申请/专利权人：东南大学

申请日：2023-12-01

公开（公告）日：2024-05-28

公开（公告）号：CN118094386A

主分类号：G06F18/243

分类号：G06F18/243;G06F18/15;G06N3/042;G06N3/045;G06N3/0499;G06N3/084;G06N20/20;G06F3/01;G06F18/2321

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明公开一种基于数形图谱的街区肌理形态基因识别方法，包括街区肌理形态数据获取与预处理、街区肌理形态数形图谱构建、跨年比对识别具有稳定肌理形态传承关系的街区、智能生成街区肌理形态基因和街区肌理形态基因全息展示。该方法以网状拓扑结构表达街区肌理形态结构关系，并通过RDFS简单推理进行优化，结合图神经网络识别出具有肌理形态传承关系的街区并聚类，最后运用卷积神经网络生成街区肌理形态基因并进行智能校验与修正。本发明能够对街区肌理形态基因进行智能化精准识别，可规避传统人工肌理形态基因识别所存在的精确低、标准乱与周期长问题。

主权项：1.一种基于数形图谱的街区肌理形态基因识别方法，其特征在于，包括如下步骤：步骤一：街区肌理形态数据获取与预处理获取以5年为间隔，从当前年份推导50年间的目标城市街区矢量肌理形态数据，分别记录其投影坐标系数据与其中历史保护建筑的空间坐标数据；使用像素2000万以上、可扫描A3幅面的激光扫描仪，扫描该城市最新版本地方志文本文献，并通过文本识别模型识别其中的历史保护建筑及其建成年代信息，筛选出建成至少50年的历史保护建筑；以筛选得到的历史保护建筑几何中心点的空间坐标为依据，于统一投影坐标系空间校正不同年份街区矢量肌理形态数据；步骤二：街区肌理形态数形图谱构建以肌理形态关联关系为依据构建各街区分年份的肌理形态数形图谱；肌理形态关联关系包括建筑底面形状指数、建筑底面轮廓线密度、建筑底面分形维数、建筑底面几何中心间距与方位关系、建筑底面几何面积，以网状拓扑结构表达街区肌理形态结构关系，通过RDFS简单推理进行优化，校核并简化数形图谱中的关联关系描述逻辑，得到各街区各年份肌理形态数形图谱；步骤三：跨年比对识别具有稳定肌理形态传承关系的街区将各街区各年份肌理形态数形图谱置于NOSQL图形数据库中，对数形图谱进行降噪、标准化统一建筑主体要素和肌理形态结构关系表达形式；针对单个街区，使用图神经网络算法得到数形图谱中建筑主体要素节点的嵌入向量，将节点的嵌入向量输入子图，使用图同构匹配算法得到两个子图之间的匹配得分矩阵，对匹配得分矩阵进行采样获取局部接受域中值最大的结果向量，将结果向量输入前馈神经网络，计算得到相邻5年街区肌理形态数形图谱的差异度指数。识别并记录至少连续30年差异度指数均在15％以下的街区，判定其存在肌理形态传承关系、具有街区肌理形态基因；步骤四：智能生成街区肌理形态基因运用随机森林算法对步骤三得到的街区按照数形图谱特征指标进行智能聚类；以聚类得到的各类街区形态肌理数形图谱为训练集，运用卷积神经网络对训练集中的主体要素属性和肌理形态关联关系属性进行指标学习，训练输出一张数形图谱，采用步骤三中图神经网络结合图匹配算法，逐一比对生成结果与该类型下的数形图谱差异度指数，若差异度大于15％，返回卷积神经网络重新训练输出，直至差异度满足条件为止；记录街区肌理形态基因所对应类型街区的肌理形态数形图谱中肌理形态关联关系量化数值区间；步骤五：街区肌理形态基因全息展示将不同街区肌理形态基因结果嵌入至三维空间数字沙盘，使用搭载穿戴式三维动捕系统的全息沙盘展示设备对街区肌理形态基因的网状拓扑结构进行全息投影、指标显示和人机虚拟交互。

全文数据：

权利要求：

百度查询： 东南大学 一种基于数形图谱的街区肌理形态基因识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD