[发明专利]基于电磁频谱数据挖掘的社会性群体行为识别方法、计算机装置和存储介质

权利要求书

1.一种基于电磁频谱数据挖掘的社会性群体行为识别方法，其特征在于，包括：

获取第一区域中进行的无线电通信的频段占用度；

获取所述第一区域中社会性群体行为的特征数据；

从所述特征数据中提取出最优特征子集；

通过地理加权回归模型确定所述频段占用度与所述最优特征子集之间的相关关系；

通过时间序列模型对所述最优特征子集进行时变行为分析，获得第一时间序列；

根据所述频段占用度与所述最优特征子集之间的相关关系以及所述第一时间序列，使用深度学习模型构建社会性群体行为预测模型；

使用所述社会性群体行为预测模型进行社会性群体行为识别；

所述获取所述第一区域中社会性群体行为的特征数据，包括：

测量所述第一区域中的人群活动轨迹数据；

对所述人群活动轨迹数据进行相关性分析、因子分析或聚类分析，所得结果作为所述特征数据。

2.根据权利要求1所述的基于电磁频谱数据挖掘的社会性群体行为识别方法，其特征在于，所述获取第一区域中进行的无线电通信的频段占用度，包括：

通过AOA/TDOA算法，确定信号源所处的所述第一区域的位置；

在所述第一区域中，通过监测移动无线通信设备获取电磁频谱监测数据；

根据所述电磁频谱监测数据计算所述频段占用度。

3.根据权利要求1所述的基于电磁频谱数据挖掘的社会性群体行为识别方法，其特征在于，所述从所述特征数据中提取出最优特征子集，包括：

使用主成分分析法对所述特征数据进行降维处理，获得所述最优特征子集。

4.根据权利要求1所述的基于电磁频谱数据挖掘的社会性群体行为识别方法，其特征在于，所述根据所述频段占用度与所述最优特征子集之间的相关关系以及所述第一时间序列，使用深度学习模型构建社会性群体行为预测模型，包括：

根据所述频段占用度与所述最优特征子集之间的相关关系，确定与所述第一时间序列相对应的第二时间序列；

以所述第二时间序列作为所述深度学习模型的输入，以所述第一时间序列作为所述深度学习模型的预期输出，对所述深度学习模型进行训练；

将经过训练的所述深度学习模型作为所述社会性群体行为预测模型。

5.根据权利要求4所述的基于电磁频谱数据挖掘的社会性群体行为识别方法，其特征在于，所述深度学习模型为循环神经网络、图神经网络、决策树模型、随机森林模型、马尔科夫模型或ARMA模型。

6.根据权利要求4或5所述的基于电磁频谱数据挖掘的社会性群体行为识别方法，其特征在于，还包括：

通过地理信息系统，对所述根据所述频段占用度与所述最优特征子集之间的相关关系进行可视化。

7.根据权利要求1所述的基于电磁频谱数据挖掘的社会性群体行为识别方法，其特征在于，所述使用所述社会性群体行为预测模型进行社会性群体行为识别，包括：

获取特定区域中一段时间内进行的无线电通信的频段占用度；

将所述频段占用度输入至所述社会性群体行为预测模型；

根据所述社会性群体行为预测模型的输出结果，确定社会性群体行为的特征。

8.一种计算机装置，其特征在于，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求1-7任一项所述基于电磁频谱数据挖掘的社会性群体行为识别方法。

9.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行权利要求1-7任一项所述基于电磁频谱数据挖掘的社会性群体行为识别方法。