[發(fā)明專利]一種基于物聯(lián)網(wǎng)的新型智慧城市大數(shù)據(jù)管理方法

有效

• 申請?zhí)枺?/td>: 202310076587.3
• 申請日: 2023-02-08
• 公開（公告）號: CN115796980B
• 公開（公告）日: 2023-04-25
• 發(fā)明（設(shè)計(jì)）人: 曾二林;陳斌
• 申請（專利權(quán)）人: 廣東申創(chuàng)光電科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F16/55;G06F16/583;G06F16/9535;G06V10/75;G06V10/764;G06V10/772
• 代理公司: 東莞市永邦知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44474
• 代理人: 毛有幫

1.一種基于物聯(lián)網(wǎng)的新型智慧城市大數(shù)據(jù)管理方法，其特征在于，該方法包括以下步驟：

獲取用戶輸入圖像；

根據(jù)大數(shù)據(jù)庫中各個(gè)圖像之間的圖像相似度對各個(gè)圖像進(jìn)行初步分類，得到各個(gè)初始類別；根據(jù)大數(shù)據(jù)庫中各個(gè)圖像與各個(gè)初始類別之間的相似度得到大數(shù)據(jù)庫的各個(gè)類別以及各個(gè)類別的類別中心圖像；根據(jù)各個(gè)類別中心圖像的各列像素得到各個(gè)類別的類別字典矩陣以及類別稀疏矩陣；根據(jù)用戶輸入圖像的各列像素得到用戶字典矩陣以及用戶稀疏矩陣；通過對各個(gè)類別字典矩陣與用戶字典矩陣之間的列進(jìn)行匹配操作得到各個(gè)第一類別；

根據(jù)用戶稀疏矩陣中的元素值獲取用戶字典矩陣的各個(gè)特征組合方式；根據(jù)各個(gè)第一類別對應(yīng)的類別稀疏矩陣中的元素值獲取各個(gè)類別字典矩陣的各個(gè)特征組合方式；根據(jù)用戶字典矩陣的各個(gè)特征組合方式對各個(gè)第一類別對應(yīng)的各個(gè)特征組合方式進(jìn)行更新；根據(jù)各個(gè)第一類別更新后的特征組合方式進(jìn)行劃分，得到各個(gè)第二類別，每個(gè)第二類別中包含多個(gè)第一類別；

獲取各個(gè)第二類別中各個(gè)圖像的純度，將各個(gè)第二類別中純度最大的圖像作為對應(yīng)第二類別的推薦圖像，得到各個(gè)推薦圖像；根據(jù)用戶評分對各個(gè)推薦圖像進(jìn)行更新，得到最終的目標(biāo)推薦圖像；

所述各個(gè)第二類別中各個(gè)圖像的純度的獲取方法為：

對各個(gè)第二類別中各個(gè)圖像轉(zhuǎn)化為向量格式，將每個(gè)圖像對應(yīng)的向量格式記為一個(gè)輸入向量，使用因子分析對各個(gè)第二類別中的所有輸入向量下進(jìn)行處理，得到各個(gè)第二類別的公共因子向量以及各個(gè)特殊因子向量，其中，每個(gè)輸入向量對應(yīng)一個(gè)特殊因子向量；

分別對公共因子向量以及各個(gè)特殊因子向量進(jìn)行整形化，獲取整形化后的公共因子向量的熵值以及各個(gè)特殊因子向量的熵值，將公共因子向量對應(yīng)的熵值與公共因子向量與各個(gè)特殊因子向量熵值之和作比，所得比值作為所述各個(gè)第二類別中各個(gè)圖像的純度。

2.根據(jù)權(quán)利要求1所述的一種基于物聯(lián)網(wǎng)的新型智慧城市大數(shù)據(jù)管理方法，其特征在于，所述各個(gè)初始類別的獲取方法為：

獲取大數(shù)據(jù)庫中各個(gè)圖像的圖像熵，計(jì)算任意兩個(gè)圖像的圖像熵之間差值的絕對值以及所述兩個(gè)圖像的圖像熵之間的均值，將所述絕對值與所述均值之間的比值進(jìn)行負(fù)相關(guān)映射，將所得映射結(jié)果作為所述兩個(gè)圖像之間的圖像相似度，并將所述兩個(gè)圖像記為一個(gè)匹配對；獲取大數(shù)據(jù)庫中各個(gè)匹配對的圖像相似度；

將大數(shù)據(jù)庫中所有匹配對的圖像相似度進(jìn)行從小到大排列，得到圖像相似度序列；獲取圖像相似度序列中各個(gè)圖像相似度對應(yīng)的不同匹配對的個(gè)數(shù)；當(dāng)圖像相似度序列中首次出現(xiàn)一個(gè)圖像相似度對應(yīng)的不同匹配對的個(gè)數(shù)大于預(yù)設(shè)匹配對數(shù)量時(shí)，將該圖像相似度對應(yīng)的各個(gè)不同匹配對作為各個(gè)初始類別。

3.根據(jù)權(quán)利要求1所述的一種基于物聯(lián)網(wǎng)的新型智慧城市大數(shù)據(jù)管理方法，其特征在于，所述大數(shù)據(jù)庫的各個(gè)類別以及各個(gè)類別的類別中心圖像的獲取方法為：

將大數(shù)據(jù)庫中各個(gè)圖像與各個(gè)初始類別所包含的所有圖像之間的圖像相似度的均值，將所得均值作為所述各個(gè)圖像與各個(gè)初始類別的相似度，將所述各個(gè)圖像劃分到最大相似度對應(yīng)的初始類別中，依次對大數(shù)據(jù)庫中的各個(gè)圖像進(jìn)行劃分，得到大數(shù)據(jù)庫中的各個(gè)類別；

將計(jì)算各個(gè)類別中各個(gè)圖像與其他圖像之間圖像相似度的累加和，將最大的累加和作為各個(gè)類別中各個(gè)圖像的代表性，將各個(gè)類別中代表性最大的圖像作為所述各個(gè)類別的類別中心圖像。

4.根據(jù)權(quán)利要求1所述的一種基于物聯(lián)網(wǎng)的新型智慧城市大數(shù)據(jù)管理方法，其特征在于，所述通過對各個(gè)類別字典矩陣與用戶字典矩陣之間的列進(jìn)行匹配操作得到各個(gè)第一類別方法為：

計(jì)算用戶字典矩陣中的各個(gè)列向量與單個(gè)類別字典矩陣的所有列向量之間的余弦相似度，獲取用戶字典矩陣中各個(gè)列向量對應(yīng)的所有余弦相似度中的最大余弦相似度，當(dāng)最大余弦相似度大于等于預(yù)設(shè)列相似度閾值時(shí)，將該類別字典矩陣中最大余弦相似度對應(yīng)的列向量作為用戶字典矩陣中所述各個(gè)列向量的匹配列；獲取用戶字典矩陣中存在匹配列的列向量個(gè)數(shù)，將所述列向量個(gè)數(shù)與用戶字典矩陣包含的列向量的總個(gè)數(shù)之間的比值作為用戶字典矩陣與該類別字典矩陣的矩陣相似度；

當(dāng)所得矩陣相似度大于預(yù)設(shè)矩陣相似度閾值時(shí)，將該類別字典矩陣所對應(yīng)的類別作為一個(gè)第一類別；根據(jù)用戶字典矩陣與各個(gè)類別字典矩陣之間的匹配列，得到各個(gè)第一類別。