[发明专利]一种基于机器学习的建筑匹配方法及装置

权利要求书

1.一种基于机器学习的建筑匹配方法，其特征在于，包括：

通过家居特征数据构建家居多维特征集；所述家居包括家具、家电；

量化抽取用户家庭成员结构、家居功能需求特征，形成用户需求限定集；

基于建筑室内家居摆放匹配案例，构建机器学习网络，并进行训练；

将所述家居多维特征集导入所述机器学习网络，结合所述用户需求限定集进行约束，匹配出家居在建筑室内的摆放位置；

所述基于建筑室内家居摆放匹配案例，构建机器学习网络，并进行训练，包括以下步骤：

建立家居样本集合，获取每个样本家居的n维家居特征值，构成多个n维家居特征向量，其中n为正整数；

将所述建筑室内家居摆放匹配案例中的套间分解为多个独立房间，获取每个独立房间中家居的摆放匹配位置，构成s维匹配位置特征向量，其中s为独立房间中的家居数量；

将所述家居样本集合中的n维家居特征向量作为机器学习网络的输入，所述s维匹配位置特征向量作为输出，进行神经网络训练；

设定稳态阈值ε，δ为当前家居匹配位置，δ′为上一次训练结果中的家居匹配位置，多次迭代训练神经网络后，当|δ-δ′|＜时训练过程进入稳态，停止训练。

2.根据权利要求1所述的方法，其特征在于，所述通过家居特征数据构建家居多维特征集，包括：

通过对家居的尺寸、形状、材质、颜色、功能进行多维数据提取，并进行标准化和量化处理，形成家居多维特征集。

3.根据权利要求2所述的方法，其特征在于，所述标准化和量化处理，包括：

按家居的形状、材质、颜色、功能对家居进行分类，使得家居的形状、材质、颜色、功能分别通过统一度量进行描述，从而实现家居的标准化处理；

对家居的形状、材质、颜色、功能进行编码，从而实现家居的量化处理。

4.根据权利要求1所述的方法，其特征在于，所述量化抽取用户家庭成员结构、家居功能需求特征，形成用户需求限定集，包括：

将家庭成员按不同居住组合类型进行编码，根据不同居住组合类型确定家庭结构需求限定。

5.根据权利要求4所述的方法，其特征在于，所述量化抽取用户家庭成员结构、家居功能需求特征，形成用户需求限定集，还包括：

将家居功能需求进行分解，并按照需求强度进行排序编码，结合所述家庭结构需求限定，形成量化用户需求限定集。

6.根据权利要求1所述的方法，其特征在于，所述结合所述用户需求限定集进行约束，匹配出家居在建筑室内的摆放位置，包括：

将用户需求强度编码为限定集的前m位，采用与或匹配的方式计算出能够最大满足用户需求的家居摆放位置。