買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江大學申請的專利一種基于分層降維的智能家居設計參數轉化規則挖掘方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117057427B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311059334.1，技術領域涉及：G06N5/025；該發明授權一種基于分層降維的智能家居設計參數轉化規則挖掘方法是由裘樂淼;肖紫欣;張樹有;王自立;劉曉健;張益鳴設計研發完成，并于2023-08-22向國家知識產權局提交的專利申請。

本一種基于分層降維的智能家居設計參數轉化規則挖掘方法在說明書摘要公布了：本發明公開了一種基于分層降維的智能家居設計參數轉化規則挖掘方法。包括以下步驟：獲取智能家居定制產品歷史需求轉化訂單信息，預處理訂單信息，將設計參數按照智能家居產品特性進行降維；以預處理后的需求轉化訂單數據為輸入，根據分層結果設定支持度、置信度閾值，對數據集進行逐層挖掘，生成需求到每層設計參數的映射規則；最后通過給移動組物體制定多對一的概率相對碰撞規則來加速基于物體碰撞的規則優化算法的收斂，得到最終的映射規則集。本發明通過數據集的分層挖掘，降低每層數據的維度，實現了智能家居需求到設計參數的精準轉化，通過改進規則優化算法，提高了需求到設計參數的轉化效率與精度。

本發明授權一種基于分層降維的智能家居設計參數轉化規則挖掘方法在權利要求書中公布了：1.一種基于分層降維的智能家居設計參數轉化規則挖掘方法，其特征在于，包括以下步驟： 1獲取并預處理智能家居定制產品歷史需求轉化訂單信息中的需求文本； 2按照智能家居產品特性對訂單信息中的定制產品設計參數進行降維處理，根據降維結果對訂單數據進行分層； 3從上至下對每層訂單數據進行逐層處理： 3.1基于fp-growth算法對當前層的設計參數到需求文本的映射進行挖掘； 3.2采用改進的物體碰撞規則優化算法獲取本層數據優化后的支持度、置信度閾值，剔除支持度、置信度不達標的映射規則； 3.3根據當前層映射規則集獲取與其對應的下一層設計參數，將下一層設計參數對應的訂單數據作為待處理的訂單數據； 3.4返回步驟3.1對待處理的訂單數據進行挖掘，直至對所有層完成挖掘，輸出最終的映射規則集； 4根據最終得到的映射規則集，將客戶的需求轉化為對應的設計參數，最終實現智能家居定制產品需求信息到設計參數的轉化； 所述步驟3.2中改進的物體碰撞規則優化算法為： 3.2.1將步驟3.1得到的n條初步映射規則用密西根方法編碼，得到算法的初始物體obj,obj＝1,2,…,n，每個物體的初始位置為xobj 0＝xobj1 0,xobj2 0,…,xobjD 0；然后初始化算法參數，包括最大迭代次數itermax； 其中，算法中的每個物體即為步驟3.1得到的每條映射規則；xobjD 0為物體在第D維上的初始位置； 3.2.2迭代優化過程： 根據每個物體的位置以及密西根方法編碼規則反推得到映射規則內容，再根據映射規則內容計算得到對應的適應度值，并記錄本次迭代的全局適應度最差值與全局適應度最佳值； 3.2.3計算每個物體的質量，再將物體按質量大小降序排列后，均分為兩組，包括靜止物體組i與移動物體組j； 3.2.4初始化兩組物體的碰撞速度；根據一對一的相對碰撞規則更新靜止物體組的速度與位移，根據多對一的概率相對碰撞規則更新移動物體組的速度與位移； 3.2.5返回步驟3.2.2，直至達到最大迭代次數itermax后停止迭代，輸出最優的物體； 3.2.6將最優的物體對應的支持度值和置信度值分別作為最優支持度閾值和置信度閾值根據和剔除步驟3映射規則集中支持度、置信度不達標的映射規則。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。