基于几何相似性图表示学习的道路网模式识别方法

本文针对道路网模式识别任务，提出了一种基于几何相似性图表示学习的方法。研究背景是传统路网模式识别方法存在计算复杂、缺乏智能推理能力、依赖大量标签数据且泛化能力有限的问题。研究目的是通过无监督图表示学习提升路网模式识别性能，具体采用空间对偶图建模、认知启发的节点特征设计，并引入子图同构计数和全局上下文注意力机制。实验结果表明，该方法在五类路网模式数据集上达到93.18%的分类准确率，较传统方法提升12%以上，且图嵌入能形成明显的模式聚类边界，验证了所提方法的有效性。