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：吉林大学

摘要：本发明属于绿道选线技术领域，涉及一种基于图神经网络的绿道选线方法，包括以下步骤：步骤一：点的选择与提取；步骤二：基于点的选取，构建图神经网络所需节点矩阵；步骤三：构建两层GCN网络，实现对于绿道的精确求解；本发明的优点是：通过利用传统的阻力因子所具有的多种数据，结合行人对于自然景观、游憩的喜好等行人的主观因素，利用图神经网络模型实现对于绿道的选择，充分运用该模型在大规模数据集上进行训练后，能够学习到复杂的地理特征、地形和环境条件以及行人活动和景观密度，实现提供高精度的绿道选线预测。实现对于绿道的精确选择。

主权项：1.一种基于图神经网络的绿道选线方法，其特征在于，包括以下步骤：步骤一：点的选择与提取，构建传统的阻力面，使用连接分析工具包得到对电流密度的评价结果后确定生态夹点区，使用ArcGIS软件确定生态节点并与生态夹点区叠加分析后得到生态夹点区，使用LinkageMapper工具箱检测影响通道质量的重要屏障并选取障碍点，通过运动软件数据收集以及进行实地调查方式，选择人口游憩时间长、对某些自然景观欣赏时间久的区域作为兴趣点；步骤二：基于点的选取，构建图神经网络所需节点矩阵，根据步骤一产生的生态节点和已有的边链接构建图卷积神经网络，并构建邻接矩阵，运用谱域法构建图神经网络的卷积运算；步骤三：构建两层GCN网络，实现对于绿道的精确求解；C1：对节点信息进行2层卷积运算，每层运算表示为：；其中为，为单位矩阵；为的度矩阵；为输出矩阵；为每一层的特征矩阵，对于输入层即为；为图神经网络的参数，为邻接矩阵，为节点特征；C2：通过得到通过两层GCN网络的输出，;为第一层参数；为第二层参数；是两层GCN网络的输出；C3：利用计算所有带标签的节点的交叉熵损失函数，交叉熵损失函数用于反向传播更新图神经网络参数；是节点的交叉熵损失函数，式中为所有标签，下标为层数；为取输出的对数；C4：根据已有的图结构进行链路预测任务，构建一个编码器Encoder，即参数，以邻接矩阵和节点特征为输入，输出边表示向量，令=Encoder（,）；C5:再构建一个解码器，即参数，以作为输入，输出以sigmoid作激活函数输出的，=decoder（），介于0-1之间越接近0表示预测值存在可能性越低，反之可能性更高；C6:利用训练集数据中的已知边计算对应的似然函数，似然函数表示为，利用最大化似然函数更新，，实现对于边的精确预测,为似然函数。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于图神经网络的绿道选线方法