CN111274345A - 一种基于网格划分和取值的相似区域检索方法和系统 - Google Patents

Abstract

本发明公开了一种基于网格划分和取值的相似区域检索方法和系统，包括网格划分，将任意地理区域划分为若干个相同的网格d；相似区域检索，获取输入网格集合的等效网格集合坐标，并计算输入网格集合与等效网格集合的相似度；检索结果判断，若输入网格集合与等效网格集合的相似度大于阈值相似度，则判断为相似；否则，判断为不相似。本发明的目的在于提供一种基于网格划分和取值的相似区域检索方法和系统，通过将地理区域进行网格划分，并将每个网格量化为一组特征值向量，对于输入目标区域，将目标区域定义为覆盖目标区域的一组网格集合，通过在整个地理区域内检索特征值向量与该目标区域网格集合相似的其他网格集合，找到相似地理区域。

Description

一种基于网格划分和取值的相似区域检索方法和系统

技术领域

本发明涉及数据量化分析应用技术领域，尤其涉及一种基于网格划分和取值的相似区域检索方法和系统。

背景技术

任何一个地理区域都可以视为一个或多个同规格的网格集合，网格的尺寸一旦确定，网格覆盖区域的大小也就确定，一个地理区域被哪些网格覆盖也就确定了。同理，通过任意指定一组网格集合，这个集合可以近似地覆盖任意形状的地理区域。

每一个网格均采用同样一组维度来进行量化，即网格的特征。这样的一组特征就是一组多维数据(也叫向量)。对于一个网格的某项特征的强弱、多少以及大小程度的量化结果，就是该网格向量中对应特征位置的取值。

相似区域的检索是指，在一个地理区域内，对给定区域和该区域的多维特征向量，在地理区域中查找和检索出与给定区域在形状和特征向量上完全相同或者相似的区域。在相似地理区域检索这个特定的领域，有三个核心的问题需要解决：

(1)组成区域的基本单元可以是一个网格，也可以是一个网格集合，网格集合组成的区域并不一定是规则形状；

(2)两组网格由两组多维特征向量进行描述，如何量化两组网格之间的相似程度；

(3)用于对比的两个区域可能有方向上的不同，但在地理区域上仍然可以视为相似，这种方向上的变化可能包含旋转和对称。

综上，在相似地理区域检索场景下，需要在区域粒度、量化维度、以及区域方位上，提供更加丰富全面的检索方式。然而，在目前的相似地理检索分析方法上，尤其是针对多维量化和区域方向上的检索方法，尚没有利用多维数据相似和区域方位变换计算相似度的量化方法。

发明内容

本发明的目的在于提供一种基于网格划分和取值的相似区域检索方法和系统，通过将地理区域进行网格划分，并将每个网格量化为一组特征值向量，对于输入目标区域，将目标区域定义为覆盖目标区域的一组网格集合，通过在整个地理区域内检索特征值向量与该目标区域网格集合相似的其他网格集合，可准确找到相似地理区域。

本发明通过下述技术方案实现：

一种基于网格划分和取值的相似区域检索方法，包括以下步骤：

网格划分，将任意地理区域划分为若干个大小形状均相同的网格d；

D＝{d₁,d₂,...,d_m}

其中，D表示包含m个网格的地理区域，d_m表示地理区域中第m个网格；

相似区域检索，获取输入网格集合的等效网格集合坐标，并计算输入网格集合与等效网格集合的相似度；

检索结果判断，若输入网格集合与等效网格集合的相似度大于阈值相似度，则判断为输入网格集合的所在区域与等效网格集合的所在区域相似；否则，判断为输入网格集合的所在区域与等效网格集合的所在区域不相似。

在本技术方案中，通过将地理区域进行网格划分，并将每个网格量化为一组特征值向量。对于输入目标区域，将目标区域定义为覆盖目标区域的一组网格集合，在整个地理区域内检索特征值向量与该目标区域网格集合相似的其他网格集合，可准确找到相似地理区域。另外，由于将地理区域进行网格划分，任意形状的区域均可以用网格进行表示，增加了本方案的适用性。

其中，所述任意网格d包含两组属性信息：

(1)该网格d在整个地理区域中的坐标(a，b)；

(2)该网格d的特征向量v_x，v_x＝[v_x1,v_x2,...,v_xn]，其中，v_xn表示该特征向量v_x中的第n个元素，特征向量v_x中的每个元素为该网格d所在的地理位置的特征信息。该网格d所在地理位置的特征信息包括该地理位置的人口数量、绿化率、以及餐馆消费均价等。

其中，获取输入网格集合的等效网格集合坐标具体包括：

在所述地理区域内的网格d中任意选择一个网格d作为参考点d_y，参考点d_y的坐标为(i,j)；

在所述地理区域内，除所述参考点d_y之外余下的网格d中，任意选择一个网格集合作为原始点集合；

将所述原始点集合绕所述参考点d_y旋转，或者将所述原始点集合以所述参考点d_y的水平轴线或者竖直轴线做对称处理后，得到原始点集合的若干个等效网格集合以及若干个等效网格集合的坐标。

考虑到在地理区域场景下可能出现的区域旋转、镜像等特殊情况，均可做出有效准确的相似区域检索。

其中，计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

计算2个矩阵中每个对应位置的元素值相同的个数A，相同元素的个数A占总元素个数的比值，即为两个网格集合的相似度。

计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

通过计算两个矩阵向量化以后的两个向量之间的距离，来计算两个网格集合的相似度，其中，两个网格集合的相似度与两个向量之间的距离成反比关系。

一种基于网格划分和取值的相似区域检索系统，包括：

划分单元，用于将任意地理区域划分为若干个大小形状均相同的网格d；

D＝{d₁,d₂,...,d_m}

其中，D表示包含m个网格的地理区域，d_m表示地理区域中第m个网格；

检索单元，用于根据划分单元划分的网格信息，获取输入网格集合的等效网格集合坐标，并计算输入网格集合与等效网格集合的相似度，并将计算得到的相似度传输至判断单元；

判断单元，用于接收检索单元传输的输入网格集合与等效网格集合的相似度，并与阈值相似度进行对比；若输入网格集合与等效网格集合的相似度大于阈值相似度，则判断为输入网格集合的所在区域与等效网格集合的所在区域相似；否则，判断为输入网格集合的所在区域与等效网格集合的所在区域不相似。

所述任意网格d包含两组属性信息：

(1)该网格d在整个地理区域中的坐标(a，b)；

(2)该网格d的特征向量v_x，v_x＝[v_x1,v_x2,...,v_xn]，其中，v_xn表示该特征向量v_x中的第n个元素，特征向量v_x中的每个元素为该网格d所在的地理位置的特征信息，该网格d所在地理位置的特征信息包括该地理位置的人口数量、绿化率、以及餐馆消费均价等。

获取输入网格集合的等效网格集合坐标具体包括：

在所述地理区域内的网格d中任意选择一个网格d作为参考点d_y，参考点d_y的坐标为(i,j)；

在所述地理区域内，除所述参考点d_y之外余下的网格d中，任意选择一个网格集合作为原始点集合；

将所述原始点集合绕所述参考点d_y旋转，或者将所述原始点集合以所述参考点d_y的水平轴线或者竖直轴线做对称处理后，得到原始点集合的若干个等效网格集合以及若干个等效网格集合的坐标。

计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格的个数；

计算2个矩阵中每个对应位置的元素值相同的个数A，相同元素的个数A占总元素个数的比值，即为两个网格集合的相似度。

计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

通过计算两个矩阵向量化以后的两个向量之间的距离，来计算两个网格集合的相似度，其中，两个网格集合的相似度与两个向量之间的距离成反比关系。

本发明与现有技术相比，具有如下的优点和有益效果：

1、通过将地理区域进行网格划分，并将每个网格d量化为一组特征值向量，对于输入目标区域，将目标区域定义为覆盖目标区域的一组网格集合，在整个地理区域内检索特征值向量与该目标区域网格集合相似的其他网格集合，可准确找到相似地理区域。

2、该方法支持任意形状的区域，并且在地理区域场景下可能出现的区域旋转、镜像等特殊情况下，均可做出有效准确的相似区域检索。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明一种具体实施方式中参考点在网格中的位置示意图；

图2为本发明一种具体实施方式中各网格在网格地理区域中的位置示意图；

图3为本发明一种具体实施方式中各网格集合在地理区域中的位置示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

如图1-3所示，

一种基于网格划分和取值的相似区域检索方法，包括以下步骤：

网格划分，将任意地理区域划分为若干个大小形状均相同的网格d；

D＝{d₁,d₂,...,d_m}

其中，D表示包含m个网格的地理区域，d_m表示地理区域中第m个网格；

相似区域检索，获取输入网格集合的等效网格集合坐标，并计算输入网格集合与等效网格集合的相似度；

检索结果判断，若输入网格集合与等效网格集合的相似度大于阈值相似度，则判断为输入网格集合的所在区域与等效网格集合的所在区域相似；否则，判断为输入网格集合的所在区域与等效网格集合的所在区域不相似。

所述任意网格d包含两组属性信息：

(1)该网格d在整个地理区域中的坐标(a，b)；

(2)该网格d的特征向量v_x，v_x＝[v_x1,v_x2,...,v_xn]，v_xn表示该特征向量v_x中的第n个元素，特征向量v_x中的每个元素为该网格d所在的地理位置的特征信息，该网格d所在地理位置的特征信息包括该地理位置的人口数量、绿化率、以及餐馆消费均价等，其中，每个元素为量化该网格的一个维度的值。

获取输入网格集合的等效网格集合坐标具体包括：

在所述地理区域内的网格d中任意选择一个网格d作为参考点d_y，参考点d_y的坐标为(i,j)；

在所述地理区域内，除所述参考点d_y之外余下的网格d中，任意选择一个网格集合作为原始点集合；

将所述原始点集合绕所述参考点d_y旋转，或者将所述原始点集合以所述参考点d_y的水平轴线或者竖直轴线做对称处理后，得到原始点集合的若干个等效网格集合以及若干个等效网格集合的坐标。

计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

计算2个矩阵中每个对应位置的元素值相同的个数A，相同元素的个数A占总元素个数的比值，即为两个网格集合的相似度。

计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

通过计算两个矩阵向量化以后的两个向量之间的距离，来计算两个网格集合的相似度，其中，两个网格集合的相似度与两个向量之间的距离成反比关系。

为方便理解，以具体的例子进行说明：

如图1所示，将任意1个地理区域划分为由49个网格组成的网格集合，图中网格0为参考点，其中，参考点0的坐标为(i,j)。在参考点0的周边任意选择一个网格d，并将其标号为1，网格1的坐标为(a,b)。以参考点0为中心，网格1绕所述参考点0顺时针或者逆时针旋转，可得到若干个等效网格；以参考点0的水平轴线或者竖着轴线做对称处理，可得到若干个等效网格，值得说明的是，等效网格还可以通过其他方式得来，不仅仅局限于上述所说的两种方式，另外，等效网格的数量可以根据实际情况进行选择。在本实施例中，对所述网格1进行处理后，得到7个参考网格与网格1等效，并分别标号为2、3、4、5、6、7、8，如图2所示。

因此，相对于参考点0来讲，网格1的等效网格就包括了网格2、网格3、网格4、网格5、网格6、网格7以及网格8。各个等效网格的等效位置坐标如表1所示：

表1

值得说明的是，网格1可以扩展为任意形状的网格集合，在本实施例中，网格集合1由三个相邻网格组成，其坐标为[(a,b),(a,b+1),(a+1,b+1)]，网格集合1相对于参考点0的等效网格集合有2、3、4、5、6、7、8，如图3所示，其中，各个等效网格的等效位置坐标如表2所示：

表2

因此，对于任意一个网格集合，只要给定参考网格和原始网格集合，都可以直接获取到相对于参考网格的等效网格集合。

获取输入网格集合的等效网格集合的坐标后，便可对输入网格集合与等效网格集合的相似度进行计算。

在本实施例中，以网格集合1为例，网格集合1包含三个网格，每个网格用一个n维向量量化，由此构成一个3*n的矩阵；每一个等效网格集合也用一个n维向量量化，由此可以得到7个不同的3*n的矩阵。其中，矩阵中的每一个元素分别表示一个网格所在地理位置不同的特征信息，该特征信息可以为该地理位置的人口数量、绿化率、以及餐馆消费均价或者其他参数，其中n值的大小根据实际情况进行选取。

将所有的网格集合量化后，便可对输入网格集合与等效网格集合的相似度进行计算，计算相似度的方法有两种：

(1)计算网格集合的矩阵和等效网格集合的矩阵中，每个对应位置的元素值相同的个数A，相同元素的个数A占总元素个数的比值，即为两个网格集合的相似度。

(2)通过计算两个矩阵向量化以后的两个向量之间的距离，来计算两个网格集合的相似度，两个向量之间距离越近，两个网格集合的相似度越大；两个向量之间的距离越远，两个网格集合的相似度越小。该相似度计算方法可以为欧几里得距离、曼哈顿距离、马氏距离或者其他计算方法。

无论用上述哪种方法进行相似度计算，只要输入网格集合与等效网格集合的相似度大于阈值相似度，则判断为输入网格集合的所在区域与等效网格集合的所在区域相似；否则，判断为不相似。

一种基于网格划分和取值的相似区域检索系统，包括：

划分单元，用于将任意地理区域划分为若干个大小形状均相同的网格d；

D＝{d₁,d₂,...,d_m}

其中，D表示包含m个网格的地理区域，d_m表示地理区域中第m个网格；

检索单元，用于根据划分单元划分的网格信息，获取输入网格集合的等效网格集合坐标，并计算输入网格集合与等效网格集合的相似度，并将计算得到的相似度传输至判断单元；

判断单元，用于接收检索单元传输的输入网格集合与等效网格集合的相似度，并与阈值相似度进行对比；若输入网格集合与等效网格集合的相似度大于阈值相似度，则判断为输入网格集合的所在区域与等效网格集合的所在区域相似；否则，判断为输入网格集合的所在区域与等效网格集合的所在区域不相似。

所述任意网格d包含两组属性信息：

(1)该网格d在整个地理区域中的坐标(a，b)；

(2)该网格d的特征向量v_x，v_x＝[v_x1,v_x2,...,v_xn]，v_xn表示该特征向量v_x中的第n个元素，特征向量v_x中的每个元素为该网格d所在的地理位置的特征信息，该网格d所在地理位置的特征信息包括该地理位置的人口数量、绿化率、以及餐馆消费均价等，其中，每个元素为量化该网格的一个维度的值。

获取输入网格集合的等效网格集合坐标具体包括：

在所述地理区域内的网格d中任意选择一个网格d作为参考点d_y，参考点d_y的坐标为(i,j)；

在所述地理区域内，除所述参考点d_y之外余下的网格d中，任意选择一个网格集合作为原始点集合；

将所述原始点集合绕所述参考点d_y旋转，或者将所述原始点集合以所述参考点d_y的水平轴线或者竖直轴线做对称处理后，得到原始点集合的若干个等效网格集合以及若干个等效网格集合的坐标。

计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

计算2个矩阵中每个对应位置的元素值相同的个数A，相同元素的个数A占总元素个数的比值，即为两个网格集合的相似度。

计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

通过计算两个矩阵向量化以后的两个向量之间的距离，来计算两个网格集合的相似度，其中，两个网格集合的相似度与两个向量之间的距离成反比关系。

为方便理解，以具体的例子进行说明：如图1所示，将任意1个地理区域划分为由49个网格组成的网格集合，图中网格0为参考点，其中，参考点0的坐标为(i,j)，在参考点0的周边任意选择一个网格d，并将其标号为1，网格1的坐标为(a,b)。以参考点0为中心，网格1绕所述参考点0顺时针或者逆时针旋转，可得到若干个等效网格；以参考点0的水平轴线或者竖着轴线做对称处理，可得到若干个等效网格，值得说明的是，等效网格还可以通过其他方式得来，不仅仅局限于上述所说的两种方式，另外，等效网格的数量可以根据实际情况进行选择。在本实施例中，对所述网格1进行处理后，得到7个参考网格与网格1等效，并分别标号为2、3、4、5、6、7、8，如图2所示。

因此，相对于参考点0来讲，网格1的等效网格就包括了网格2、网格3、网格4、网格5、网格6、网格7以及网格8，各个等效网格的等效位置坐标如表1所示：

表1

值得说明的是，网格1可以扩展为任意形状的网格集合，在本实施例中，网格集合1由三个相邻网格组成，其坐标为[(a,b),(a,b+1),(a+1,b+1)]，网格集合1相对于参考点0的等效网格集合有2、3、4、5、6、7、8，如图3所示，其中，各个等效网格的等效位置坐标如表2所示：

表2

因此，对于任意一个网格集合，只要给定参考网格和原始网格集合，都可以直接获取到相对于参考网格的等效网格集合。

获取输入网格集合的等效网格集合的坐标后，便可对输入网格集合与等效网格集合的相似度进行计算。

在本实施例中，以网格集合1为例，网格集合1包含三个网格，每个网格用一个n维向量量化，由此构成一个3*n的矩阵；每一个等效网格集合也用一个n维向量量化，由此可以得到7个不同的3*n的矩阵。其中，矩阵中的每一个元素分别表示一个网格所在地理位置不同的特征信息，该特征信息可以为该地理位置的人口数量、绿化率、以及餐馆消费均价或者其他，其中n值的大小根据实际情况进行选取。

将所有的网格集合量化后，便可对输入网格集合与等效网格集合的相似度进行计算，计算相似度的方法有两种：

(1)计算网格集合的矩阵和等效网格集合的矩阵中，每个对应位置的元素值相同的个数A，相同元素的个数A占总元素个数的比值，即为两个网格集合的相似度。

(2)通过计算两个矩阵向量化以后的两个向量之间的距离，来计算两个网格集合的相似度，两个向量之间距离越近，两个网格集合的相似度越大；两个向量之间的距离越远，两个网格集合的相似度越小。该相似度计算方法可以为欧几里得距离、曼哈顿距离、马氏距离或者其他计算方法。

无论用上述哪种方法进行相似度计算，只要输入网格集合与等效网格集合的相似度大于阈值相似度，则判断为输入网格集合的所在区域与等效网格集合的所在区域相似；否则，判断为不相似。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于网格划分和取值的相似区域检索方法，其特征在于，包括以下步骤：

网格划分，将任意地理区域划分为若干个大小形状均相同的网格d；

D＝{d₁,d₂,...,d_m}

其中，D表示包含m个网格的地理区域，d_m表示地理区域中第m个网格；

相似区域检索，获取输入网格集合的等效网格集合坐标，并计算输入网格集合与等效网格集合的相似度；

检索结果判断，若输入网格集合与等效网格集合的相似度大于阈值相似度，则判断为输入网格集合的所在区域与等效网格集合的所在区域相似；否则，判断为输入网格集合的所在区域与等效网格集合的所在区域不相似。

2.根据权利要求1所述的一种基于网格划分和取值的相似区域检索方法，其特征在于，所述任意网格d包含两组属性信息：

(1)该网格d在整个地理区域中的坐标(a，b)；

(2)该网格d的特征向量v_x，v_x＝[v_x1,v_x2,...,v_xn]，其中，v_xn表示该特征向量v_x中的第n个元素，特征向量v_x中的每个元素为该网格d所在地理位置的特征信息。

3.根据权利要求1或2中任意一个所述的一种基于网格划分和取值的相似区域检索方法，其特征在于，获取输入网格集合的等效网格集合坐标具体包括：

在所述地理区域内的网格d中任意选择一个网格d作为参考点d_y，参考点d_y的坐标为(i,j)；

在所述地理区域内，除所述参考点d_y之外余下的网格d中，任意选择一个网格集合作为原始点集合；

将所述原始点集合绕所述参考点d_y旋转，或者将所述原始点集合以所述参考点d_y的水平轴线或者竖直轴线做对称处理后，得到原始点集合的若干个等效网格集合以及若干个等效网格集合的坐标。

4.根据权利要求3所述的一种基于网格划分和取值的相似区域检索方法，其特征在于，计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

计算2个矩阵中每个对应位置的元素值相同的个数A，相同元素的个数A占总元素个数的比值，即为两个网格集合的相似度。

5.根据权利要求3所述的一种基于网格划分和取值的相似区域检索方法，其特征在于，计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

通过计算两个矩阵向量化以后的两个向量之间的距离，来计算两个网格集合的相似度，其中，两个网格集合的相似度与两个向量之间的距离成反比关系。

6.一种基于网格划分和取值的相似区域检索系统，其特征在于，包括：

划分单元，用于将任意地理区域划分为若干个大小形状均相同的网格d；

D＝{d₁,d₂,...,d_m}

其中，D表示包含m个网格的地理区域，d_m表示地理区域中第m个网格；

检索单元，用于根据划分单元划分的网格信息，获取输入网格集合的等效网格集合坐标，并计算输入网格集合与等效网格集合的相似度，并将计算得到的相似度传输至判断单元；

判断单元，用于接收检索单元传输的输入网格集合与等效网格集合的相似度，并与阈值相似度进行对比；若输入网格集合与等效网格集合的相似度大于阈值相似度，则判断为输入网格集合的所在区域与等效网格集合的所在区域相似；否则，判断为输入网格集合的所在区域与等效网格集合的所在区域不相似。

7.根据权利要求6所述的一种基于网格划分和取值的相似区域检索系统，其特征在于，所述任意网格d包含两组属性信息：

(1)该网格d在整个地理区域中的坐标(a，b)；

(2)该网格d的特征向量v_x，v_x＝[v_x1,v_x2,...,v_xn]，其中，v_xn表示该特征向量v_x中的第n个元素，特征向量v_x中的每个元素为该网格d所在的地理位置的特征信息。

8.根据权利要求6或7中任意一个所述的一种基于网格划分和取值的相似区域检索系统，其特征在于，获取输入网格集合的等效网格集合坐标具体包括：

在所述地理区域内的网格d中任意选择一个网格d作为参考点d_y，参考点d_y的坐标为(i,j)；

在所述地理区域内，除所述参考点d_y之外余下的网格d中，任意选择一个网格集合作为原始点集合；

将所述原始点集合绕所述参考点d_y旋转，或者将所述原始点集合以所述参考点d_y的水平轴线或者竖直轴线做对称处理后，得到原始点集合的若干个等效网格集合以及若干个等效网格集合的坐标。

9.根据权利要求8所述的一种基于网格划分和取值的相似区域检索系统，其特征在于，计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

计算2个矩阵中每个对应位置的元素值相同的个数A，相同元素的个数A占总元素个数的比值，即为两个网格集合的相似度。

10.根据权利要求8所述的一种基于网格划分和取值的相似区域检索系统，其特征在于，计算输入网格集合与等效网格集合的相似度包括：

将输入网格集合与任意一个等效网格集合中的每一个网格d用一个n维向量量化，得到2个m*n的矩阵，其中m表示一个网格集合中网格d的个数；

通过计算两个矩阵向量化以后的两个向量之间的距离，来计算两个网格集合的相似度，其中，两个网格集合的相似度与两个向量之间的距离成反比关系。

Images