[发明专利]垃圾分类积分兑换的方法

权利要求书

1.垃圾分类积分兑换的方法，用户通过垃圾分类投放获得积分，通过积分兑换商品；其特征在于建立用户投放垃圾的次数和正确率与获得奖惩积分的第一模型；在获得奖惩积分的基础上，建立用户投放垃圾的次数、正确率和奖惩积分与获得权值的第二模型；在获得权值的基础上，建立用户的权值、垃圾重量、垃圾类型和不同垃圾对应的市价与获得的最终积分的第三模型；通过获得的奖惩积分和最终积分均存入用户积分账户。

2.根据权利要求1所述的垃圾分类积分兑换的方法，其特征在于采用最小二乘法支持向量机LS-SVM建立第一模型，依次包括以下步骤：(1)对于给定的数据向量输入向量集合为即x∈R²；输出向量集合即式1：y∈R¹，y_j＝f(x_j)+e_j，f(x_j)是拟合值；e_j是拟合值域实际值的偏差；(2)定义非线性映射把步骤1中非线性相关的数据从原空间映射到特征空间原非线性模型转化为特征空间的线性模型，即LS-SVM的模型式2：ω，b是模型中需要进行辨识的参数；(3)利用解构风险最小化原则，对式2中需要辨识的参数进行处理得到式3：γ是正则化参数；Remp为损失函数；(4)基于LS-SVN的奖惩积分预测模型在目标函数中选择损失函数为误差的二次方函数的表达式4：式5：(5)由拉格朗日函数求解式4，根据KKT条件，对拉格朗日函数求偏导可以得到式6：(6)根据Mercer条件，定义核函数，本文选择Gauss径向机核函数式7：K(x,x_i)＝exp{-||x_j-x_v||}²/σ²，式7中σ为核宽度；(7)将式7代入式6，优化问题转化为线性方程求解问题，得到式8：x_j是训练天数输入数据向量；x_v是预测天数的输入数据向量；f(x_v)为输出向量集合；式8即为基于LS-SVM建立的奖惩积分预测模型；(8)对多个数据进行归一化处理，||·||₂表示向量的2-范数；(9)需要确定的参数有向量机正则化参数C，和RBF核参数σ2，采用交叉验证法确定参数的取值，根据模型在验证集上的性能表现，确定合适的参数。

3.根据权利要求1所述的垃圾分类积分兑换的方法，其特征在于根据用户投放垃圾的行为习惯，得到一个权值作为用户投放垃圾获得积分的一项指标。

4.根据权利要求1所述的垃圾分类积分兑换的方法，其特征在于采用最小二乘法支持向量机LS-SVM建立第二模型，依次包括以下步骤：(1)对于给定的数据向量输入向量集合为即x∈R²；输出向量集合为即式1：y∈R¹，y_j＝f(x_j)+e_j，f(x_j)是拟合值；ej是拟合值域实际值的偏差；(2)定义非线性映射把步骤1中非线性相关的数据从原空间映射到特征空间原非线性模型转化为特征空间的线性模型，即LS-SVM的模型式2：ω，b是模型中需要进行辨识的参数；(3)利用解构风险最小化原则，对式2中需要辨识的参数进行处理得到式3：γ是正则化参数；Remp为损失函数；(4)基于LS-SVN的奖惩积分预测模型在目标函数中选择损失函数为误差的二次方函数的表达式4：式5：(5)由拉格朗日函数求解式4，根据KKT条件，对拉格朗日函数求偏导可以得到式6：(6)根据Mercer条件，定义核函数，本文选择Gauss径向机核函数式7：K(x,x_i)＝exp{-||x_j-x_v||}²/σ²，式7中σ为核宽度；(7)将式7代入式6，优化问题转化为线性方程求解问题，得到式8：x_j是训练天数输入数据向量；x_v是预测天数的输入数据向量；f(x_v)为输出向量集合；式8即为基于LS-SVM建立的奖惩积分预测模型；(8)对多个数据进行归一化处理，||·||₂表示向量的2-范数；(9)确定LS-SVM中向量机正则化参数C，和RBF核参数σ2的参数。