专利交易市场

本发明公开了一种基于三元互信息图对比学习的网络节点分类算法，涉及数据挖掘技术领域，包括：对目标图数据集进行两次数据增强，获得视图#imgabs0#通过共享权重的GNN编码器将#imgabs1#编码得到特征表示H1,H2；通过共享权重的映射头h(·)将H1,H2的非线性变化映射到指定特征空间表示Z1,Z2；通过共享权重的解码器d(·)解码Z1,Z2得到D1,D2；通过引入视图之间和视图与原图之间的互信息的计算，以最大化三元互信息，从而更好地区分有用的信息和对任务无益的信息，获得更具实用性的表示，并且能够更好地应用于下游任务，减轻了过拟合，提高了模型的泛化能力，使模型性能指标显著提高。

本发明提供一种基于空间连续性约束的地理分层方法及系统，涉及地理空间数据分析技术领域。该方法利用基于超平面的启发式算法，耦合粒子群算法与遗传算法，结合全局地理信息进行地理分层的寻优，在寻优过程中结合区域划分一致性评价指标和地理平面连通性约束，在保证区域划分一致性的前提下同时减少地理分层结果中的空间破碎化现象。本发明提供的地理分层方法在保证高分层准确度的同时，显著优化了地理分层的空间格局，有效增强了区域内部的空间连通性和同质性，降低了碎片化现象，在地理空间分层与模式识别中具有广泛应用价值。

本发明公开了基于超平面的启发式地理分层方法，包括以下步骤：（1）获取开源网站地理数据，作为自变量和因变量；（2）对自变量和因变量进行预处理；（3）利用粒子群算法初始化数据或更新数据；（4）根据超平面划分类别并计算q值，其中，q值表示描述层内因变量的特征显著程度；（5）根据现有全局最优和个体最优更新解与速度；（6）以概率大小0.1判断是否需要进行变异；（7）判断迭代次数是否达到最大迭代数；本发明实现了从全局视角的地理分层寻优，能有效利用全局地理空间信息，实现更好的地理分层效果。