[发明专利]一种基于机器学习的建筑匹配方法及装置有效
| 申请号： | 201910319116.4 | 申请日： | 2019-04-19 |
| 公开（公告）号： | CN110175355B | 公开（公告）日： | 2020-02-04 |
| 发明（设计）人： | 焦俊一 | 申请（专利权）人： | 特斯联(北京)科技有限公司 |
| 主分类号： | G06F30/13 | 分类号： | G06F30/13;G06F30/27;G06N20/00 |
| 代理公司： | 11619 北京辰权知识产权代理有限公司 | 代理人： | 李小朋;谷波 |
| 地址： | 100027 北京市朝*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请实施例提供一种基于机器学习的建筑匹配方法及装置。该方法包括：通过家居特征数据构建家居多维特征集；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；将家居多维特征集导入机器学习网络，结合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。本申请实施例的一种基于机器学习的建筑匹配方法及装置，通过结合家居摆放方法和机器学习特点，提高了家居摆放设计效率。 | ||
| 搜索关键词： | 家居 匹配 基于机器 机器学习 家居摆放 用户需求 特征集 多维 构建 室内 摆放位置 成员结构 功能需求 设计效率 特征数据 用户家庭 学习 申请 抽取 网络 家具 量化 家电 | ||
【主权项】：
1.一种基于机器学习的建筑匹配方法，其特征在于，包括：/n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；/n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；/n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；/n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；/n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：/n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；/n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；/n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；/n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。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于特斯联(北京)科技有限公司，未经特斯联(北京)科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910319116.4/，转载请声明来源钻瓜专利网。
