[发明专利]一种基于稀疏自编码与SVM的智慧城市环卫资源调度系统

说明书

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。

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：

其中，x⁽ⁱ⁾表示数据集中第i个训练数据，表示自编码器对x⁽ⁱ⁾的重构输出。表示训练数据x⁽ⁱ⁾与重构数据的误差函数。

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：

其中ρ为稀疏性参数，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：