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：北京交通大学

摘要：本发明提供一种跨城市兴趣点分布数据迁移预测方法及系统，属于目标识别技术领域，获取城市POI分布数据；对获取的城市POI分布数据进行网格化处理，将各POI维度数量作为网格的特征，形成城市网格化POI数据集，即城市的特征矩阵；基于城市网格化POI数据集，使用K‑means聚类方法进行聚类，得到城市POI分布聚类结果；基于城市POI分布聚类结果，选择与目标城市同类别下的城市作为源城市，利用预先训练好的迁移预测模型进行迁移学习预测，得到目标城市的兴趣点分布结果。本发明使用城市聚类，从相似度判别角度，即从源头上解决问题，配合基于样本的迁移技术，获得了更准确的预测结果。

主权项：1.一种跨城市兴趣点分布数据迁移预测方法，其特征在于，包括：获取城市POI分布数据；对获取的城市POI分布数据进行网格化处理，将各POI维度数量作为网格的特征，形成城市网格化POI数据集，即城市的特征矩阵；基于城市网格化POI数据集，使用K-means聚类方法进行聚类，得到城市POI分布聚类结果；基于城市POI分布聚类结果，选择与目标城市同类别下的城市作为源城市，利用预先训练好的迁移预测模型进行迁移学习预测，得到目标城市的兴趣点分布结果，所述迁移预测模型是对TrAdaBoost模型进行改进，得到的Two-stepTrAdaBoost-Multi模型；所述迁移预测模型进行训练时，使用目标城市POI数据进行训练，并使用对源城市POI数据进行预测，得到源城市POI数据预测结果；设定一个阈值，根据源城市POI数据预测结果，选择样本加权残差小于设定阈值的子集作为最终源城市数据集，再进行TrAdaBoost算法过程；调整TrAdaBoost模型中的基学习器支持向量机模型SVM，改用CART决策树模型作为基学习器，并对CART决策树模型内部输出进行调整，添加softmax层使其支持多分类，用于解决大量样本与多分类问题；TrAdaBoost算法步骤如下：若源域和目标域数据的数量分别为a和b，则在数据权重初始化时，往往会将权重设置为： 同时还要设置一个参数值θ，将其用于权重更新，若基学习器的个数为E，则其公式为： 在训练得到一个基学习器后，计算该基学习器在目标域上的错误率： 通过该错误率进一步更新θ的值： 设置的θ值则将用于权重的更新： 其中θ为小于1的正值；在若干次迭代后，源域数据将会根据与目标域数据的相似程度，对目标数据的帮助程度获得权重，实现正向迁移效果；所述迁移预测模型训练使用的损失函数为： 其中，表示目标城市数据的数量，表示目标城市第i组数据的预测值，表示目标城市第i组数据的真实值，表示数据样本的权重。

全文数据：

权利要求：

百度查询： 北京交通大学 跨城市兴趣点分布数据迁移预测方法及系统