买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利一种基于卷积与池化的空间数据集相似度计算方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119322946B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411468082.2，技术领域涉及：G06F18/22；该发明授权一种基于卷积与池化的空间数据集相似度计算方法是由梁宇;戴华;王翌阳;张明月;陈燕俐;杨庚设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本一种基于卷积与池化的空间数据集相似度计算方法在说明书摘要公布了：本发明属于空间数据集样例搜索领域，公开了一种基于卷积与池化的空间数据集相似度计算方法，该方法包括1数据集特征图生成阶段：对空间数据集仓库建立网格坐标系，统计二维坐标数量生成特征图；2卷积与池化阶段：利用高斯平滑卷积核平滑特征图，提取特征图结构特征，再通过池化窗口选最大值生成池化特征图；3相似度计算阶段：将最终的特征图展平为特征向量并归一化处理，计算相对余弦相似量，得到数据集之间的相似度。本发明处理了具有复杂结构的空间数据集相似度问题，有效提取了数据集主要特征并减小了计算规模，兼顾准确性和效率，高效处理大规模具有复杂结构的空间数据集，并准确反应数据集间的相似性。

本发明授权一种基于卷积与池化的空间数据集相似度计算方法在权利要求书中公布了：1.一种基于卷积与池化的空间数据集相似度计算方法，其特征在于：所述基于卷积与池化的空间数据集相似度计算方法包括三个步骤： 步骤1、数据集特征图生成阶段：对空间数据集仓库建立网格坐标系，统计二维坐标数量生成二维坐标原始特征图； 步骤2、卷积与池化阶段：利用高斯平滑卷积核平滑二维坐标原始特征图，提取二维坐标原始特征图结构特征，再通过池化窗口选最大值生成池化特征图； 步骤3、相似度计算阶段：将池化特征图和根据样例数据集生成的样例池化特征图展平为特征向量并归一化处理，计算相对余弦相似量，得到数据集之间的相似度，其中， 所述步骤1具体包括以下步骤： 步骤1.1、给定一个空间数据集仓库，为一个二维坐标的空间数据集，其中，，找到中所有二维坐标的轴和轴的最小值以及最大值，分别记为； 步骤1.2、以和为对角建立矩形区域，然后将矩形的宽向两端等距离地延长以将此矩形区域扩充为正方形，再依据划分参数将此正方形区域划分为个大小相等的网格，建立网格坐标系； 步骤1.3、对于空间数据集仓库中的每一个空间数据集，统计空间数据集在网格坐标系中第行、第列的网格内的二维坐标点的数量，记为，其中，得到空间数据集的二维坐标特征图，遍历空间数据集仓库，得到二维坐标原始特征图集合； 所述步骤2具体包括如下步骤： 步骤2.1、选定一个窗口为，标准差为的高斯平滑卷积核，用以在后续特征提取中平滑二维坐标原始特征图，保留空间数据集的结构特征； 步骤2.2、对于二维坐标原始特征图集合，将其中的每个二维坐标原始特征图进行“零填充”ZeroPadding，再将高斯平滑卷积核放置在“零填充”后的二维坐标原始特征图的左上角，即“零填充”后的第一个区域，然后滑动高斯平滑卷积核并且局部加权求和，直到遍历完二维坐标原始特征图生成卷积特征图，得到与空间数据集仓库中各个空间数据集对应的卷积特征图集合； 步骤2.3、对于卷积特征图集合中的每一个卷积特征图，选定一个的池化窗口，步长设置为，其中，将池化窗口初始位置放置在卷积特征图的左上角，即的第一个区域，选取区域内的最大值放入池化后特征图的对应位置，其中，滑动池化窗口直到遍历完卷积特征图，得到对应的池化特征图，最终，得到与空间数据集仓库中各个空间数据集对应的池化特征图集合，公式表示如下： ， 其中，，为池化特征图的第行第列数值，为卷积特征图的第行第列数值，池化窗口内左上角的四分之一区域覆盖卷积特征图的第行第列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。