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！

龙图腾网获悉南京工业大学申请的专利一种融合仿真优化与动态聚类关联的城市关键形态参数识别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：CN121457852B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610007271.2，技术领域涉及：G06Q10/063；该发明授权一种融合仿真优化与动态聚类关联的城市关键形态参数识别方法是由司秉卉;李一丹;李艳霞;倪震宇;刘峰;徐琦;石邢;朱思洁设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本一种融合仿真优化与动态聚类关联的城市关键形态参数识别方法在说明书摘要公布了：本发明公开了一种融合仿真优化与动态聚类关联的城市关键形态参数识别方法，步骤包括：生成仿真多目标优化数据集、生成多个性能分区并构建性能分区子集、构建形态分区子集并执行动态耦合的聚类与关联规则挖掘、从七项关键评估指标综合计算综合重要性得分、根据各个形态参数的综合重要性得分识别出对于各个性能分区起决定性作用的关键形态参数。该融合仿真优化与动态聚类关联的城市关键形态参数识别方法能够有效揭示不同性能偏好下形态参数与性能指标间的复杂映射关系，并基于多维度评估体系准确识别关键形态参数，从而为城市形态方案的多目标决策提供量化支持。

本发明授权一种融合仿真优化与动态聚类关联的城市关键形态参数识别方法在权利要求书中公布了：1.一种融合仿真优化与动态聚类关联的城市关键形态参数识别方法，其特征在于，包括如下步骤： 步骤1，生成仿真多目标优化数据集，仿真多目标优化数据集由各个城市形态方案组成，每个城市形态方案均包括性能指标向量以及形态参数向量，再将各个形态参数向量构成决策空间，再将各个性能指标向量构成目标空间； 步骤2，为目标空间中的每一项性能指标设定高性能、中性能以及低性能三个性能水平阈值，根据三个性能水平阈值将目标空间分为多个性能分区，每个性能分区表示一种性能偏好组合，再将目标空间中的各个性能指标向量划分到对应的性能分区中，再将划分到同一个性能分区的各个性能指标向量共同构建一个性能分区子集； 步骤3，将性能分区子集内各个性能指标向量对应的形态参数向量共同构建一个形态分区子集，再对形态分区子集执行动态耦合的聚类与关联规则挖掘； 步骤4，基于挖掘出的关联规则从规则参与频率、规则强度、后件影响力、影响范围、网络中心性、最大规则支持度以及主导分箱覆盖度这七项关键评估指标综合计算各个形态参数的综合重要性得分； 步骤5，根据各个形态参数的综合重要性得分识别出对于各个性能分区起决定性作用的关键形态参数； 步骤3中，对形态分区子集执行动态耦合的聚类与关联规则挖掘的具体步骤为： 步骤3.1，对每个形态分区子集内的各个形态参数向量进行预处理，获得规范化的形态参数向量； 步骤3.2，使用遗传算法优化预处理后的每个形态参数值域的分箱数量，遗传算法中的每个染色体编码了形态参数值域的分箱数量，染色体包含的基因位数量等于待分箱的形态参数总数，每个基因位采用整数编码，代表对应形态参数值域的分箱数量，再随机生成包含多个染色体的初始种群； 步骤3.3，针对初始种群中的每一个染色体的每一个基因位中指定的形态参数值域的分箱数量确定出形态参数值域的分箱边界； 步骤3.4，根据形态参数值域的分箱边界标注分箱标识，再确定性能分区子集内所有城市形态方案对应的形态参数向量内各形态参数所属分箱标识，将形态参数向量转换为事务型数据，并利用获得的各个事务型数据构成事务数据集，再采用支持度自适应的Apriori算法在事务数据集内进行关联规则挖掘，找出强关联规则，并计算每条强关联规则的支持度； 步骤3.5，在种群的各个染色体所对应的形态参数值域的分箱边界前提下，找出所有强关联规则中支持度最高的那条强关联规则，并将支持度最高值作为关键适应度指标反馈给遗传算法，用以评价对应分箱边界在挖掘强关联规则方面的有效性； 步骤3.6，根据反馈的关键适应度指标，遗传算法通过选择、交叉和变异操作生成新一代染色体种群，再返回步骤3.3； 步骤3.7，当遗传算法满足预设的终止条件时，动态耦合的聚类与关联规则挖掘过程终止，根据适应度最高的染色体的分箱数量获得各形态参数值域的分箱边界，作为最佳分箱边界，再输出根据最佳分箱边界挖掘得到的关联规则。

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南京工业大学，其通讯地址为：211800 江苏省南京市浦口区浦珠南路30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。