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！

龙图腾网获悉中国测绘科学研究院申请的专利一种基于兴趣单元的个性化兴趣区提取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：CN119091116B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202411094118.5，技术领域涉及：G06V10/25；该发明授权一种基于兴趣单元的个性化兴趣区提取方法及系统是由徐胜华;唐晴;王勇;王琢璐;刘世川设计研发完成，并于2024-08-09向国家知识产权局提交的专利申请。

本一种基于兴趣单元的个性化兴趣区提取方法及系统在说明书摘要公布了：本说明书实施例提供了一种基于兴趣单元的个性化兴趣区提取方法及系统，其中，方法包括：提取研究区域内的城市道路数据，基于所述城市道路数据将研究区域划分为不同的兴趣单元；基于兴趣单元的签到数据，动态为卷积层分配相应的权重参数，提取所述兴趣单元的时间间隔特征和空间距离特征，将以上特征融合形成时空融合特征；将所述时空融合特征作为输入，通过改进的聚类算法对兴趣单元进行聚类，划分不同的兴趣区，实现对个性化兴趣区的提取。

本发明授权一种基于兴趣单元的个性化兴趣区提取方法及系统在权利要求书中公布了：1.一种基于兴趣单元的个性化兴趣区提取方法，其特征在于，包括： 提取研究区域内的城市道路数据，基于所述城市道路数据将研究区域划分为不同的兴趣单元； 基于兴趣单元的签到数据，动态为卷积层分配相应的权重参数，提取所述兴趣单元的时间间隔特征和空间距离特征，将以上特征融合形成时空融合特征；具体包括： 设置空间图G＝{V,E,A}，其中，节点V＝{v0,v1,v2……vn-1}为兴趣单元，边集合E＝{e0,e1,e3,…em-1}，每个ei表示连接两个节点的边，邻接矩阵A表示节点间的空间关系，Aij表示兴趣单元vi和vj之间的Haversine距离； 基于兴趣单元的签到数据，分析不同兴趣单元的签到频率，并根据签到频率计算各个兴趣单元的活跃度；根据每个兴趣单元的活跃度，动态为卷积层分配不同的卷积权重，进而应用于多层图卷积和扩张卷积网络，以捕捉兴趣单元之间复杂的时空关系； 对邻接矩阵进行归一化处理后进行图卷积操作，并在每一层图卷积层中引入所述的卷积权重，堆叠多层图卷积增加网络深度，提取兴趣单元的空间距离特征； 引入扩张卷积网络，通过在时间维度引入扩张因子，扩展卷积感受野；在此基础上，进一步引入动态卷积机制，动态调整卷积核权重以适应不同时间尺度的特征变化，提取兴趣单元的时间间隔特征； 将空间距离特征和时间间隔特征融合形成时空融合特征具体方法为： 在同一维度空间中建立空间距离特征与时间间隔特征映射关系，将空间间隔特征和时间间隔特征以同态方式融合，得到时空融合特征fm； 将所述时空融合特征作为输入，通过改进的聚类算法对兴趣单元进行聚类，划分不同的兴趣区，实现对个性化兴趣区的提取；具体方法为： 设计粒子群算法优化聚类中心，采用无监督分类方式，将相似的兴趣单元划分同一区域； 设计粒子群算法优化聚类中心具体方法为： 首先，随机生成k个粒子，每个粒子包含一个可能的初始聚类中心的位置； 对于每个粒子，利用K均值聚类的目标函数计算适应度，所述目标函数为使中心聚类与其所属聚类中心之间的距离差的总和的最大； 计算粒子聚类中心位置和移动方向更新粒子位置，具体计算方法如下： xlt+1＝xlt+vlt+1； vlt+1＝w·vlt+c1·r1·pbestl-xlt+c2·r2·gbest-xlt； 其中xlt和vlt分别表示粒子聚类中心位置和移动方向，pbestl是找到最优的初始聚类中心位置，gbest表示全局最佳聚类中心，c1、c2为加速系数，r1、r2为随机数； 重复上述步骤计算适应度和更新粒子位置的过程，直到满足最大迭代次数后停止；选取适应度最小的粒子对应的聚类中心作为初始聚类中心，并利用多次迭代K-means算法将POI数据集分配到最近的聚类中心。

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测绘科学研究院，其通讯地址为：100036 北京市海淀区莲花池西路28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”。