EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

County-level Theft Spatiotemporal Prediction via GCN-GRU Fusing Multi-source Heterogeneous Features

Yunxiang Jiang, Ziming Zhao

IEEE Access · 2026 · 1-1

DOI: 10.1109/access.2026.3752921 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Access, 2026. Verfasst von Yunxiang Jiang und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: National Social Science Fund of China.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • National Social Science Fund of China

Zitieren

APA

Jiang, Y., & Zhao, Z. (2026). County-level Theft Spatiotemporal Prediction via GCN-GRU Fusing Multi-source Heterogeneous Features. IEEE Access, 1-1. https://doi.org/10.1109/access.2026.3752921

Vancouver

Jiang Y, Zhao Z. County-level Theft Spatiotemporal Prediction via GCN-GRU Fusing Multi-source Heterogeneous Features. IEEE Access. 2026:1-1. doi:10.1109/access.2026.3752921

BibTeX
@article{Jiang2026,
  author = {Jiang, Yunxiang and Zhao, Ziming},
  title = {County-level Theft Spatiotemporal Prediction via GCN-GRU Fusing Multi-source Heterogeneous Features},
  journal = {IEEE Access},
  year = {2026},
  pages = {1--1},
  doi = {10.1109/access.2026.3752921}
}
Kostenlos starten →