面向卷积神经网络的时空地理动态属性向量化方法及系统

摘要

本发明公开了一种面向卷积神经网络的时空地理动态属性向量化方法及系统，得到研究区域的邻接矩阵，根据邻接矩阵将研究区域抽象为拓扑图，然后对研究区域中各子区域的事件点数据进行统计，再从拓扑图中选取预设的w个中心顶点，并获取预设值k,对于每个中心顶点：按照距离该中心顶点的最短路径从小到大选取k‑1邻域顶点；最后将w组中心顶点与选取出的对应的k‑1领域顶点依次排列，根据V＝w×k个顶点的编号从C个TS矩阵中提取相应的列，重新构成C个M×V的矩阵，C个M×V的矩阵组成C×M×V的三维张量T作为最终的数据处理结果。本发明能够对于没有准确地理位置信息的点数据嵌入到张量中，从而为通过深度卷积网络进行学习和预测提供基础。