CN109034232B - 城市规划条件核实成果报告的自动化输出系统及控制方法 - Google Patents
城市规划条件核实成果报告的自动化输出系统及控制方法 Download PDFInfo
- Publication number
- CN109034232B CN109034232B CN201810786178.1A CN201810786178A CN109034232B CN 109034232 B CN109034232 B CN 109034232B CN 201810786178 A CN201810786178 A CN 201810786178A CN 109034232 B CN109034232 B CN 109034232B
- Authority
- CN
- China
- Prior art keywords
- data
- node
- verification result
- nodes
- city
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012795 verification Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013500 data storage Methods 0.000 claims abstract description 20
- 238000010276 construction Methods 0.000 claims abstract description 17
- 238000011161 development Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 238000005265 energy consumption Methods 0.000 claims description 31
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 25
- 230000002776 aggregation Effects 0.000 claims description 24
- 238000004220 aggregation Methods 0.000 claims description 24
- 230000006872 improvement Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000004931 aggregating effect Effects 0.000 claims description 6
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 241000287196 Asthenes Species 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 19
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003556 assay Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于城市规划管理测绘保障领域，公开了一种城市规划条件核实成果报告的自动化输出系统及控制方法，数据输入模块用于输入城市规划相应的数据资料；主控模块用于控制各个模块正常工作；报告生成模块用于生成城市规划条件核实成果报告；数据存储模块用于将生成的城市规划条件核实成果报告进行存储；数据输出模块用于将生成报告中数据按照既定的报告格式进行输出。本发明为城市规划管理提供服务，成本低、效率高且操作简单；同时通过生成的报告，有效地提升了城市规划管理的效率，使整个城市的规划管理，在管理部门可控的范围内能够合理有效地进行，有利于城市的整体建设，符合城市的整体发展战略。
Description
技术领域
本发明属于城市规划测绘技术领域，尤其涉及一种城市规划条件核实成果报告的自动化输出系统及控制方法。
背景技术
目前，业内常用的现有技术是这样的：
规划条件核实测量(竣工测量)成果的质量和管理应用，不仅涉及到影响测绘管理部门掌握现状地理信息的正确性，而且涉及到影响规划管理部门规划审批的落实和监督管理，关系到城市建设管理、规划实施与落实的一项具有法规性的测绘工作。
规划条件核实测量成果是规范城市建设，研究城市的未来发展、城市的合理布局和综合安排城市各项工程建设的综合部署的一部分，是一定时期内城市发展的蓝图，是城市管理的重要组成部分，是城市建设和管理的依据，也是城市规划、城市建设、城市运行三个阶段管理的关键点之一。规划条件核实测量成果有指导和规范城市建设的重要作用，是城市综合管理的重要工作，是城市管理的龙头。城市的复杂系统特性决定了城市规划是随城市发展与运行状况长期调整、不断修订，持续改进和完善的复杂的连续决策过程。然而，现有规划条件核实测量成果报告生产成本高、效率低；同时不能数字化乃至信息化生产，影响了规划管理的实时性。
综上所述，现有技术存在的问题是：
现有规划条件核实测量成果生产成本高、效率低；同时不能准确的进行整体性检测、采集、输出，影响整个规划条件核实测量成果的实时性应用。
现在的数据存储效果差，应变能力差。
发明内容
针对现有技术存在的问题，本发明提供了一种城市规划条件核实成果报告的自动化输出系统及控制方法。
本发明是这样实现的，一种城市规划条件核实成果报告的自动化输出控制方法，所述城市规划条件核实成果报告的自动化输出控制方法包括：
获取将建城市的各项具体市政建筑标准和施工原则数据，以及城市艺术布局和城市发展战略信息，输入城市规划相应的数据资料；
在将建城市部署区域内随机分布一定数量的同构的传感器节点，将部署区域划分为面积大小不等的网格；
在每个网格内根据节点的剩余能量选取网格内的簇首节点，其余节点根据就近原则选择性的加入簇；
判断簇内的成员节点收集到的数据是否符合格拉布斯准则，满足，则认为节点是有效的，即簇首节点发送数据，否则，不发送数据；
簇首节点根据自适应聚合算法聚合来自有效的成员节点的数据和自身产生的数据；
簇首节点以多跳的形式向sink节点发送数据直到运行完给定的轮数；
基于非均匀网格的数据聚合方法进行聚合之前需要相关模型，包括网络模型和能量消耗模型；网络模型，无线传感器网络部署在一个正方形区域内，区域最左端最底部的顶点坐标为(o_x,o_y)，此外还需要：
sink节点和所有节点都是时间同步和固定的，sink节点位于(sink_x,sink_y)，并且是在部署区域之外的；
节点间的交流时双向的并且每个节点根据到接收点的距离来调整它的传输功率；
sink节点和部署区域内的所有节点都是位置感知的；
能量消耗模型，传感器节点能耗分为发射数据能耗、接收数据能耗和聚合数据能耗，节点到接收点的距离小于阈值d0，则采用自由空间模型，否则，采用多路径衰减模型，发射比特数据到距离为d0的接收点的能量消耗如下：
其中Eelec为发射电路能量消耗，εfs为自由空间模型下功率放大电路所需能量，εmp为多路径衰减模型下功率放大电路所需能量，接收比特数据能耗：
ERx(l)＝l×Eelec；
聚合比特数据的能量消耗：
EA＝l×EDA；
其中EDA表示聚合1比特数据的能量消耗；
生成城市规划条件核实成果报告；根据城市实际情况和建筑需要进行建筑的具体设计方案策略的决定；并对建筑设计结合实际情况进行建筑可行性的具体分析；
利用相位同步分析方法，计算各频段的建筑可行性信号在各个生成点每两个通道之间的相位关系，获得动态功能连接矩阵；
逐个计算两个通道之间相位关系值的时域熵，得到每条边的信息熵，以度量建筑可行性功能网络各边时间域的复杂度；
利用各频段的动态功能连接熵分别作为建筑可行性功能网络的分类特征，训练自适应提高分类器，得到多个自适应提高分类器以及对应的分类正确率；
利用训练好的多个自适应提高分类器以投票的方式对样本进行组合分类，获得城市规划条件核实成果真实报告；
采用相位锁定值PLV来计算各频段的建筑可行性信号在各个生成点上每两个通道之间的相位关系，具体的计算公式如下：
PLV＝|<exp(j{Φi(t)-Φj(t)})>|；
其中，Φi(t)和Φj(t)分别为电极i和j的瞬时相位；
信号的相位值可以采用希尔伯特变换来计算，具体公式如下：
xi(τ)是电极i的连续时间信号，τ是一个时间变量，t表示生成点，PV为柯西主值；
瞬时相位按如下计算：
同样地，可以计算瞬时相位Φj(t)；
设选定的建筑可行性通道数为M，建筑可行性生成点数为T，利用两两通道构建不同的通道对，计算所有通道对的PLV值，此时得到一个M×M×T的三维矩阵K，其中M×M是一个生成点的上三角矩阵：
K的每个元素Kijt为在t生成点上第i个电极和第j个电极之间的PLV值，该矩阵为动态功能连接矩阵，它不仅包含了不同建筑可行性通道两两之间的相位关系，还包含建筑可行性通道的空间信息和时间信息；
将生成的城市规划条件核实成果报告进行存储；
将生成报告中数据按照既定的报告格式进行输出。
进一步，基于非均匀网格的数据聚合方法的步骤如下：
在面积为S＝L*L的部署区域内，随机分布N个同构的无线传感器节点，sink节点位于部署区域之外，节点处理整个无线传感器网络内收集到的数据；
sink节点位于部署区域的上方；首先部署区域X轴划分为S个泳道，所有泳道有相同的宽度w，并且每个泳道的长度与部署区域的长度相等；用从1到s作为泳道的ID，最左端的泳道的ID为1，然后每个泳道沿着y轴划分为多个矩形网格，每个泳道中的每个网格都被定义一个水平，最下端的网格的水平为1，每个网格和每个泳道有相同的宽度w；每个泳道中网格的个数、长度与泳道到sink的距离有关；通过设置网格的长度来调整网格的大小；针对不同的泳道，距离sink越远的泳道含有的网格数目越小；针对同一泳道，距离sink越远的网格的长度越大；A中含有S个元素，第k个元素表示在第k个泳道中网格的数目；每个网格用一个数组(i，j)作为ID，表示第i个泳道有水平j；定义S个数组表示网格的长度，第v个数组Hv表示第v个泳道中网格的长度，并且Hv的第w个元素hvw表示网格(v，w)的长度；网格(i，j)的边界为：
o_x+(i-1)×w＜x≤o_x+i×w
非均匀网格划分好之后进行成簇阶段；算法分为很多轮进行，在每轮中选取每个网格中剩余能量最大的节点作为簇首节点，其余节点根据就近原则加入簇，然后再进行数据聚合；
传感器节点需要对收集的数据进行预处理，然后再向簇首节点传输数据；采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有n个传感器节点，传感器节点收集到的数据为x1,x2,…,xn，服从正态分布，并设：
根据顺序统计原理，计算格拉布斯统计量：
给定显著性水平α＝0.05之后，测量值满足gi≤g0(n,α)，则认为测量值有效，测量值参与到下一层次的数据聚合；反之，则认为测量值无效，因此需要剔除，即不参与到下一层次的数据聚合；
通过迭代得到各个节点测量数据的无偏估计值，求取各个传感器节点的测量数据值与估计值之间的欧式距离，以归一化的欧式距离作为自适应加权融和的权值；选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据；
某个簇中有个传感器节点，用维列向量D＝(d1,d2,…,dn)表示相应节点的测量值，通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小，其中li的计算公式为：
根据欧式距离自适应设定相应的权值大小，距离越大权值越小，距离越小权值越大；
其中
wi为相应的权值；
进一步，逐个计算两个通道之间相位关系值的信息熵，即动态功能连接熵，按照以下步骤进行：
首先，将每个脑电时间点数T的M×M的上三角矩阵各个PLV值提取出来，得到一个(M*(M-1)/2)×T的二维矩阵；然后对(M*(M-1)/2)×T这个PLV矩阵各条边计算信息熵，得到一个(M*(M-1)/2)×1的熵值矩阵。
进一步，获得最优自适应提高分类器的具体过程包括：对给定的样本(x1，y1)，...，(xm，ym)，其中xi∈X，yi∈Y＝(-1，1)，X为训练特征，Y为被试者类别，首先初始化每个训练样本集的权重为
之后进行P次迭代，D1(i)是初始化时即p＝1每个训练样本集的权重，迭代过程如下：变量p从1开始增加到P，每次迭代首先计算各个弱分类器hp对训练样本集进行分类得到的分类误差εp＝∑Dp(i)hp(xi)≠yi，
其中，hp(xi)为第p个弱分类器对样本分类得到的分类标签值，Dp(i)是第p次迭代时每个训练样本集的权重，然后计算分类序列权重
最后更新各个训练样本集的权重
其中，D+1(i)是每次更新后的每个训练本集的权重，Zp为归一化因子，
是为了调整样本集的权值，当分类分对了，更新权重
样本的权重将会降低；当分类分错了，更新权重
样本权重将会提高；
P次迭代结束后得到该频段下的P个弱分类器hp，最后将P个弱分类器组合构建最终分类器为最优自适应提高分类器：
然后分别计算各个频段下的最优自适应提高分类器的分类正确率。
进一步，将生成的城市规划条件核实成果报告进行存储的方法，包括：
存储的城市规划条件核实成果报告的二维码字为C＝[ci,j]；1≤i≤m-1,1≤j≤m+m，元素ci,j表示为第i行，第j列的信息位或校验位；
当1≤i≤m-1,1≤j≤m-1时，元素ci,j为信息位，用于存放原文件数据；
当1≤i≤m-1，m≤j≤m+m时，元素ci,j为校验位，用于存放校验数据；
根据得出的第一列校验位按照下述规则构造：
第r列的冗余校验位如下公式表示，令公共调节因子为：
根据得出第r列校验位为：
式中：1≤i＜m-1，1≤r≤m；
将生成的城市规划条件核实成果报告进行存储的方法，进一步包括城市规划条件核实成果报告数据均匀分发方法：
每个数据采集节将随机把已经采集的环境数据与通过产生的冗余信息经分块后分发到其它数据采集节点；
当生成的城市规划条件核实成果报告所处的环境较为恶劣，数据存储模块集成的传感节点出现损毁时，若原始数据节点为2·m,与m相邻且小于m的素数用ml表示；
则当损毁节点达到2×(m-ml)时，即系统剩余节点数为2·ml时，将对损毁数据进行恢复，同时，数据存储模块将对恢复出的原始数据进行再次编码，编码参数用ml参数来进行编码存储。
本发明的另一目的在于提供一种实现所述城市规划条件核实成果报告的自动化输出控制方法的计算机程序。
本发明的另一目的在于提供一种实现所述城市规划条件核实成果报告的自动化输出控制方法的计算机。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的城市规划条件核实成果报告的自动化输出控制方法。
本发明的另一目的在于提供一种利用所述城市规划条件核实成果报告的自动化输出控制方法的城市规划条件核实成果报告的自动化输出系统，包括：
数据输入模块，用于输入城市规划相应的数据资料；
主控模块，与数据输入模块、报告生成模块、数据存储模块、数据输出模块连接，用于控制各个模块正常工作；
报告生成模块，与主控模块连接，用于生成城市规划条件核实成果报告；
数据存储模块，与主控模块连接，用于将生成的城市规划条件核实成果报告进行存储；
数据输出模块，与主控模块连接，用于将生成报告中数据按照既定的报告格式进行输出。
本发明的另一目的在于提供一种搭载所述城市规划条件核实成果报告的自动化输出系统的城市规划测绘控制平台。
本发明的优点及积极效果为：
本发明为城市规划管理提供服务，成本低、效率高且操作简单；同时通过生成的报告，有效地提升了城市规划管理的效率，使整个城市的规划管理，在管理部门可控的范围内能够合理有效地进行，有利于城市的整体建设，符合城市的整体发展战略。
本发明当存储节点网络的存储空间出现不足时，系统将用新采集的数据，经编码后来替换最先存储的数据。若此时系统已经存储了k个数据。则每个数据采集节点都将具有k个数据块组，分别为f1f2f3…fk-1fk，若此时采集的数据为fk+1，则对fk+1进行编码，然后将编码后的数据块替换掉f1所对应的数据块。系统采集的后一数据fk+2经编码后可以按照系统设置(如系统设置的替换间隔为2时)的替换规则替换掉f4，以此类推；这是对比文件1不能实现的技术效果。现有技术并没有公开本申请所述的编码存储方法。
本发明获取将建城市的各项具体市政建筑标准和施工原则数据，以及城市艺术布局和城市发展战略信息，输入城市规划相应的数据资料；
在将建城市部署区域内随机分布一定数量的同构的传感器节点，将部署区域划分为面积大小不等的网格；
在每个网格内根据节点的剩余能量选取网格内的簇首节点，其余节点根据就近原则选择性的加入簇；
判断簇内的成员节点收集到的数据是否符合格拉布斯准则，满足，则认为节点是有效的，即簇首节点发送数据，否则，不发送数据；
簇首节点根据自适应聚合算法聚合来自有效的成员节点的数据和自身产生的数据；
簇首节点以多跳的形式向sink节点发送数据直到运行完给定的轮数；
基于非均匀网格的数据聚合方法进行聚合之前需要相关模型，包括网络模型和能量消耗模型；网络模型，无线传感器网络部署在一个正方形区域内，区域最左端最底部的顶点坐标为(o_x,o_y)，此外还需要：
sink节点和所有节点都是时间同步和固定的，sink节点位于(sink_x,sink_y)，并且是在部署区域之外的；
节点间的交流时双向的并且每个节点根据到接收点的距离来调整它的传输功率；可获得准确的实时数据，为下一步的智能规划，提供条件。
本发明生成城市规划条件核实成果报告；根据城市实际情况和建筑需要进行建筑的具体设计方案策略的决定；并对建筑设计结合实际情况进行建筑可行性的具体分析；
利用相位同步分析方法，计算各频段的建筑可行性信号在各个生成点每两个通道之间的相位关系，获得动态功能连接矩阵；
逐个计算两个通道之间相位关系值的时域熵，得到每条边的信息熵，以度量建筑可行性功能网络各边时间域的复杂度；
利用各频段的动态功能连接熵分别作为建筑可行性功能网络的分类特征，训练自适应提高分类器，得到多个自适应提高分类器以及对应的分类正确率；
利用训练好的多个自适应提高分类器以投票的方式对样本进行组合分类，获得城市规划条件核实成果真实报告；相比于现有技术提高数据准确率近8个百分点。
附图说明
图1是本发明实施例提供的城市规划条件核实成果报告的自动化输出系统结构框图。
图中：1、数据输入模块；2、报告生成模块，3、数据存储模块；4、数据输出模块；5、主控模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明提供的城市规划条件核实成果报告的自动化输出系统包括：
数据输入模块1、报告生成模块2、数据存储模块3、数据输出模块4、主控模块5。
数据输入模块1，用于输入城市规划相应的数据资料；
主控模块5，与数据输入模块、报告生成模块、数据存储模块、数据输出模块连接，用于控制各个模块正常工作；
报告生成模块2，与主控模块连接，用于生成城市规划条件核实成果报告；
数据存储模块3，与主控模块连接，用于将生成的城市规划条件核实成果报告进行存储；
数据输出模块4，与主控模块连接，用于将生成报告中数据按照既定的报告格式进行输出。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的城市规划条件核实成果报告的自动化输出控制方法，法包括：
获取将建城市的各项具体市政建筑标准和施工原则数据，以及城市艺术布局和城市发展战略信息，输入城市规划相应的数据资料；
在将建城市部署区域内随机分布一定数量的同构的传感器节点，将部署区域划分为面积大小不等的网格；
在每个网格内根据节点的剩余能量选取网格内的簇首节点，其余节点根据就近原则选择性的加入簇；
判断簇内的成员节点收集到的数据是否符合格拉布斯准则，满足，则认为节点是有效的，即簇首节点发送数据，否则，不发送数据；
簇首节点根据自适应聚合算法聚合来自有效的成员节点的数据和自身产生的数据；
簇首节点以多跳的形式向sink节点发送数据直到运行完给定的轮数；
基于非均匀网格的数据聚合方法进行聚合之前需要相关模型，包括网络模型和能量消耗模型；网络模型，无线传感器网络部署在一个正方形区域内，区域最左端最底部的顶点坐标为(o_x,o_y)，此外还需要：
sink节点和所有节点都是时间同步和固定的，sink节点位于(sink_x,sink_y)，并且是在部署区域之外的；
节点间的交流时双向的并且每个节点根据到接收点的距离来调整它的传输功率；
sink节点和部署区域内的所有节点都是位置感知的；
能量消耗模型，传感器节点能耗分为发射数据能耗、接收数据能耗和聚合数据能耗，节点到接收点的距离小于阈值d0，则采用自由空间模型，否则，采用多路径衰减模型，发射比特数据到距离为d0的接收点的能量消耗如下：
其中Eelec为发射电路能量消耗，εfs为自由空间模型下功率放大电路所需能量，εmp为多路径衰减模型下功率放大电路所需能量，接收比特数据能耗：
ERx(l)＝l×Eelec；
聚合比特数据的能量消耗：
EA＝l×EDA；
其中EDA表示聚合1比特数据的能量消耗；
生成城市规划条件核实成果报告；根据城市实际情况和建筑需要进行建筑的具体设计方案策略的决定；并对建筑设计结合实际情况进行建筑可行性的具体分析；
利用相位同步分析方法，计算各频段的建筑可行性信号在各个生成点每两个通道之间的相位关系，获得动态功能连接矩阵；
逐个计算两个通道之间相位关系值的时域熵，得到每条边的信息熵，以度量建筑可行性功能网络各边时间域的复杂度；
利用各频段的动态功能连接熵分别作为建筑可行性功能网络的分类特征，训练自适应提高分类器，得到多个自适应提高分类器以及对应的分类正确率；
利用训练好的多个自适应提高分类器以投票的方式对样本进行组合分类，获得城市规划条件核实成果真实报告；
采用相位锁定值PLV来计算各频段的建筑可行性信号在各个生成点上每两个通道之间的相位关系，具体的计算公式如下：
PLV＝|<exp(j{Φi(t)-Φj(t)})>|；
其中，Φi(t)和Φj(t)分别为电极i和j的瞬时相位；
信号的相位值可以采用希尔伯特变换来计算，具体公式如下：
xi(τ)是电极i的连续时间信号，τ是一个时间变量，t表示生成点，PV为柯西主值；
瞬时相位按如下计算：
同样地，可以计算瞬时相位Φj(t)；
设选定的建筑可行性通道数为M，建筑可行性生成点数为T，利用两两通道构建不同的通道对，计算所有通道对的PLV值，此时得到一个M×M×T的三维矩阵K，其中M×M是一个生成点的上三角矩阵：
K的每个元素Kijt为在t生成点上第i个电极和第j个电极之间的PLV值，该矩阵为动态功能连接矩阵，它不仅包含了不同建筑可行性通道两两之间的相位关系，还包含建筑可行性通道的空间信息和时间信息；
将生成的城市规划条件核实成果报告进行存储；
将生成报告中数据按照既定的报告格式进行输出。
作为本发明实施例的优选实施例，基于非均匀网格的数据聚合方法的步骤如下：
在面积为S＝L*L的部署区域内，随机分布N个同构的无线传感器节点，sink节点位于部署区域之外，节点处理整个无线传感器网络内收集到的数据；
sink节点位于部署区域的上方；首先部署区域X轴划分为S个泳道，所有泳道有相同的宽度w，并且每个泳道的长度与部署区域的长度相等；用从1到s作为泳道的ID，最左端的泳道的ID为1，然后每个泳道沿着y轴划分为多个矩形网格，每个泳道中的每个网格都被定义一个水平，最下端的网格的水平为1，每个网格和每个泳道有相同的宽度w；每个泳道中网格的个数、长度与泳道到sink的距离有关；通过设置网格的长度来调整网格的大小；针对不同的泳道，距离sink越远的泳道含有的网格数目越小；针对同一泳道，距离sink越远的网格的长度越大；A中含有S个元素，第k个元素表示在第k个泳道中网格的数目；每个网格用一个数组(i，j)作为ID，表示第i个泳道有水平j；定义S个数组表示网格的长度，第v个数组Hv表示第v个泳道中网格的长度，并且Hv的第w个元素hvw表示网格(v，w)的长度；网格(i，j)的边界为：
o_x+(i-1)×w＜x≤o_x+i×w
非均匀网格划分好之后进行成簇阶段；算法分为很多轮进行，在每轮中选取每个网格中剩余能量最大的节点作为簇首节点，其余节点根据就近原则加入簇，然后再进行数据聚合；
传感器节点需要对收集的数据进行预处理，然后再向簇首节点传输数据；采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有n个传感器节点，传感器节点收集到的数据为x1,x2,…,xn，服从正态分布，并设：
根据顺序统计原理，计算格拉布斯统计量：
给定显著性水平α＝0.05之后，测量值满足gi≤g0(n,α)，则认为测量值有效，测量值参与到下一层次的数据聚合；反之，则认为测量值无效，因此需要剔除，即不参与到下一层次的数据聚合；
通过迭代得到各个节点测量数据的无偏估计值，求取各个传感器节点的测量数据值与估计值之间的欧式距离，以归一化的欧式距离作为自适应加权融和的权值；选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据；
某个簇中有个传感器节点，用维列向量D＝(d1,d2,…,dn)表示相应节点的测量值，通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小，其中li的计算公式为：
根据欧式距离自适应设定相应的权值大小，距离越大权值越小，距离越小权值越大；
其中
wi为相应的权值；
作为本发明实施例的优选实施例，逐个计算两个通道之间相位关系值的信息熵，即动态功能连接熵，按照以下步骤进行：
首先，将每个脑电时间点数T的M×M的上三角矩阵各个PLV值提取出来，得到一个(M*(M-1)/2)×T的二维矩阵；然后对(M*(M-1)/2)×T这个PLV矩阵各条边计算信息熵，得到一个(M*(M-1)/2)×1的熵值矩阵。
作为本发明实施例的优选实施例，获得最优自适应提高分类器的具体过程包括：对给定的样本(x1，y1)，...，(xm，ym)，其中xi∈X，yi∈Y＝(-1，1)，X为训练特征，Y为被试者类别，首先初始化每个训练样本集的权重为
之后进行P次迭代，D1(i)是初始化时即p＝1每个训练样本集的权重，迭代过程如下：变量p从1开始增加到P，每次迭代首先计算各个弱分类器hp对训练样本集进行分类得到的分类误差εp＝∑Dp(i)，hp(xi)≠yi，
其中，hp(xi)为第p个弱分类器对样本分类得到的分类标签值，Dp(i)是第p次迭代时每个训练样本集的权重，然后计算分类序列权重
最后更新各个训练样本集的权重
其中，D+1(i)是每次更新后的每个训练本集的权重，Zp为归一化因子，
是为了调整样本集的权值，当分类分对了，更新权重
样本的权重将会降低；当分类分错了，更新权重
样本权重将会提高；
P次迭代结束后得到该频段下的P个弱分类器hp，最后将P个弱分类器组合构建最终分类器为最优自适应提高分类器：
然后分别计算各个频段下的最优自适应提高分类器的分类正确率。
进一步，将生成的城市规划条件核实成果报告进行存储的方法，包括：
存储的城市规划条件核实成果报告的二维码字为C＝[ci,j]；1≤i≤m-1,1≤j≤m+m，元素ci,j表示为第i行，第j列的信息位或校验位；
当1≤i≤m-1,1≤j≤m-1时，元素ci,j为信息位，用于存放原文件数据；
当1≤i≤m-1，m≤j≤m+m时，元素ci,j为校验位，用于存放校验数据；
根据得出的第一列校验位按照下述规则构造：
第r列的冗余校验位如下公式表示，令公共调节因子为：
根据得出第r列校验位为：
式中：1≤i＜m-1，1≤r≤m；
将生成的城市规划条件核实成果报告进行存储的方法，进一步包括城市规划条件核实成果报告数据均匀分发方法：
每个数据采集节将随机把已经采集的环境数据与通过产生的冗余信息经分块后分发到其它数据采集节点；
当生成的城市规划条件核实成果报告所处的环境较为恶劣，数据存储模块集成的传感节点出现损毁时，若原始数据节点为2·m,与m相邻且小于m的素数用ml表示；
则当损毁节点达到2×(m-ml)时，即系统剩余节点数为2·ml时，将对损毁数据进行恢复，同时，数据存储模块将对恢复出的原始数据进行再次编码，编码参数用ml参数来进行编码存储。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (9)
1.一种城市规划条件核实成果报告的自动化输出控制方法，其特征在于，所述城市规划条件核实成果报告的自动化输出控制方法包括：
获取将建城市的各项具体市政建筑标准和施工原则数据，以及城市艺术布局和城市发展战略信息，输入城市规划相应的数据资料；
在将建城市部署区域内随机分布一定数量的同构的传感器节点，将部署区域划分为面积大小不等的网格；
在每个网格内根据节点的剩余能量选取网格内的簇首节点，其余节点根据就近原则选择性的加入簇；
判断簇内的成员节点收集到的数据是否符合格拉布斯准则，满足，则认为节点是有效的，即簇首节点发送数据，否则，不发送数据；
簇首节点根据自适应聚合算法聚合来自有效的成员节点的数据和自身产生的数据；
簇首节点以多跳的形式向sink节点发送数据直到运行完给定的轮数；
基于非均匀网格的数据聚合方法进行聚合之前需要相关模型，包括网络模型和能量消耗模型；网络模型，无线传感器网络部署在一个正方形区域内，区域最左端最底部的顶点坐标为(o_x,o_y)，此外还需要：
sink节点和所有节点都是时间同步和固定的，sink节点位于(sink_x,sink_y)，并且是在部署区域之外的；
节点间的交流时双向的并且每个节点根据到接收点的距离来调整它的传输功率；
sink节点和部署区域内的所有节点都是位置感知的；
能量消耗模型，传感器节点能耗分为发射数据能耗、接收数据能耗和聚合数据能耗，节点到接收点的距离小于阈值d0，则采用自由空间模型，否则，采用多路径衰减模型，发射比特数据到距离为d0的接收点的能量消耗如下：
其中Eelec为发射电路能量消耗，εfs为自由空间模型下功率放大电路所需能量，εmp为多路径衰减模型下功率放大电路所需能量，接收比特数据能耗：
ERx(l)＝l×Eelec；
聚合比特数据的能量消耗：
EA＝l×EDA；
其中EDA表示聚合1比特数据的能量消耗；
生成城市规划条件核实成果报告；根据城市实际情况和建筑需要进行建筑的具体设计方案策略的决定；并对建筑设计结合实际情况进行建筑可行性的具体分析；
利用相位同步分析方法，计算各频段的建筑可行性信号在各个生成点每两个通道之间的相位关系，获得动态功能连接矩阵；
逐个计算两个通道之间相位关系值的时域熵，得到每条边的信息熵，以度量建筑可行性功能网络各边时间域的复杂度；
利用各频段的动态功能连接熵分别作为建筑可行性功能网络的分类特征，训练自适应提高分类器，得到多个自适应提高分类器以及对应的分类正确率；
利用训练好的多个自适应提高分类器以投票的方式对样本进行组合分类，获得城市规划条件核实成果真实报告；
采用相位锁定值PLV来计算各频段的建筑可行性信号在各个生成点上每两个电极之间的相位关系，具体的计算公式如下：
PLV＝|<exp(j{Φi(t)-Φj(t)})>|；
其中，Φi(t)和Φj(t)分别为电极i和j的瞬时相位；
信号的相位值可以采用希尔伯特变换来计算，具体公式如下：
xi(τ)是电极i的连续时间信号，τ是一个时间变量，t表示生成点，PV为柯西主值；
瞬时相位按如下计算：
同样地，可以计算瞬时相位Φj(t)；
设选定的建筑可行性通道数为M，建筑可行性生成点数为T，利用两两通道构建不同的通道对，计算所有通道对的PLV值，此时得到一个M×M×T的三维矩阵K，其中M×M是一个生成点的上三角矩阵：
K的每个元素kijt为在t生成点上第i个电极和第j个电极之间的PLV值，该矩阵为动态功能连接矩阵，它不仅包含了不同建筑可行性通道两两之间的相位关系，还包含建筑可行性通道的空间信息和时间信息；
将生成的城市规划条件核实成果报告进行存储；
将生成报告中数据按照既定的报告格式进行输出。
2.如权利要求1所述的城市规划条件核实成果报告的自动化输出控制方法，其特征在于，
基于非均匀网格的数据聚合方法的步骤如下：
在S＝L*L的部署区域内，其中部署区域为面积，随机分布N个同构的无线传感器节点，sink节点位于部署区域之外，节点处理整个无线传感器网络内收集到的数据；
sink节点位于部署区域的上方；首先部署区域X轴划分为s个泳道，所有泳道有相同的宽度W′，并且每个泳道的长度与部署区域的长度相等；用从1到s作为泳道的ID，最左端的泳道的ID为1，然后每个泳道沿着y轴划分为多个矩形网格，每个泳道中的每个网格都被定义一个水平，最下端的网格的水平为1，每个网格和每个泳道有相同的宽度W′；每个泳道中网格的个数、长度与泳道到sink的距离有关；通过设置网格的长度来调整网格的大小；针对不同的泳道，距离sink越远的泳道含有的网格数目越小；针对同一泳道，距离sink越远的网格的长度越大；A中含有s个泳道，第k′个元素表示在第k′个泳道中网格的数目；每个网格用一个数组(a，b)作为ID，表示第a个泳道有水平b；定义S′个数组表示网格的长度，第v个数组Hv表示第v个泳道中网格的长度，并且Hv的第w个元素hvw表示网格(v，w)的长度；网格(a，b)的边界为：
o_x+(a-1)×w′＜x＜o_x+a×w′
非均匀网格划分好之后进行成簇阶段；算法分为很多轮进行，在每轮中选取每个网格中剩余能量最大的节点作为簇首节点，其余节点根据就近原则加入簇，然后再进行数据聚合；
传感器节点需要对收集的数据进行预处理，然后再向簇首节点传输数据；采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有n个传感器节点，传感器节点收集到的数据为x1,x2,…,xn，服从正态分布，并设：
根据顺序统计原理，计算格拉布斯统计量：
给定显著性水平α＝0.05之后，测量值满足gc≤g0(n,α)，则认为测量值有效，测量值参与到下一层次的数据聚合；反之，则认为测量值无效，因此需要剔除，即不参与到下一层次的数据聚合；
通过迭代得到各个节点测量数据的无偏估计值，求取各个传感器节点的测量数据值与估计值之间的欧式距离，以归一化的欧式距离作为自适应加权融和的权值；选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据；
某个簇中有个传感器节点，用n维列向量D＝(d1,d1+1,...dn)表示相应节点的测量值，通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小，其中lc的计算公式为：
根据欧式距离自适应设定相应的权值大小，距离越大权值越小，距离越小权值越大；
其中
wc为相应的权值；c为传感器节点编号。
3.如权利要求1所述的城市规划条件核实成果报告的自动化输出控制方法，其特征在于，
逐个计算两个通道之间相位关系值的信息熵，即动态功能连接熵，按照以下步骤进行：
首先，将每个脑电时间点数T’的M×M的上三角矩阵各个PLV值提取出来，得到一个(M*(M-1)/2)×T’的二维矩阵；然后对(M*(M-1)/2)×T’这个PLV矩阵各条边计算信息熵，得到一个(M*(M-1)/2)×1的熵值矩阵。
4.如权利要求1所述的城市规划条件核实成果报告的自动化输出控制方法，其特征在于，
获得最优自适应提高分类器的具体过程包括：对给定的样本(x1，y1)，...，(xm，ym)，其中xi′∈X，yi′∈Y＝(-1,1)，X为训练特征，Y为被试者类别，首先初始化每个训练样本集的权重为
之后进行P次迭代，D1(i′)是初始化时即p＝1每个训练样本集的权重，迭代过程如下：变量p从1开始增加到P，每次迭代首先计算各个弱分类器hp对训练样本集进行分类得到的分类误差εp＝∑Dp(i′),hp(xi′)≠yi′，
其中，hp(xi′)为第p个弱分类器对样本分类得到的分类标签值，Dp(i′)是第p次迭代时每个训练样本集的权重，然后计算分类序列权重
最后更新各个训练样本集的权重
其中，D+1(i′)是每次更新后的每个训练本集的权重，Zp为归一化因子，
是为了调整样本集的权值，当分类分对了，更新权重
样本的权重将会降低；当分类分错了，更新权重
样本权重将会提高；
P次迭代结束后得到该频段下的P个弱分类器hp，最后将P个弱分类器组合构建最终分类器为最优自适应提高分类器：
然后分别计算各个频段下的最优自适应提高分类器的分类正确率。
5.如权利要求1所述的城市规划条件核实成果报告的自动化输出控制方法，其特征在于，将生成的城市规划条件核实成果报告进行存储的方法，包括：
存储的城市规划条件核实成果报告的二维码字为C＝[ci′,j′]；1≤i′≤m-1,1≤j′≤m+m，元素ci′,j′表示为第i′行，第j′列的信息位或校验位；
当1≤i′≤m-1,1≤j′≤m-1时，元素ci′,j′为信息位，用于存放原文件数据；
当1≤i′≤m-1，m≤j′≤m+m时，元素ci′,j′为校验位，用于存放校验数据；
根据得出的第一列校验位按照下述规则构造：
第r列的冗余校验位如下公式表示，令公共调节因子为：
根据得出第r列校验位为：
式中：1≤i′≤m-1，1≤r≤m；
将生成的城市规划条件核实成果报告进行存储的方法，进一步包括城市规划条件核实成果报告数据均匀分发方法：
每个数据采集节将随机把已经采集的环境数据与通过产生的冗余信息经分块后分发到其它数据采集节点；
当生成的城市规划条件核实成果报告所处的环境较为恶劣，数据存储模块集成的传感节点出现损毁时，若原始数据节点为2·m,与m相邻且小于m的素数用ml表示；
则当损毁节点达到2×(m-ml)时，即系统剩余节点数为2·ml时，将对损毁数据进行恢复，同时，数据存储模块将对恢复出的原始数据进行再次编码，编码参数用ml参数来进行编码存储。
6.一种实现权利要求1～5任意一项所述城市规划条件核实成果报告的自动化输出控制方法的计算机。
7.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-5任意一项所述的城市规划条件核实成果报告的自动化输出控制方法。
8.一种利用权利要求1所述城市规划条件核实成果报告的自动化输出控制方法的城市规划条件核实成果报告的自动化输出系统，其特征在于，所述城市规划条件核实成果报告的自动化输出系统包括：
数据输入模块，用于输入城市规划相应的数据资料；
主控模块，与数据输入模块、报告生成模块、数据存储模块、数据输出模块连接，用于控制各个模块正常工作；
报告生成模块，与主控模块连接，用于生成城市规划条件核实成果报告；
数据存储模块，与主控模块连接，用于将生成的城市规划条件核实成果报告进行存储；
数据输出模块，与主控模块连接，用于将生成报告中数据按照既定的报告格式进行输出。
9.一种搭载权利要求8所述城市规划条件核实成果报告的自动化输出系统的城市规划测绘控制平台。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810786178.1A CN109034232B (zh) | 2018-07-17 | 2018-07-17 | 城市规划条件核实成果报告的自动化输出系统及控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810786178.1A CN109034232B (zh) | 2018-07-17 | 2018-07-17 | 城市规划条件核实成果报告的自动化输出系统及控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109034232A CN109034232A (zh) | 2018-12-18 |
| CN109034232B true CN109034232B (zh) | 2021-07-06 |
Family
ID=64643005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810786178.1A Active CN109034232B (zh) | 2018-07-17 | 2018-07-17 | 城市规划条件核实成果报告的自动化输出系统及控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109034232B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110006532A (zh) * | 2019-04-15 | 2019-07-12 | 高兴莲 | 基于物联的远程监控温度贴控制系统及控制方法、温度贴 |
| CN111367612A (zh) * | 2020-03-13 | 2020-07-03 | 兰州交通大学 | 测绘数据服务平台、系统及测绘数据处理方法 |
| CN111966769B (zh) * | 2020-07-14 | 2024-01-02 | 北京城市象限科技有限公司 | 基于生活圈的信息推荐方法、装置、设备和介质 |
| CN113343331B (zh) * | 2021-05-19 | 2022-05-20 | 泰瑞数创科技(北京)有限公司 | 一种适用于消防管道的城市信息模型使用方法、系统及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101430600A (zh) * | 2008-11-05 | 2009-05-13 | 江西蓝天学院 | 基于想象脑电的游戏辅助控制方法 |
| CN103984997A (zh) * | 2014-05-29 | 2014-08-13 | 国家电网公司 | 基于gis空间信息的输电工程选址选线方法 |
| US20140244338A1 (en) * | 2013-02-26 | 2014-08-28 | On Center Software, Inc. | Multi Condition Takeoff in Construction Project Software Programs |
| CN104618997A (zh) * | 2015-01-28 | 2015-05-13 | 西安电子科技大学 | 一种基于非均匀网格的数据聚合方法 |
| CN105046456A (zh) * | 2015-09-18 | 2015-11-11 | 武汉市土地利用和城市空间规划研究中心 | 一种基于gis的土地全生命周期智慧监管方法 |
-
2018
- 2018-07-17 CN CN201810786178.1A patent/CN109034232B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101430600A (zh) * | 2008-11-05 | 2009-05-13 | 江西蓝天学院 | 基于想象脑电的游戏辅助控制方法 |
| US20140244338A1 (en) * | 2013-02-26 | 2014-08-28 | On Center Software, Inc. | Multi Condition Takeoff in Construction Project Software Programs |
| CN103984997A (zh) * | 2014-05-29 | 2014-08-13 | 国家电网公司 | 基于gis空间信息的输电工程选址选线方法 |
| CN104618997A (zh) * | 2015-01-28 | 2015-05-13 | 西安电子科技大学 | 一种基于非均匀网格的数据聚合方法 |
| CN105046456A (zh) * | 2015-09-18 | 2015-11-11 | 武汉市土地利用和城市空间规划研究中心 | 一种基于gis的土地全生命周期智慧监管方法 |
Non-Patent Citations (1)
| Title |
|---|
| 使用无人机全景辅助进行城市建筑工程规划条件核实;李传锋 等;《测绘通报》;20160920;第180-181、189页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109034232A (zh) | 2018-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109034232B (zh) | 城市规划条件核实成果报告的自动化输出系统及控制方法 | |
| CN106717082B (zh) | 减轻信号噪声的基于指纹的室内定位 | |
| CN111461410B (zh) | 一种基于迁移学习的空气质量的预测方法及装置 | |
| CN107169628B (zh) | 一种基于大数据互信息属性约简的配电网可靠性评估方法 | |
| CN109495920B (zh) | 一种无线通信网络特征画像方法、设备和计算机程序产品 | |
| EP3364157A1 (en) | Method and system of outlier detection in energy metering data | |
| CN105843829B (zh) | 一种基于分层模型的大数据可信性度量方法 | |
| Baghanam et al. | Conjunction of wavelet-entropy and SOM clustering for multi-GCM statistical downscaling | |
| CN109919202A (zh) | 分类模型训练方法及装置 | |
| CN110224771B (zh) | 基于bp神经网络与信息几何的频谱感知方法及装置 | |
| CN106412841A (zh) | 一种基于dbscan算法的室内定位方法 | |
| CN113128076A (zh) | 基于双向加权图模型的电力调度自动化系统故障溯源方法 | |
| CN115238568A (zh) | 一种数字孪生模型构建方法、装置及终端设备 | |
| CN110008914A (zh) | 一种基于神经网络的模式识别系统及识别方法 | |
| CN110011847B (zh) | 一种传感云环境下的数据源质量评估方法 | |
| CN115796310A (zh) | 信息推荐及模型训练方法、装置、设备和存储介质 | |
| Bouttier et al. | Clustering and selection of boundary conditions for limited‐area ensemble prediction | |
| Chen et al. | Trust me, my neighbors say it's raining outside: Ensuring data trustworthiness for crowdsourced weather stations | |
| CN117407781B (zh) | 基于联邦学习的设备故障诊断方法及装置 | |
| CN114462538A (zh) | 基于kmeans的电网异常设备检测方法及装置 | |
| CN109977131A (zh) | 一种房型匹配系统 | |
| CN111417132B (zh) | 小区的划分方法、装置及设备 | |
| CN116362328A (zh) | 一种基于公平性特征表示的联邦学习异构模型聚合方法 | |
| CN114265954B (zh) | 基于位置与结构信息的图表示学习方法 | |
| CN113723006B (zh) | 一种基于ls-svm的单台站地球变化磁场建模预测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |