发明名称 |
一种基于神经网络的办公建筑房间分类方法 |
摘要 |
本发明公开了一种基于神经网络的办公建筑房间分类方法,包括以下步骤:数据预处理,对办公建筑房间的插座、照明和空调三种用电数据进行筛选、剔除、补充,获得完整的用电数据;网络初始化,构造与预处理三类用电数据对应的三个回声状态网和一个极限学机,并对各神经网络的参数进行初始化;网络训练,利用预处理的房间用电数据训练各回声状态网,重建房间的用电模式,并利用重建后的房间用电模式以及已知的房间类别训练极限学机;房间分类,给定新的办公建筑房间三种用电数据作为分类数据,利用训练好的三个回声状态网重建房间的用电模式,并利用训练好的极限学机获取房间的类型。 |
申请公布号 |
CN104573818A |
申请公布日期 |
2015.04.29 |
申请号 |
CN201410828012.3 |
申请日期 |
2014.12.25 |
申请人 |
中国科学院自动化研究所 |
发明人 |
刘德荣;石光;魏庆来;刘禹;关强 |
分类号 |
G06N3/08(2006.01)I |
主分类号 |
G06N3/08(2006.01)I |
代理机构 |
北京博维知识产权代理事务所(特殊普通合伙) 11486 |
代理人 |
方振昌 |
主权项 |
一种基于神经网络的办公建筑房间分类方法,其特征在于,包括以下步骤:步骤S1:数据预处理,其方法为:将办公建筑房间的用电数据分为N类,对N类用电数据进行预处理,获得完整的用电数据;步骤S2:网络初始化,其方法为:构造与N类用电数据对应的N个回声状态网和一个极限学习机,并对各神经网络的参数进行初始化;步骤S3:网络训练,其方法为:利用步骤S1中完整的用电数据训练各回声状态网,重建房间的用电模式,并利用用电模式重建结果和房间类别训练极限学习机;步骤S4:房间分类,其方法为:输入新的办公建筑房间N类用电数据,利用步骤S3中训练的三个回声状态网重建房间的用电模式,并利用步骤S3中训练的极限学习机进行办公建筑的房间分类。 |
地址 |
100080 北京市海淀区中关村东路95号 |