[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）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

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，具體涉及一種基于物聯(lián)網(wǎng)的新型智慧城市大數(shù)據(jù)管理方法，包括：獲取用戶輸入圖像；根據(jù)大數(shù)據(jù)庫中各個圖像之間的圖像相似度得到大數(shù)據(jù)庫的各個類別以及類別中心圖像；根據(jù)各個類別字典矩陣與用戶字典矩陣之間的匹配列得到各個第一類別；獲取用戶字典矩陣的各個特征組合方式以及各個類別字典矩陣的各個特征組合方式；對各個第一類別對應(yīng)的各個特征組合方式進行更新；根據(jù)各個第一類別更新后的特征組合方式得到各個第二類別；根據(jù)各個第二類別中各個圖像的純度得到各個第二類別的推薦圖像；根據(jù)用戶評分對各個推薦圖像進行更新，得到最終的目標推薦圖像。本發(fā)明可以根據(jù)用戶自身需求有針對性地對用戶進行產(chǎn)品推薦。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，具體涉及一種基于物聯(lián)網(wǎng)的新型智慧城市大數(shù)據(jù)管理方法。

背景技術(shù)

零售業(yè)作為智慧城市建設(shè)過程中的基礎(chǔ)，傳統(tǒng)零售創(chuàng)新成為了實體零售發(fā)展、智慧城市建設(shè)的必經(jīng)之路，物聯(lián)網(wǎng)的發(fā)展為智慧超市提供了新的理念和技術(shù)，為智慧超市的發(fā)展和實現(xiàn)起到了強有力的支撐作用。

通過線上購物等方法購買到自己需要的產(chǎn)品已經(jīng)逐漸成為大眾的一種消費習(xí)慣，但是由于產(chǎn)品多種多樣，當用戶想要購買一個產(chǎn)品，往往是先通過拍攝一個與想要購買的產(chǎn)品外觀最接近的產(chǎn)品圖像，然后使用搜索引擎將采集的產(chǎn)品圖像與大數(shù)據(jù)庫的眾多的數(shù)據(jù)的比較，進而找到對應(yīng)的產(chǎn)品對用戶進行推薦，但是由于不同用戶自身需求存在差異，根據(jù)大數(shù)據(jù)對用戶進行的產(chǎn)品推薦有時并不能滿足用戶需求，或推薦的產(chǎn)品不能很好地貼合用戶需求，導(dǎo)致用戶體驗感下降，降低了用戶的購買積極性。

發(fā)明內(nèi)容

本發(fā)明提供一種基于物聯(lián)網(wǎng)的新型智慧城市大數(shù)據(jù)管理方法，以解決現(xiàn)有的問題。

本發(fā)明的一種基于物聯(lián)網(wǎng)的新型智慧城市大數(shù)據(jù)管理方法采用如下技術(shù)方案：

本發(fā)明一個實施例提供了一種基于物聯(lián)網(wǎng)的新型智慧城市大數(shù)據(jù)管理方法，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)庫中各個圖像之間的圖像相似度對各個圖像進行初步分類，得到各個初始類別；根據(jù)大數(shù)據(jù)庫中各個圖像與各個初始類別之間的相似度得到大數(shù)據(jù)庫的各個類別以及各個類別的類別中心圖像；根據(jù)各個類別中心圖像的各列像素得到各個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；通過對各個類別字典矩陣與用戶字典矩陣之間的列進行匹配操作得到各個第一類別；

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

獲取各個第二類別中各個圖像的純度，將各個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，得到各個推薦圖像；根據(jù)用戶評分對各個推薦圖像進行更新，得到最終的目標推薦圖像。

優(yōu)選的，所述各個初始類別的獲取方法為：

獲取大數(shù)據(jù)庫中各個圖像的圖像熵，計算任意兩個圖像的圖像熵之間差值的絕對值以及所述兩個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行負相關(guān)映射，將所得映射結(jié)果作為所述兩個圖像之間的圖像相似度，并將所述兩個圖像記為一個匹配對；獲取大數(shù)據(jù)庫中各個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圖像相似度對應(yīng)的不同匹配對的個數(shù)；當圖像相似度序列中首次出現(xiàn)一個圖像相似度對應(yīng)的不同匹配對的個數(shù)大于預(yù)設(shè)匹配對數(shù)量時，將該圖像相似度對應(yīng)的各個不同匹配對作為各個初始類別。

優(yōu)選的，所述大數(shù)據(jù)庫的各個類別以及各個類別的類別中心圖像的獲取方法為：