CN111598476A - 一种基于稀疏自编码与svm的智慧城市环卫资源调度系统 - Google Patents

一种基于稀疏自编码与svm的智慧城市环卫资源调度系统 Download PDF

Info

Publication number
CN111598476A
CN111598476A CN202010443079.0A CN202010443079A CN111598476A CN 111598476 A CN111598476 A CN 111598476A CN 202010443079 A CN202010443079 A CN 202010443079A CN 111598476 A CN111598476 A CN 111598476A
Authority
CN
China
Prior art keywords
svm
coding
resource scheduling
sparse self
system based
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.)
Pending
Application number
CN202010443079.0A
Other languages
English (en)
Inventor
王亚利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiyuan Vocational and Technical College
Original Assignee
Jiyuan Vocational and Technical College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiyuan Vocational and Technical College filed Critical Jiyuan Vocational and Technical College
Priority to CN202010443079.0A priority Critical patent/CN111598476A/zh
Publication of CN111598476A publication Critical patent/CN111598476A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于稀疏自编码与SVM的智慧城市环卫资源调度系统。为满足城市建设管理需求，本发明使用稀疏自编码对城市主要街道的图像信息进行数据降维，提取图像的关键特征；然后把图像特征送入SVM训练识别模型，对城市各街道进行清洁状况进行评估，根据评估结果对城市环卫资源进行合理调度。本发明能够充分了解城市环卫的信息，将对城市环卫工作的进行非常有利，同时也将作为上层决策的有力依据，亦是对城市规划的重要依据。

Description

一种基于稀疏自编码与SVM的智慧城市环卫资源调度系统
技术领域
本发明涉及人工智能领域，特别设计基于稀疏自编码与SVM的智慧城市环卫资源调度系统。
背景技术
城市环境卫生管理是一项涉及面广、工作量多、事项复杂的工作，如若能够充分了解城市环卫的信息，将对城市环卫工作的进行非常有利，同时也将作为上层决策的有力依据，亦是对城市规划的重要依据。传统的垃圾清运模式已难以满足、适合城市发展。同时为满足城市建设管理需求，收运系统进行合理优化具有重大的现实意义。
针对以上问题，本发明利用摄像头采集城市街道垃圾信息，使用稀疏自编码对图像信息进行数据降维，提取图像特征值，最后使用SVM算法图像特征值进行分类，对城市不同区域垃圾进行评估，对城市环卫资源进行合理调度。通过服务器实时监控评估城市清洁信息，合理分配城市资源对现代化城市有重要意义。
发明内容
为了解决上述存在问题。本发明提出一种基于稀疏自编码与SVM的智慧城市环卫资源调度系统，根据城市清洁信息，合理调度城市公共资源。为达此目的：
本发明提出基于稀疏自编码与SVM的智慧城市环卫资源调度系统，具体步骤如下：
步骤1：服务器使用城市监控系统采集城市各个区域的街道垃圾信息；
步骤2：对图像信息进行预处理并加标签；
步骤3：预训练网络得到权重矩阵W和偏置b；
步骤4：对栈式稀疏自编码网络训练，融合一阶特征和二阶特征，得到混阶特征矩阵；
步骤5：把混阶特征矩阵输入到SVM网络进行SVM网络训练，得到SVM识别模型；
步骤6：使用SVM模型的识别结果，进行智慧城市资源调度。
作为本发明进一步改进，所述步骤2中图像信息进行预处理的方法是把RGB颜色空间模型转化到YCrCb,并且舍去Cr、Cb分量仅仅保留Y分量，转换公式为：
Y＝0.299R+0.587G+0.114B (1)
Cr＝0.511R-0.428G-0.083B+128 (2)
Cb＝-0.172R-0.339G+0.511B+128 (3)
其中，R表示RGB模型的RED分量，G表示GREEN分量，B示RGB模型的BLUE分量。
作为本发明进一步改进，所述步骤2中对数据加的标签为A、B、C、D、E，其中A表示清洁程度最高，E表示清洁程度最低。
作为本发明进一步改进，所述步骤3中代价函数可以由下式表示：
Figure BDA0002504865570000021
其中，x(i)表示数据集中第i个训练数据，
Figure BDA0002504865570000022
表示自编码器对x(i)的重构输出。
Figure BDA0002504865570000023
表示训练数据x(i)与重构数据
Figure BDA0002504865570000024
的误差函数。
作为本发明进一步改进，所述步骤4中稀疏自编码稀疏惩罚项的数学模型为：
Figure BDA0002504865570000025
其中ρ为稀疏性参数，
Figure BDA0002504865570000026
为隐藏层神经元j的激活度。
作为本发明进一步改进，所述步骤5中SVM算法分类公式为：
yi[(w·x)+b]-1+ξi≥0,i＝1,2...,N (6)
其中，N为样本个数，x为输入特征值，b为偏置，w是权重向量，ξi是松弛变量。
作为本发明进一步改进，所述步骤5中SVM算法选用核函数为：
Figure BDA0002504865570000027
其中，σ2为高斯函数的方差。
本发明基于稀疏自编码与SVM的智慧城市环卫资源调度系统，有益效果在于：
1.本发明利用栈式稀疏自编码技术，能够高效的对图像信息进行数据降维。
2.本发明对垃圾信息分了五类标签，能够对城市清洁状态合理的评估。
3.本发明利用SVM+栈式稀疏自编码能够高效识别城市清洁信息。
4.本发明算法实现简单。
附图说明
图1是系统流程图；
图2是栈式稀疏自编码器的图像特征提取系统模型图；
图3是栈式稀疏自编码器编码结果图；
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明提出一种基于稀疏自编码与SVM的智慧城市环卫资源调度系统，根据城市清洁信息，合理调度城市公共资源。如图1是系统流程图。
首先，服务器使用城市监控系统采集城市各个区域的街道垃圾信息；人工对训练图像信息进行预处理并加标签。
图像信息进行预处理的方法是把RGB颜色空间模型转化到YCrCb,并且舍去Cr、Cb分量仅仅保留Y分量，转换公式为：
Y＝0.299R+0.587G+0.114B (1)
Cr＝0.511R-0.428G-0.083B+128 (2)
Cb＝-0.172R-0.339G+0.511B+128 (3)
其中，R表示RGB模型的RED分量，G表示GREEN分量，B示RGB模型的BLUE分量。
对数据加的标签为A、B、C、D、E，其中A表示清洁程度最高，E表示清洁程度最低。
然后，预训练网络得到权重矩阵W和偏置b，并对栈式稀疏自编码网络训练，融合一阶特征和二阶特征，得到混阶特征矩阵。
代价函数可以由下式表示：
Figure BDA0002504865570000031
其中，x(i)表示数据集中第i个训练数据，
Figure BDA0002504865570000032
表示自编码器对x(i)的重构输出。
Figure BDA0002504865570000041
表示训练数据x(i)与重构数据
Figure BDA0002504865570000042
的误差函数。
稀疏自编码稀疏惩罚项的数学模型为：
Figure BDA0002504865570000043
其中ρ为稀疏性参数，
Figure BDA0002504865570000044
为隐藏层神经元j的激活度。
栈式稀疏自编码算法步骤为：
1)预训练网络得到权重矩阵W和偏置b；
2)训练第一层；
3)计算样本损失；
4)用梯度下降法更新权重矩阵W'和偏置b'；
5)得到隐藏层特征矩阵；
6)训练第二层，输入为上一层的特征矩阵；
7)重复步骤3)至步骤5)，至所有层训练完毕，微调整个网络；
8)融合一阶特征和二阶特征，得到混阶特征矩阵H；
最后，把混阶特征矩阵输入到SVM网络进行SVM网络训练，得到SVM识别模型；使用SVM模型的识别结果，进行智慧城市资源调度。
SVM算法分类公式为：
yi[(w·x)+b]-1+ξi≥0,i＝1,2...,N (6)
其中，N为样本个数，x为输入特征值，b为偏置，w是权重向量，ξi是松弛变量。
SVM算法选用核函数为：
Figure BDA0002504865570000045
其中，σ2为高斯函数的方差。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (7)

1.基于稀疏自编码与SVM的智慧城市环卫资源调度系统，具体步骤如下，其特征在于,
步骤1：服务器使用城市监控系统采集城市各个区域的街道垃圾信息；
步骤2：对图像信息进行预处理并加标签；
步骤3：预训练网络得到权重矩阵W和偏置b；
步骤4：对栈式稀疏自编码网络训练，融合一阶特征和二阶特征，得到混阶特征矩阵；
步骤5：把混阶特征矩阵输入到SVM网络进行SVM网络训练，得到SVM识别模型；
步骤6：使用SVM模型的识别结果，进行智慧城市资源调度。
2.根据权利要求1所述的基于稀疏自编码与SVM的智慧城市环卫资源调度系统，其特征在于；
所述步骤2中图像信息进行预处理的方法是把RGB颜色空间模型转化到YCrCb,并且舍去Cr、Cb分量仅仅保留Y分量，转换公式为：
Y＝0.299R+0.587G+0.114B (1)
Cr＝0.511R-0.428G-0.083B+128 (2)
Cb＝-0.172R-0.339G+0.511B+128 (3)
其中，R表示RGB模型的RED分量，G表示GREEN分量，B示RGB模型的BLUE分量。
3.根据权利要求1所述的基于稀疏自编码与SVM的智慧城市环卫资源调度系统，其特征在于；
所述步骤2中对数据加的标签为A、B、C、D、E，其中A表示清洁程度最高，E表示清洁程度最低。
4.根据权利要求1所述的基于稀疏自编码与SVM的智慧城市环卫资源调度系统，其特征在于；
所述步骤3中代价函数可以由下式表示：
Figure FDA0002504865560000011
其中，x(i)表示数据集中第i个训练数据，
Figure FDA0002504865560000012
表示自编码器对x(i)的重构输出，
Figure FDA0002504865560000013
表示训练数据x(i)与重构数据
Figure FDA0002504865560000014
的误差函数。
5.根据权利要求1所述的基于稀疏自编码与SVM的智慧城市环卫资源调度系统，其特征在于；
所述步骤4中稀疏自编码稀疏惩罚项的数学模型为：
Figure FDA0002504865560000015
其中ρ为稀疏性参数，
Figure FDA0002504865560000021
为隐藏层神经元j的激活度。
6.根据权利要求1所述的基于稀疏自编码与SVM的智慧城市环卫资源调度系统，其特征在于；
所述步骤5中SVM算法分类公式为：
yi[(w·x)+b]-1+ξi≥0,i＝1,2...,N (6)
其中，N为样本个数，x为输入特征值，b为偏置，w是权重向量，ξi是松弛变量。
7.根据权利要求1所述的基于稀疏自编码与SVM的智慧城市环卫资源调度系统，其特征在于；
所述步骤5中SVM算法选用核函数为：
Figure FDA0002504865560000022
其中，σ2为高斯函数的方差。
CN202010443079.0A 2020-05-22 2020-05-22 一种基于稀疏自编码与svm的智慧城市环卫资源调度系统 Pending CN111598476A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010443079.0A CN111598476A (zh) 2020-05-22 2020-05-22 一种基于稀疏自编码与svm的智慧城市环卫资源调度系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010443079.0A CN111598476A (zh) 2020-05-22 2020-05-22 一种基于稀疏自编码与svm的智慧城市环卫资源调度系统

Publications (1)

Publication Number Publication Date
CN111598476A true CN111598476A (zh) 2020-08-28

Family

ID=72186385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010443079.0A Pending CN111598476A (zh) 2020-05-22 2020-05-22 一种基于稀疏自编码与svm的智慧城市环卫资源调度系统

Country Status (1)

Country Link
CN (1) CN111598476A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418792A (zh) * 2020-11-19 2021-02-26 魏垠 一种城市精细化信息处理方法、装置及系统
CN113449615A (zh) * 2021-06-16 2021-09-28 新安洁环境卫生股份有限公司 一种清扫作业质量智能检查方法、系统及存储介质
CN115481987A (zh) * 2022-10-24 2022-12-16 成都秦川物联网科技股份有限公司 智慧城市街道管理方法、物联网系统、装置和存储介质
CN117095364A (zh) * 2023-10-20 2023-11-21 深圳市润江科技有限公司 基于ai智能垃圾识别的市容环境预警方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3032369A2 (en) * 2014-12-11 2016-06-15 Xiaomi Inc. Methods for clearing garbage and devices for the same
CN109165582A (zh) * 2018-08-09 2019-01-08 河海大学 一种城市街道垃圾检测和清洁度评估方法
CN109543979A (zh) * 2018-11-14 2019-03-29 广州慧睿思通信息科技有限公司 一种环境监控管理方法、系统、服务平台及介质
CN110674731A (zh) * 2019-09-22 2020-01-10 江苏悦达专用车有限公司 一种基于深度学习的道路清洁度量化方法
CN111062409A (zh) * 2019-10-30 2020-04-24 闽南师范大学 一种无监督图像特征的提取及分类方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3032369A2 (en) * 2014-12-11 2016-06-15 Xiaomi Inc. Methods for clearing garbage and devices for the same
CN109165582A (zh) * 2018-08-09 2019-01-08 河海大学 一种城市街道垃圾检测和清洁度评估方法
CN109543979A (zh) * 2018-11-14 2019-03-29 广州慧睿思通信息科技有限公司 一种环境监控管理方法、系统、服务平台及介质
CN110674731A (zh) * 2019-09-22 2020-01-10 江苏悦达专用车有限公司 一种基于深度学习的道路清洁度量化方法
CN111062409A (zh) * 2019-10-30 2020-04-24 闽南师范大学 一种无监督图像特征的提取及分类方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王鹏 等: "《水下地磁导航适配性研究》", 28 February 2017, 国防工业出版社 *
颜志国: "《多摄像机协同关注目标检测跟踪技术》", 30 June 2017, 东南大学出版社 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418792A (zh) * 2020-11-19 2021-02-26 魏垠 一种城市精细化信息处理方法、装置及系统
CN112418792B (zh) * 2020-11-19 2022-12-20 魏垠 一种城市精细化信息处理方法、装置及系统
CN113449615A (zh) * 2021-06-16 2021-09-28 新安洁环境卫生股份有限公司 一种清扫作业质量智能检查方法、系统及存储介质
CN115481987A (zh) * 2022-10-24 2022-12-16 成都秦川物联网科技股份有限公司 智慧城市街道管理方法、物联网系统、装置和存储介质
US11776409B2 (en) 2022-10-24 2023-10-03 Chengdu Qinchuan Iot Technology Co., Ltd. Methods, internet of things systems and storage mediums for street management in smart cities
CN117095364A (zh) * 2023-10-20 2023-11-21 深圳市润江科技有限公司 基于ai智能垃圾识别的市容环境预警方法及系统
CN117095364B (zh) * 2023-10-20 2024-02-13 深圳市润江科技有限公司 基于ai智能垃圾识别的市容环境预警方法及系统

Similar Documents

Publication Publication Date Title
CN111598476A (zh) 一种基于稀疏自编码与svm的智慧城市环卫资源调度系统
CN108564029B (zh) 基于级联多任务学习深度神经网络的人脸属性识别方法
CN105550709B (zh) 一种遥感影像输电线路走廊森林区域提取方法
CN109492026B (zh) 一种基于改进的主动学习技术的电信欺诈分类检测方法
CN109063723A (zh) 基于迭代挖掘物体共同特征的弱监督图像语义分割方法
CN113313232B (zh) 一种基于预训练和图神经网络的功能脑网络分类方法
CN113516379B (zh) 一种智能质检的工单评分方法
CN112685504B (zh) 一种面向生产过程的分布式迁移图学习方法
CN117237559B (zh) 面向数字孪生城市的三维模型数据智能分析方法及系统
CN103177265B (zh) 基于核函数与稀疏编码的高清图像分类方法
CN112232151A (zh) 一种嵌入注意力机制的迭代聚合神经网络高分遥感场景分类方法
CN109255469A (zh) 融合栈式自编码器和支持向量回归的洪水预测方法
CN109787821A (zh) 一种大规模移动客户流量消费智能预测方法
CN112446489A (zh) 基于变分自编码器的动态网络嵌入链接预测方法
CN115204477A (zh) 一种上下文感知图递归网络的自行车流量预测方法
Jingyi et al. Classification of images by using TensorFlow
CN110633394B (zh) 基于特征加强的图压缩方法
CN117236520A (zh) 一种分布式多无人机集群协同调度系统及其方法
CN117236492A (zh) 基于动态多尺度图学习的交通需求预测方法
CN117252459A (zh) 一种基于深度学习的水果质量评估系统
CN116611729A (zh) 一种基于多任务神经网络的社区韧性评估方法
CN109978013A (zh) 一种用于人物动作识别的深度聚类方法
CN116310475A (zh) 一种基于半监督学习的垃圾图像分类算法
CN115291019A (zh) 基于多任务学习模型的电能质量扰动分类识别系统
CN115240271A (zh) 基于时空建模的视频行为识别方法与系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200828