网络和门控循环单元GRU，通过同时捕获交通路网的时间依赖性即交通流的局部时间变化趋势和空间依赖性即拓扑空间结构，通过历史时间步的交通流量预测未来时间步的各个路段的交通流量，由此准确预测道路网络的交通流。本发明方法能够有效预测交通流的时空变化特征和规律，预测精度高，提升了交通流预测效果。

公开(公告)号：CN113053115B

公开(公告)日：2022-04-22

申请号：CN202110284607.7

申请日：2021-03-17

Applicant: 中国科学院地理科学与资源研究所 ,  北京工商大学

Inventor： 付晶莹 ,  张珣 ,  江东 ,  林刚 ,  梁春芳 ,  杨岚雁 ,  岳明齐 ,  王梓旭

IPC: G08G1/01 ,  G06N3/04

Abstract: 本发明公布了一种基于多尺度图卷积网络模型的交通预测方法，采用多尺度图卷积网络和门控循环单元GRU，通过同时捕获交通路网的时间依赖性即交通流的局部时间变化趋势和空间依赖性即拓扑空间结构，通过历史时间步的交通流量预测未来时间步的各个路段的交通流量，由此准确预测道路网络的交通流。本发明方法能够有效预测交通流的时空变化特征和规律，预测精度高，提升了交通流预测效果。

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

Inventor： 张滨 ,  张珣 ,  杨岚雁 ,  岳明齐 ,  付晶莹 ,  刘锟

IPC: G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

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：CN110516704A

公开(公告)日：2019-11-29

申请号：CN201910654421.9

申请日：2019-07-19

Applicant: 中国科学院地理科学与资源研究所 ,  北京工商大学

Inventor： 江东 ,  郝蒙蒙 ,  付晶莹 ,  张珣 ,  杨岚雁

IPC: G06K9/62

Abstract: 本发明提供了一种基于关联规则的MLKNN多标签分类方法，包括以下步骤：A、对多标签数据集的标签进行处理，将标签转换成关联规则算法中的项集，采用算法进行关联规则的挖掘生成，得到标签置信度；B、利用MLKNN多标签分类算法根据特征属性计算出验证集中每个样本拥有标签的概率，即特征置信度；C、将步骤A得到的标签置信度与步骤B得到的特征置信度进行融合，融合后的置信度即为计算得到的该多标签数据集拥有某标签的概率。本发明极大地提高了多标签数据分类的准确性。