[发明专利]区域价值评估模型处理方法、装置及计算设备在审
申请号: | 201910849068.X | 申请日: | 2019-09-09 |
公开(公告)号: | CN112464970A | 公开(公告)日: | 2021-03-09 |
发明(设计)人: | 赵锦松;马骢;周昌林;丁霞俊;童海生;姜奇华 | 申请(专利权)人: | 中国移动通信集团浙江有限公司;中国移动通信集团有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京市浩天知识产权代理事务所(普通合伙) 11276 | 代理人: | 陈翠 |
地址: | 310016 *** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 区域 价值 评估 模型 处理 方法 装置 计算 设备 | ||
1.一种区域价值评估模型处理方法,包括:
获取已知价值区域的特征数据,根据已知价值区域的特征数据构建训练数据集,其中,训练数据集包含多个第一样本数据,所述第一样本数据包括:区域价值和n个样本特征;
利用预设数据标准化方法对第一样本数据进行标准化处理;
通过预设特征选择方法对标准化处理后的第一样本数据进行特征选择处理,得到第二样本数据,其中,所述第二样本数据包括:区域价值和m个样本特征,m小于n;
根据SVM多分类算法对第二样本数据进行分类训练,得到区域价值评估模型。
2.根据权利要求1所述的方法,其中,所述根据SVM多分类算法对第二样本数据进行分类训练,得到区域价值评估模型进一步包括:
计算具有相同区域价值的第二样本数据的区域价值中心;
根据区域价值中心,计算每两类价值区域的类中心距离,根据类中心距离生成类间距矩阵;
根据类间距矩阵建立SVM多分类器,其中,SVM多分类器为由多个SVM二分类器组合构成的多分类器;
将第二样本数据输入至SVM多分类器,得到区域价值评估模型。
3.根据权利要求1或2所述的方法,其中,所述通过预设特征选择方法对标准化处理后的第一样本数据进行特征选择处理,得到第二样本数据进一步包括:
针对n个样本特征中的每个样本特征,计算所述样本特征对应的信息增益;
依据信息增益对n个样本特征进行排序;
根据样本特征的排序结果从n个样本特征中选取m个样本特征,得到第二样本数据。
4.根据权利要求1或2所述的方法,其中,在得到区域价值评估模型之后,所述方法还包括:
获取待评估栅格的特征数据;
对待评估栅格的特征数据进行标准化处理;
将处理后的待评估栅格的特征数据输入至区域价值评估模型进行区域价值预测,得到待评估栅格对应的区域价值。
5.根据权利要求4所述的方法,其中,在得到待评估栅格对应的区域价值类别之后,所述方法还包括:
根据栅格位置信息,利用预设聚类方法对具有相同区域价值的栅格进行聚类处理,得到对应的价值区域。
6.根据权利要求1或2所述的方法,其中,所述根据已知价值区域的特征数据构建训练数据集进一步包括:
依据预设划分规则对已知价值区域进行拆分处理,得到多个栅格,其中,每个栅格作为一个第一样本;
根据预设数据格式对第一样本内的特征数据进行处理,生成训练数据集。
7.根据权利要求1或2所述的方法,其中,区域价值包括:高流量高价值、高流量低价值、低流量高价值、低流量低价值。
8.一种区域价值评估模型处理装置,包括:
构建模块,适于获取已知价值区域的特征数据,根据已知价值区域的特征数据构建训练数据集,其中,训练数据集包含多个第一样本数据,所述第一样本数据包括:区域价值和n个样本特征;
标准化处理模型,适于利用预设数据标准化装置对第一样本数据进行标准化处理;
特征选择处理模块,适于通过预设特征选择装置对标准化处理后的第一样本数据进行特征选择处理,得到第二样本数据,其中,所述第二样本数据包括:区域价值和m个样本特征,m小于n;
训练模块,适于根据SVM多分类算法对第二样本数据进行分类训练,得到区域价值评估模型。
9.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的区域价值评估模型处理方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的区域价值评估模型处理方法对应的操作。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国移动通信集团浙江有限公司;中国移动通信集团有限公司,未经中国移动通信集团浙江有限公司;中国移动通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910849068.X/1.html,转载请声明来源钻瓜专利网。