摘要
本发明涉及一种用于学习城市区域嵌入的无监督区域表示学习方法及系统,属于城市计算和智能系统技术领域。该方法具体包括以下步骤:S1、构建区域混合图网络,利用多模态数据来捕捉区域之间的成对和成组关系;S2、执行图和超图对比学习,通过并行的对比学习模块,分别从图和超图结构中学习区域节点的判别性表示以及区域间的高阶关系;S3、跨模块对比学习,通过控制器组件促进图和超图节点表示之间的信息交换,增强模型的学习能力;S4、优化模型参数,通过联合优化图损失、超图损失和跨模块损失,生成更有效的区域嵌入,以支持各种下游任务。本发明提供的技术方案提高了城市区域分析的准确性和效率,增强了模型对区域间复杂交互的捕捉能力。
技术关键词
控制器组件
街景
学习方法
矩阵
编码器
模块
节点特征
参数
关系
KNN算法
样本
多模态
学习系统
智能系统
视觉特征
代表
邻居
网络
数据
系统为您推荐了相关专利信息
计算方法
绩效评价指标体系
街景
因子
国土空间规划
水平轴风力机
风洞试验段
风轮
修正方法
光电编码器
语音反馈方法
动态时间规整算法
音色特征
文本
关节点
外参标定方法
视觉相机
深度特征提取网络
环境感知传感器
采集环境参数