【技术实现步骤摘要】
一种含有缺失数据的耦合有向图结构流量数据的短期预测方法及装置
本专利技术涉及人工智能
，具体的涉及一种含有缺失数据的耦合有向图结构流量数据的短期预测方法及装置。
技术介绍
图是一种常见的数据格式，例如社交关系图，化学分子相互作用网，文献相互引用关系图、城市道路网络图等。网络中的个体用图中的节点来表示，个体之间的相互关系用图中的边来表示，这样的图实际上就是图论中用顶点和边建立起相应关系的拓扑图。图结构具有很强的表现力，这样的特点使得很多专家学者潜心于用机器学习的方法来对图结构数据进行研究。深度学习在欧几里得数据中已经取得耀眼的成就，但在非欧几里得数据领域的效果并不是那么理想，这是因为，基于图的数据是非常复杂且不规则的，对现有的机器学习算法来说，是一个巨大的挑战。Gori等人(Anewmodelforlearningingraphdomains，2005)早在2005年就已经引入了在图上操作的神经网络，Scarselli等人(Thegraphneuralnetworkmodel，2009)在2009年提出其...
【技术保护点】
1.一种含有缺失数据的耦合有向图结构流量数据的短期预测方法，其特征在于，所述的方法包括以下步骤：/n步骤一：将有向图结构流量数据表示成拓扑图结构；/n步骤二：对有向图结构流量数据进行数据预处理，并补全缺失数据；/n步骤三：通过计算图上各个节点之间的距离，使用带阈值的高斯核建立邻接矩阵；/n步骤四：将邻接矩阵信息和流量数据经过基于发散卷积层的程序，充分捕捉图结构流量数据的空间依赖性；/n步骤五：将提取的特征输入基于发散卷积门控循环单元网络的带计划采样的编解码器程序，经过发散卷积门控循环单元网络时充分捕捉图结构流量数据的时间依赖性，经编解码器程序后，将输出结果作为预测。/n
【技术特征摘要】
1.一种含有缺失数据的耦合有向图结构流量数据的短期预测方法，其特征在于，所述的方法包括以下步骤：
步骤一：将有向图结构流量数据表示成拓扑图结构；
步骤二：对有向图结构流量数据进行数据预处理，并补全缺失数据；
步骤三：通过计算图上各个节点之间的距离，使用带阈值的高斯核建立邻接矩阵；
步骤四：将邻接矩阵信息和流量数据经过基于发散卷积层的程序，充分捕捉图结构流量数据的空间依赖性；
步骤五：将提取的特征输入基于发散卷积门控循环单元网络的带计划采样的编解码器程序，经过发散卷积门控循环单元网络时充分捕捉图结构流量数据的时间依赖性，经编解码器程序后，将输出结果作为预测。
2.根据权利要求1所述一种含有缺失数据的耦合有向图结构流量数据的短期预测方法，其特征在于，所述步骤二中补全缺失数据具体采用历史平均值法、K近邻算法或两者相结合的方法补全缺失数据。
3.根据权利要求2所述一种含有缺失数据的耦合有向图结构流量数据的短期预测方法，其特征在于，所述历史平均值法和K近邻算法两者相结合的方法补全缺失数据具体操作为，分配权重ω1、ω2，设第i个节点t时刻的数据是缺失的，这里的补全计算公式为：其中，权重ω1、ω2人为设定或通过训练得到。
4.根据权利要求1所述一种含有缺失数据的耦合有向图结构流量数据的短期预测方法，其特征在于，所述步骤五中，所述基于发散卷积门控循环单元网络的带计划采样的编解码器程序中，运用编码器解码器结构，在训练期间，将历史状态信息输入编码器，并使用其最终状态来初始化解码器；根据观测到的真实值，解码器自动生成预测值。
5.根据权利要求4所述一种含有缺失数据的耦合有向图结构流量数据的短期预测方法，其特征在于，将计划采样(ScheduledSampling)到编解码器中，通过设定一个衰减概率εi，其中i为迭代次数，以概率εi将真实观测值喂入模型，以概率1-εi将预测值喂入模型，衰减概率εi具体定义如下：
其中，i是迭代次数，τ是控制收敛速度的参数。
6.根据权利要求4所述一种含有缺失数据的耦合有向图结构流量数据的短期预测方法，其特征在于，所述的编码器和解码器结构中，含有2层的发散卷积...
【专利技术属性】
技术研发人员：刘晓露，颜贤众，陈都鑫，陈桂，刘娣，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。