【技术实现步骤摘要】
本专利技术涉及人工智能，具体而言，涉及一种应用于数字城市的数据挖掘方法及系统。
技术介绍
1、数字城市（smart city）是指利用信息技术、物联网和大数据等先进技术手段，以提升城市管理效率、改善居民生活品质为目标的城市发展模式。数字城市通过收集、整合和分析城市各个领域的数据，实现智能化的城市规划、运营和服务。通过数字化和智能化的手段，数字城市可以实现资源的高效利用、环境的可持续发展和社会的智慧化运作。例如，通过对用户群体的群体行为进行挖掘，可以得到用户群体的群体需求，使得可以基于群体需求对用户群体进行资源推送和管控等。但是，在现有技术中，在挖掘用群体需求的过程中，存在着挖掘的可靠度相对不高的问题。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种应用于数字城市的数据挖掘方法及系统，以改善需求挖掘的可靠度相对不高的问题。
2、为实现上述目的，本专利技术实施例采用如下技术方案：
3、一种应用于数字城市的数据挖掘方法，提取到待挖掘群体的第一群体行为数据和第二群体行为数据，以及，将所述第一群体行为数据和所述第二群体行为数据分别进行挖掘，输出对应的第一群体行为向量和第二群体行为向量，所述第一群体行为数据和所述第二群体行为数据用于从两个维度对所述待挖掘群体的城市行为进行描述，所述第一群体行为向量和所述第二群体行为向量用于从两个维度对所述待挖掘群体的城市行为语义进行表征；
4、将所述第一群体行为向量和所述第二群体行为向量进行聚合，形成对应的初始多维
5、提取到行为需求关系向量，所述行为需求关系向量包括预先确定的行为需求关系图谱中多个群体行为需求信息各自对应的群体行为需求向量，对于每一个所述群体行为需求信息，该群体行为需求信息对应的群体行为需求向量包括该群体行为需求信息的语义向量和所述行为需求关系图谱中与该群体行为需求信息相关联的群体行为需求信息的语义向量；
6、分别将所述行为需求关系向量中的各群体行为需求向量和所述初始多维度行为向量进行聚合，输出每一个所述群体行为需求信息对应的目标多维度行为向量；
7、基于每一个所述群体行为需求信息对应的目标多维度行为向量，在所述多个群体行为需求信息中，筛选出与所述待挖掘群体适配的目标群体行为需求信息，所述目标群体行为需求信息用于反映所述待挖掘群体的需求。
8、在一些优选的实施例中，在上述应用于数字城市的数据挖掘方法中，所述提取到待挖掘群体的第一群体行为数据和第二群体行为数据，以及，将所述第一群体行为数据和所述第二群体行为数据分别进行挖掘，输出对应的第一群体行为向量和第二群体行为向量的步骤，包括：
9、提取到待挖掘群体的第一群体行为数据和第二群体行为数据；
10、获得第一数据挖掘网络，所述第一数据挖掘网络包括多个先后连接的梯度优化单元；
11、利用所述第一数据挖掘网络中的第一个梯度优化单元，将所述第一群体行为数据进行挖掘，输出对应的原始第一群体行为向量；
12、对于第一个迭代阶段以后的每一个迭代阶段，将该迭代阶段作为目前迭代阶段，并在所述第一数据挖掘网络中，确定出与所述目前迭代阶段相对应的目前梯度优化单元；
13、利用所述目前梯度优化单元，将前一个梯度优化单元对应的原始第一群体行为向量进行挖掘，输出对应的候选第一群体行为向量；
14、对所述前一个梯度优化单元对应的原始第一群体行为向量与所述候选第一群体行为向量进行相加运算，实现梯度优化，以形成所述目前梯度优化单元对应的原始第一群体行为向量；
15、基于最后一个迭代阶段形成的原始第一群体行为向量，得到所述第一群体行为数据对应的第一群体行为向量；
16、将所述第二群体行为数据进行挖掘，输出对应的第二群体行为向量。
17、在一些优选的实施例中，在上述应用于数字城市的数据挖掘方法中，所述将所述第二群体行为数据进行挖掘，输出对应的第二群体行为向量的步骤，包括：
18、针对所述第二群体行为数据中的每一个群体行为监控图像，将该群体行为监控图像作为待处理图像，以及，将该待处理图像的帧序号进行向量化处理，形成与所述待处理图像对应的图像帧序号向量，所述第二群体行为数据属于通过图像监控设备采集形成的图像数据；
19、针对所述待处理图像中的每一个图像块，将该图像块作为待处理图像块，并确定所述待处理图像块在所述待处理图像中的分布坐标，以及，将所述分布坐标进行向量化处理，形成与所述待处理图像块对应的分布坐标向量；
20、将所述待处理图像块进行向量化处理，形成与所述待处理图像块对应的图像块向量，以及，基于与所述待处理图像对应的图像帧序号向量、与所述待处理图像块对应的分布坐标向量、与所述待处理图像块对应的图像块向量，确定出与所述待处理图像块对应的图像块挖掘向量；
21、基于所述第二群体行为数据中各图像块分别对应的图像块挖掘向量，得到所述第二群体行为数据的第二群体行为向量。
22、在一些优选的实施例中，在上述应用于数字城市的数据挖掘方法中，所述基于每一个所述群体行为需求信息对应的目标多维度行为向量，在所述多个群体行为需求信息中，筛选出与所述待挖掘群体适配的目标群体行为需求信息的步骤，是利用群体行为需求分析网络执行的；所述应用于数字城市的数据挖掘方法还包括所述群体行为需求分析网络的网络更新步骤，该网络更新步骤包括：
23、提取到样本群体行为数据簇，所述样本群体行为数据簇包括多个训练第一群体行为数据、所述多个训练第一群体行为数据分别对应的训练第二群体行为数据和实际群体行为需求信息；
24、对于所述多个训练第一群体行为数据中的每一个训练第一群体行为数据，将该训练第一群体行为数据和相应的训练第二群体行为数据分别进行挖掘，输出对应的训练第一群体行为向量和训练第二群体行为向量；
25、将所述训练第一群体行为向量和训练第二群体行为向量进行聚合，形成对应的训练初始多维度行为向量；
26、提取到训练行为需求关系向量，所述训练行为需求关系向量包括训练行为需求关系图谱中多个训练群体行为需求信息分别对应的训练群体行为需求向量，对于每一个所述训练群体行为需求信息，该训练群体行为需求信息对应的训练群体行为需求向量包括该训练群体行为需求信息的语义向量和所述训练行为需求关系图谱中与该训练群体行为需求信息相关联的训练群体行为需求信息的语义向量；
27、分别将所述训练行为需求关系向量中各训练群体行为需求向量与所述训练初始多维度行为向量进行聚合，输出每一个所述训练群体行为需求信息对应的训练目标多维度行为向量；
28、基于每一个所述训练群体行为需求信息对应的训练目标多维度行为向量，在所述多个训练群体行为需求信息中，筛选出与所述训练第一群体行为数据相适配的估计群体行为需求信息；
29、基于所述估计群体行为需求信息和所述训练第一群体行为数据相对应的实际群体行为需求信息之间的区本文档来自技高网...
【技术保护点】
1.一种应用于数字城市的数据挖掘方法，其特征在于，包括：
2.如权利要求1所述的应用于数字城市的数据挖掘方法，其特征在于，所述提取到待挖掘群体的第一群体行为数据和第二群体行为数据，以及，将所述第一群体行为数据和所述第二群体行为数据分别进行挖掘，输出对应的第一群体行为向量和第二群体行为向量的步骤，包括：
3.如权利要求2所述的应用于数字城市的数据挖掘方法，其特征在于，所述将所述第二群体行为数据进行挖掘，输出对应的第二群体行为向量的步骤，包括：
4.如权利要求1所述的应用于数字城市的数据挖掘方法，其特征在于，所述基于每一个所述群体行为需求信息对应的目标多维度行为向量，在所述多个群体行为需求信息中，筛选出与所述待挖掘群体适配的目标群体行为需求信息的步骤，是利用群体行为需求分析网络执行的；所述应用于数字城市的数据挖掘方法还包括所述群体行为需求分析网络的网络更新步骤，该网络更新步骤包括：
5.如权利要求4所述的应用于数字城市的数据挖掘方法，其特征在于，所述群体行为需求分析网络包括第一数据挖掘网络，在所述对于所述多个训练第一群体行为数据中的每一
6.如权利要求5所述的应用于数字城市的数据挖掘方法，其特征在于，所述利用所述样本群体行为数据簇，将所述候选第一数据挖掘网络进行网络学习和更新，使得所述候选第一数据挖掘网络中非失活部分的网络参数得以更新，形成更新后的第一数据挖掘网络的步骤，包括：
7.如权利要求4所述的应用于数字城市的数据挖掘方法，其特征在于，在所述基于所述估计群体行为需求信息和所述训练第一群体行为数据相对应的实际群体行为需求信息之间的区别，对所述群体行为需求分析网络的网络参数进行更新，形成更新后的群体行为需求分析网络的步骤以后，所述应用于数字城市的数据挖掘方法还包括：
8.如权利要求1-7任意一项所述的应用于数字城市的数据挖掘方法，其特征在于，在所述提取到行为需求关系向量的步骤以前，所述应用于数字城市的数据挖掘方法还包括：
9.如权利要求8所述的应用于数字城市的数据挖掘方法，其特征在于，所述需求信息参数分布中的行分布参数与所述群体行为需求信息之间具有一一对应的关系，所述相关性参数分布中的行分布参数与所述群体行为需求信息之间具有一一对应的关系，在所述需求信息参数分布和所述相关性参数分布中，同一行数目的行分布参数对应的群体行为需求信息一样；
10.一种应用于数字城市的数据挖掘系统，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1-9任意一项所述的应用于数字城市的数据挖掘方法。
...【技术特征摘要】
1.一种应用于数字城市的数据挖掘方法，其特征在于，包括：
2.如权利要求1所述的应用于数字城市的数据挖掘方法，其特征在于，所述提取到待挖掘群体的第一群体行为数据和第二群体行为数据，以及，将所述第一群体行为数据和所述第二群体行为数据分别进行挖掘，输出对应的第一群体行为向量和第二群体行为向量的步骤，包括：
3.如权利要求2所述的应用于数字城市的数据挖掘方法，其特征在于，所述将所述第二群体行为数据进行挖掘，输出对应的第二群体行为向量的步骤，包括：
4.如权利要求1所述的应用于数字城市的数据挖掘方法，其特征在于，所述基于每一个所述群体行为需求信息对应的目标多维度行为向量，在所述多个群体行为需求信息中，筛选出与所述待挖掘群体适配的目标群体行为需求信息的步骤，是利用群体行为需求分析网络执行的；所述应用于数字城市的数据挖掘方法还包括所述群体行为需求分析网络的网络更新步骤，该网络更新步骤包括：
5.如权利要求4所述的应用于数字城市的数据挖掘方法，其特征在于，所述群体行为需求分析网络包括第一数据挖掘网络，在所述对于所述多个训练第一群体行为数据中的每一个训练第一群体行为数据，将该训练第一群体行为数据和相应的训练第二群体行为数据分别进行挖掘，输出对应的训练第一群体行为向量和训练第二群体行为向量的步骤以前，所述应用于数字城市的数据挖掘方法还包括：
6.如权利要求5所述的应用于数字城...
【专利技术属性】
技术研发人员：胡树，郑亚飞，周黎，周洋旭，刘彭闵，耿莉萍，刘勇，丁鹏，魏渊，
申请(专利权)人：成都智慧锦城大数据有限公司，
类型：发明
国别省市：
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。