-
公开(公告)号：CN115563493A
公开(公告)日：2023-01-03
申请号：CN202211410012.2
申请日：2022-11-10
Applicant: 东南大学
IPC: G06F18/2135 , G06F18/214 , G06F17/18
Abstract: 本发明公开一种基于聚类算法划分乡村景观生态单元的方法，属于风景园林学研究领域；方法包括：S1对研究区域进行网格划分，得到A、B两类网格划分结果；S2收集研究区域的基本信息，建立各区域的基本信息库；S3整理所采集的基本信息数据并进行预处理，并准备对网格进行二次分析；S4对A类网格进行多维聚类分析；S5对A类网格的聚类结果进行命名和区分；S6以A类网格的分类结果为参照，完善B类网格的数据；S7对B类网格进行多维聚类分析，对结果进行命名和区分；S8将A、B类网格分析结果数据可视化输出，以不同灰度的色块进行分类结果的区分；S9合并相同灰度颜色且相邻的网格，依据分析结果生成生态单元。
-
公开(公告)号：CN113256101B
公开(公告)日：2022-10-28
申请号：CN202110549208.9
申请日：2021-05-20
Applicant: 东南大学
IPC: G06Q10/06 , G06F16/2458 , G06Q50/26
Abstract: 本发明公开一种城乡湖泊蓄水量变化的关键驱动力分析方法，包括以下步骤：对研究区域进行等距网格划分，根据筛选标准选出若干单位面积蓄水量的典型取样点；建立承载驱动力因素的数据库，进行数据预处理；扫描湖泊流域特征趋势数据库，形成候选项集C1；对候选项集C1进行判断，生成频繁项集L1，并绘制L1各项柱状图；采用Apriori‑Gen算法，将频繁项集L1中的各项数据进行组合，形成候选项集C2；对候选项集C2进行判断，形成频繁项集L2；迭代生成最大频繁项集，确定几项湖泊蓄水量变化的关键驱动力。本发明利用关联算法对影响城乡湖泊蓄水量变化的因素进行逐一分析，通过关联算法的迭代计算判断得出影响城乡湖泊蓄水量变化的关键驱动力。
-
公开(公告)号：CN111623466A
公开(公告)日：2020-09-04
申请号：CN202010382281.7
申请日：2020-05-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于人员分布的办公大空间空调送风量确定方法，开发一种基于无线信号网络的新型多特征分类算法，用以获取大空间区域内的人员分布信息，并最终确定大空间区域空调末端的送风量，解决现有方法中存在的人员空间分布信息缺乏，空调系统的冷热供需不平衡，无法高效地控制大空间办公建筑的空调末端工作方式的技术问题，达到精细地、准确地确定针对于大空间人员分布驱动控制的调末端的技术效果。
-
公开(公告)号：CN117034116A
公开(公告)日：2023-11-10
申请号：CN202311018705.1
申请日：2023-08-11
Applicant: 东南大学
IPC: G06F18/241 , G06F18/10 , G06F18/2135 , G06F18/2113 , G06F18/23213 , G06F18/214 , G06F18/20 , G06F16/901 , G06N3/084 , G06N3/0499 , G06N20/00
Abstract: 本发明涉及一种基于机器学习的传统村落空间类型识别的方法，包括以下步骤：S1:建立传统村落空间要素数据采集与基本信息数据库；S2:采用非监督机器学习算法进行传统村落空间特征识别与提取；S3:采用监督机器学习算法划分传统村落空间类型；S4:结合监督机器学习算法及神经网络模型识别传统村落空间类型；S5:搭建传统村落空间类型自动识别与分析平台。该技术方案通过机器学习算法及BP神经网络综合解决了传统村落空间特征提取、传统村落空间类型划分及传统村落空间类型识别等问题，更加客观地分析提取各个传统村落的空间特征及其类型，进而有针对性地制定活态化保护策略，在提升利用效率的同时保护传统村落的空间特色。
-
公开(公告)号：CN114200839A
公开(公告)日：2022-03-18
申请号：CN202111498522.5
申请日：2021-12-09
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明公开一种耦合环境行为动态监测的办公建筑能耗智能控制模型，以办公建筑为研究对象，结合建筑环境控制模型，吸收国内外智能控制模型和人工智能的最新理念，开展耦合建筑人行为和多源环境信息监测的建筑环境智能控制模型研究；通过物联网技术建立建筑环境及运行数据的监测平台进行建筑环境信息收集，采用数据挖掘技术研究匹配人行为信息的建筑环境模式识别，建立开源数据库；通过研究探究建立神经网络预测学习模型,对真实环境下人为行为与能源驱动的办公建筑空间与理想环境下仿真模拟的办公建筑空间进行分析、比对与评估；通过耦合人行为信息，研究基于神经网络算法建立建筑环境智能控制模型。
-
Patent Agency Ranking
公开(公告)号：CN113256101A
公开(公告)日：2021-08-13
申请号：CN202110549208.9
申请日：2021-05-20
Applicant: 东南大学
IPC: G06Q10/06 , G06F16/2458 , G06Q50/26
Abstract: 本发明公开一种城乡湖泊蓄水量变化的关键驱动力分析方法，包括以下步骤：对研究区域进行等距网格划分，根据筛选标准选出若干单位面积蓄水量的典型取样点；建立承载驱动力因素的数据库，进行数据预处理；扫描湖泊流域特征趋势数据库，形成候选项集C1；对候选项集C1进行判断，生成频繁项集L1，并绘制L1各项柱状图；采用Apriori‑Gen算法，将频繁项集L1中的各项数据进行组合，形成候选项集C2；对候选项集C2进行判断，形成频繁项集L2；迭代生成最大频繁项集，确定几项湖泊蓄水量变化的关键驱动力。本发明利用关联算法对影响城乡湖泊蓄水量变化的因素进行逐一分析，通过关联算法的迭代计算判断得出影响城乡湖泊蓄水量变化的关键驱动力。
-
公开(公告)号：CN112508336A
公开(公告)日：2021-03-16
申请号：CN202011238166.9
申请日：2020-11-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于结构方程模型的空间与环境效能关联测度方法，方法包括：创建空间环境样本库，确定各样本空间范围，获取样本的空间实体矢量数据，从空间实体矢量数据中提取空间相关数据；根据空间相关数据计算各环境效能参数的值，进行标准化处理和正态分布检验；利用环境效能构成要素作为变量建立结构方程模型，并确定变量间关系，将标准化处理后所得的各环境效能参数值输入模型中，进行模型拟合；检验模型拟合效果，根据指定检验指标结果逐步修改变量间关系，直到所有检验满足要求，输出空间与环境效能的关联性测度结果。本发明能够客观、准确地量化测度建成环境的空间数据及其与环境效能的关联性，有助于对空间布局进行调整与管控。
-
公开(公告)号：CN112100718A
公开(公告)日：2020-12-18
申请号：CN202010887275.7
申请日：2020-08-28
Applicant: 东南大学
Abstract: 本发明公开一种基于智能算法及能耗综合优化的城市建筑群设计方法，包括以下步骤：建立城市建筑群形态信息和城市建筑群能源消耗数据库；利用数据挖掘技术分析提取影响城市能耗的城市建筑群形态驱动因子；挖掘真实环境中能耗与城市形态的关联性；结合智能算法和计算机仿真模拟，对真实环境下能源驱动的城市建筑群形态与理想环境下仿真模拟的城市建筑群形态进行分析、比对与评估；利用集成算法最终构建一套高能效城市建筑群形态与能耗耦合作用框架和运算平台。本发明城市建筑群设计方法通过对城市建筑群形态特征和建筑能耗信息的数据采集，初步建立样本城市城市形态与能耗数据库，为城市设计与能耗研究提供基础信息和数据支撑。
-
公开(公告)号：CN114200839B
公开(公告)日：2023-09-19
申请号：CN202111498522.5
申请日：2021-12-09
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明公开一种耦合环境行为动态监测的办公建筑能耗智能控制模型，以办公建筑为研究对象，结合建筑环境控制模型，吸收国内外智能控制模型和人工智能的最新理念，开展耦合建筑人行为和多源环境信息监测的建筑环境智能控制模型研究；通过物联网技术建立建筑环境及运行数据的监测平台进行建筑环境信息收集，采用数据挖掘技术研究匹配人行为信息的建筑环境模式识别，建立开源数据库；通过研究探究建立神经网络预测学习模型,对真实环境下人为行为与能源驱动的办公建筑空间与理想环境下仿真模拟的办公建筑空间进行分析、比对与评估；通过耦合人行为信息，研究基于神经网络算法建立建筑环境智能控制模型。
-
公开(公告)号：CN117152526A
公开(公告)日：2023-12-01
申请号：CN202311150241.X
申请日：2023-09-07
Applicant: 东南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种面向单正多标记的标记增强方法及系统，首先在数据预处理阶段，输入多标签图像分类数据集，所述数据集被正标记分为训练集和测试集，对训练集数据进行预处理；再利用类别先验估计方法估计每个标记的类别先验概率，给样本打上伪标签得到标记分布；再构建神经网络模型，利用训练集训练模型得到最优参数，根据最小化目标函数得到最优的预测模型；最后根据获得的最优预测模型给测试集分类，得到目标标记分类结果。本方法通过利用估计的类别先验概率来生成伪标记，解决了传统方法中标记不完整性和噪声问题，提高了训练数据集的标记质量和数量。该方法在实际应用中具有广泛的应用前景，可以提高模型的性能和泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.022 seconds)
