[发明专利]基于宽度学习的建筑物设计美观程度评估方法与系统

权利要求书

1.一种基于宽度学习的建筑物设计美观程度评估方法，其特征在于，包括以下步骤：

(1)训练样本数据库构造：获取大量的建筑物外观图像，并通过大量参与人对建筑物外观的美观程度进行评估，将每一张带建筑物外观图像及美观程度结果录入样本数据库；

(2)宽度学习模型构建：利用宽度学习对获得的图像进行特征提取，并建立相关学习模型，将该模型用于对新的建筑物外观的美观程度进行评估；

(3)美观程度判断：利用已获得的宽度学习模型对所得的建筑物外观图像的美观程度进行评估。

2.根据权利要求1所述的基于宽度学习的建筑物设计美观程度评估方法，其特征在于，所述步骤(1)中利用照相机采集大量建筑物外观图像，并利用调查问卷的形式发动大量参与人对建筑物外观的美观程度进行评估。

3.根据权利要求2所述的基于宽度学习的建筑物设计美观程度评估方法，其特征在于，所述步骤(1)中所述调查问卷中将建筑物外观的美观程度划分为非常不美观、较为不美观、不美观、一般、美观、较为美观、非常美观七个等级；将该调查问卷以网络问卷和/或纸质问卷的形式进行。

4.根据权利要求1所述的基于宽度学习的建筑物设计美观程度评估方法，其特征在于，所述步骤(1)中若同一建筑图像有不同的评估结果，需要全部录入训练样本数据库。

5.根据权利要求1所述的基于宽度学习的建筑物设计美观程度评估方法，其特征在于，所述步骤(2)中对所得的图像进行宽度学习，将采集的图像分为两部分：其中的大部分样本作为训练集为L₁，剩下的小部分作为测试集为L₂；假设训练集L₁内的训练样本个数为X，每个样本包含的数据维数为R；则将输入映射为一组映射特征，所得表达式为

随机初始化分类器模型的特征节点权重矩阵，再利用稀疏自编码对特征节点权重进行处理，将训练集L₁与获取的特征节点权重矩阵W进行处理得到特征节点矩阵Z，对增强节点权重矩阵进行随机初始化，并将获取的特征节点矩阵Z与获取的增强节点权重矩阵W_h进行处理得到增强节点矩阵H,即H＝θ(Z^xW_hr+β_hr)，按列拼接得到的特征节点矩阵Z和增强节点矩阵H得到输入矩阵S，即S＝[Z^x|H^r]，求取输入矩阵S的广义逆S⁺，即S⁺＝[Z^x|H^r]⁺，输出矩阵T＝SW^r，并将输入矩阵S与训练集L₁的标签集合进行处理得到权重矩阵W^r＝S⁺T；多次重复以上步骤，建立相关模型；

将测试集L₂中的图像输入到模型中，判断模型的精确度；如果学习的模型不能够达到所要求的精确度，则需要对其进行扩展学习，该方法能增加特征节点和增强节点的数量，对所得的权重矩阵进行调整并测试分类器的性能，使之达到期望的精确度，得到最终的宽度学习模型。

6.根据权利要求1所述的基于宽度学习的建筑物设计美观程度评估方法，其特征在于，所述步骤(3)中所得的建筑物外观图像包括已经建成的建筑物外观图像和刚设计完成的建筑物外观的图像。

7.一种基于宽度学习的建筑物设计美观程度评估系统，其特征在于，用于在执行时实现权利要求1-6任一项所述的基于宽度学习的建筑物设计美观程度评估方法的步骤，包括：

训练样本数据库构造模块，该模块用于执行步骤(1)的方法；

宽度学习模型构建模块，该模块用于执行步骤(2)的方法；

美观程度判断模块，该模块用于执行步骤(3)的方法。