利用卷积神经网络模型识别交通指数时间序列模式的方法

发明专利有效专利

申请号：
CN202010140374.9
IPC分类号：G06K9/00G06K9/62G06N3/04
申请日期：
2020-03-03
申请人：
北京建筑大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	利用卷积神经网络模型识别交通指数时间序列模式的方法
申请号	CN202010140374.9	申请日期	2020-03-03
法律状态	实质审查	申报国家	中国
公开/公告日	2020-06-26	公开/公告号	CN111339978A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G06K9/00;G06K9/62;G06N3/04查看分类表>
申请人	北京建筑大学	申请人地址	北京市大兴区黄村镇永源路*** 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京建筑大学	当前权利人	北京建筑大学
发明人	张学东;卢剑;张健钦;郭小刚;陆浩;贾礼朋
代理机构	北京远大卓悦知识产权代理事务所（普通合伙）	代理人	卞静静

摘要

本发明公开了利用卷积神经网络模型识别交通指数时间序列模式的方法、装置、电子设备和存储介质。其中，方法包括：获取交通指数时间序列数据；利用卷积神经网络模型对所述交通指数时间序列数据进行特征提取，得到特征向量；利用分类模块对所述特征向量进行处理，得到所述交通指数时间序列数据的模式分类结果。本发明通过卷积神经网络模型发现交通指数时间序列数据的时序特征，再利用分类模块对其进行分类，将复杂抽象的时间序列统一为所属模式，本发明对时间序列数据模式识别更准确、有效，适合于呈现时间阶段性变化的数据间相关性研究和模式发现。