[发明专利]一种地理信息网络中自适应检测划分子区域的方法

说明书

本发明公开了一种地理信息网络中自适应检测划分子区域的方法，步骤包括：根据地理信息网络G构建模型，基于不同节点之间的位置关系和距离进行边权重的规则化，接着利用产生式推理和标签传播的集成算法计算节点的参数值或标签，最后根据节点的隐含参数值或者节点标签参数的相似性，将地理信息网络G划分子区域，并输出图形显示。本发明的有益效果：本方法对边权重的物理模型进行了定义，不需要预先确定子区域数量，根据网络结构能够自适应的检测划分明确的子区域或重叠子区域。

技术领域

本发明属于计算机数据挖掘和模式识别领域领域，涉及地理信息网络分析和挖掘，具体涉及一种地理信息网络中自适应检测划分子区域的方法。

背景技术

在日常生活中，地理信息系统(GIS)扮演着重要的角色，如路线规划、基于位置的业务推荐等。研究者对地理信息系统的分析利用，除了对全球定位系统(GPS)技术和电子地图的研究，还运用复杂网络理论对地理信息系统进行整体研究，以科学分析系统结构，优化城市规划。空间位置数据和相应的属性数据是GIS的两个关键指标。近年来，随着物联网和GPS技术的发展，空间位置数据和相应的属性数据呈指数级增长。海量的空间数据和属性数据以及它们之间复杂的关系，给GIS的分析和理解以及可视化带来了困难。为了解决这些问题，将GIS抽象地表示为地理信息网络，其中空间元素表示为节点，空间元素与属性信息的关系表示为边。地理信息网络不同于文本语义网络和社交网络等传统的信息网络，它所具有的空间信息在GIS的结构分析中具有重要意义。对地理信息网络进行适当且充分的划分，形成不同的位置信息集合，即子区域，才能更好地利用地理信息网络。然而地理信息网络的子区域数量、重叠等结构信息通常是未知的。例如，道路网络受道路位置和距离的影响，没有明确的分类，这给信息的可视化呈现和信息利用带来不便。在地理信息网络中，需要考虑不同位置之间的距离，可以用不同的边权值来表示，从而形成加权网络。对于复杂网络的结构研究，社团检测是目前研究的热点之一。现有用于加权网络的社团检测算法，虽然能够检测到社团，但社团和边权重的物理意义不明确，并且有的需要预先确定社团的数量，有的只能检测到划分明确的社团，都极大地限制了网络结构信息的挖掘。因此，需要发展新的检测和划分子区域的方法。

发明内容

有鉴于此，本发明提供一种地理信息网络中自适应检测划分子区域的方法。

其技术方案如下：

一种地理信息网络中自适应检测划分子区域的方法，其关键在于包括以下步骤：

S1，根据地理信息网络G构建模型：定义模型的节点空间θ，为所述地理信息网络G定义隐含参数γ，所有隐含参数γ构成隐含参数空间γ，并建立所述节点空间θ与所述隐含参数空间γ之间的联系，根据节点位置信息和节点邻接关系计算节点距离D、连边权重ω、节点强度s_i和所述地理信息网络G的总强度l；

S2，所述隐含参数γ的外层循环迭代计算：定义所述隐含参数γ的映射函数F(x,y)，所述映射函数F(x,y)将归一化后的所述隐含参数对映射到[0,1]区间，所述映射函数F(x,y)按式(1)进行计算；

其中是伯恩斯坦多项式，如式(2)所示，α为1，M为伯恩斯坦多项式的阶数，

其中β_uv为模型组合系数，且β_uv＝β_vu，初始化设置为[0,2]区间内的随机小数；

S3，置信传播消息的内层循环迭代：将所述隐含参数Υ的概率q_i(x)定义为隐含参数值，表示节点i具有隐含参数x的概率分布，所述隐含参数值根据步骤S2得到的映射函数F(x,y)值、前一次迭代的置信传播消息Msg以及节点i的强度和节点i的相邻节点的强度计算得到，初始化所述隐含参数Υ的概率q_i(x)为[0,1]区间内的随机小数；