中国人民解放军网络空间部队信息工程大学杨剑获国家专利权
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！
龙图腾网获悉中国人民解放军网络空间部队信息工程大学申请的专利一种基于无监督图表示学习的道路网模式识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119538035B 。
龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411564978.0，技术领域涉及：G06F18/241；该发明授权一种基于无监督图表示学习的道路网模式识别方法及系统是由杨剑;方立;侯洋;张变英;谢潇;贾奋励;林佳诺设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。
本一种基于无监督图表示学习的道路网模式识别方法及系统在说明书摘要公布了：本发明提供一种基于无监督图表示学习的道路网模式识别方法及系统。首先，通过空间对偶图对道路网进行建模，并基于认知启发设计了图节点特征。然后，提出的图神经网络模型以GAE为主，能够采用无监督的方式训练模型，同时在路段嵌入学习阶段引入子图同构计数SIC和图嵌入生成阶段引入全局上下文注意力机制GCA，增强模型表示性能。最后，利用图级嵌入的几何相似性识别路网模式。实验结果表明，本发明在实验区各项指标均优于经典路网识别方法，分类准确率提升12％以上，甚至略优于有监督的基线图神经网络方法。
本发明授权一种基于无监督图表示学习的道路网模式识别方法及系统在权利要求书中公布了：1.一种基于无监督图表示学习的道路网模式识别方法，其特征在于，包括： 步骤1：将目标路网数据中的stroke路段作为图的节点，将相邻路段的连接关系和为空间相似路段增设的空间关系作为图的边，构建得到目标路网数据的空间对偶图，并根据所述空间对偶图生成目标路网数据的邻接矩阵； 步骤2：提取目标路网数据中各个stroke路段的路段特征以生成目标路网数据的特征矩阵；其中，所述路段特征包括路段的几何属性特征和形状上下文SC属性特征； 步骤3：基于目标路网数据的空间对偶图、邻接矩阵和特征矩阵，利用预设的图神经网络模型进行道路图表示学习，生成目标路网数据的图级嵌入；其中，所述图神经网络模型包括GAE模型和结构感知的图表示学习模块；所述结构感知的图表示学习模块以GAE模型中编码器输出的节点级嵌入作为输入以生成图级嵌入； 步骤4：将目标路网数据的图嵌入与多种预设的标准锚点的图嵌入进行相似度度量，将相似度值最高的标准锚点所属的路网模式作为原始路网数据的路网模式。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军网络空间部队信息工程大学，其通讯地址为：450000 河南省郑州市高新区科学大道62号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
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。
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。
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
请提出您的宝贵建议，有机会获取IP积分或其他奖励