一种基于深度学习和异步轨迹数据的用户身份识别方法

发明专利有效专利

申请号：
CN202110648737.4
IPC分类号：G06F21/31;G06N3/04;G06N3/08
申请日期：
2021-06-10
申请人：
重庆市勘测院

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	一种基于深度学习和异步轨迹数据的用户身份识别方法
申请号	CN202110648737.4	申请日期	2021-06-10
法律状态	实质审查	申报国家	中国
公开/公告日	2021-08-27	公开/公告号	CN113312596A
优先权	暂无	优先权号	暂无
主分类号	G06F21/31 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F21/24 （转入G06F 21/60） G06F21/30 鉴定，即确定身份或安全负责人的授权〔2013.01〕 G06F21/31 用户鉴别〔2013.01〕	IPC分类号	G;0;6;F;2;1;/;3;1;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	重庆市勘测院	申请人地址	重庆市江北区电测村231号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	重庆市勘测院	当前权利人	重庆市勘测院
发明人	向泽君;蔡柔丹;陈良超;周智勇;胡开全;马红
代理机构	重庆鼎慧峰合知识产权代理事务所（普通合伙）	代理人	徐璞

摘要

本发明提供一种基于深度学习和异步轨迹数据的用户身份识别方法，包括以下步骤：对待识别的异步轨迹数据进行预处理后输入到用户身份识别模型中对用户身份进行识别。模型使用融合双向循环神经网络对用户身份进行识别，具体如下：将超长轨迹序列输入到一维卷积层进行数据压缩；将数据压缩序列输入到一维池化层进行特征提取得到短序列；将短序列输入进双向门控循环单元中，分别沿时间正序和时间逆序学习轨迹特征；将时间正序、逆序方向的轨迹特征进行合并后输入到全连接层，输出合并后的轨迹特征所对应的用户身份识别号。本发明可以解决已有方法精度受限、轨迹数据特征构建存在主观性、大规模轨迹数据采样间隔不均衡及样本序列不定长的技术问题。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供