买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利基于机器学习的小微绿地增补选址方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115909030B 。

龙图腾网通过国家知识产权局官网在2026-02-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211448726.2，技术领域涉及：G06V20/00；该发明授权基于机器学习的小微绿地增补选址方法是由周聪惠;蒋卓洋;杨柳一;吴欣雨;孙一;朱旋设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本基于机器学习的小微绿地增补选址方法在说明书摘要公布了：本发明公开了基于机器学习的小微绿地增补选址方法，属于城乡规划技术领域，通过对数据进行采集实验；通过采集的数据建立小微绿地选址潜力特征指数体系并针对建立的不同层次的潜力特征指数体系的特性，综合各层次的潜力特征结果所蕴含的不同方向上小微绿地潜在选址点的潜力甄别特征，构建小微绿地选址潜力量化甄别体系；通过常规机器学习和深度学习训练小微绿地选址潜力甄别模型；应用小微绿地选址潜力甄别模型进行小微绿地选址潜力打分，得到最终小微绿地选址潜力量化甄别结果，进行排名和选择，确定小微绿地选址点的增补选址优先级，从而选择优先增补选址点。

本发明授权基于机器学习的小微绿地增补选址方法在权利要求书中公布了：1.基于机器学习的小微绿地增补选址方法，其特征在于，方法包括以下步骤： 对数据进行采集，采集后的数据包括全体小微绿地潜在选址点的坐标和全体小微绿地潜在选址点的街景图像数据集，所述街景图像数据集包括小微绿地潜在选址点街景图的所有爬取参数； 利用采集得到的数据建立小微绿地选址潜力特征指数体系，所述小微绿地选址潜力特征指数体系包括地理区位环境特征、视觉语义要素特征、场地条件高级视觉语义特征和街景图； 根据建立的小微绿地选址潜力特征指数体系不同的特征，构建小微绿地选址潜力量化甄别体系； 在小微绿地选址潜力特征指数体系下，采用支持向量机而分类模型作为底层模型训练小微绿地置入基础适宜性甄别模型，以基于深度学习框架工具搭建的全连接图像卷积神经网络作为底层模型训练小微绿地置入深度适宜性甄别模型，训练得到的小微绿地置入基础适宜性甄别模型和小微绿地置入深度适宜性甄别模型用于建立小微绿地选址潜力特征指数体系和小微绿地选址潜力量化甄别体系之间的稳定推导关系； 小微绿地选址潜力甄别模型对小微绿地选址进行潜力评估，从所有增补选址点的坐标中，依据潜力评估的结果选取潜力最高的作为小微绿地选址的决策依据； 所述小微绿地选址潜力甄别模型的训练过程包括以下步骤： 构建机器学习训练集的特征向量集，构建训练集的评分标签集，构建深度学习训练集的特征图集，将和相对应，组成常规机器学习的训练集，将和相对应，共同组成深度学习的训练集； 得到小微绿地置入基础适宜性甄别模型包括以下内容： 对机器学习训练集的特征向量集中的特征向量进行降维； 将划分为训练集和测试集； 选择支持向量机而分类模型作为小微绿地置入基础适宜性甄别模型的底层模型，定义含有待训练参数的多分类支持向量机模型，同时调用sklearn提供的超参数优化方法和随机采样交叉验证，选择模型的超参数； 输入机器学习训练集中的特征向量集和评分标签集，进行训练，对损失函数进行最优化问题求解，确定一组多分类支持向量机的最优待训练参数，得到小微绿地置入基础适宜性甄别模型； 得到基于深度特征感知的小微绿地置入深度适宜性甄别模型包括以下内容； 基于深度学习框架工具，搭建全连接图像卷积神经网络； 输入深度学习训练集中的特征图集和评分标签集，进行深度学习训练，调整全连接图像卷积神经网络的超参数，训练全连接图像卷积神经网络对特征图像的多分类能力，得到全连接图像卷积神经网络多分类模型，获得基于深度特征感知的小微绿地置入深度适宜性甄别模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：210096 江苏省南京市玄武区新街口街道四牌楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。