(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210326723.5 (22)申请日 2022.03.30 (65)同一申请的已公布的文献号 申请公布号 CN 114637873 A (43)申请公布日 2022.06.17 (73)专利权人 徐州大工电子科技有限公司 地址 221700 江苏省徐州市丰 县经济开发 区大学生创业园 (72)发明人 刘运胜　孟陆　 (74)专利代理 机构 江苏长德知识产权代理有限 公司 32478 专利代理师 王金华 (51)Int.Cl. G06F 16/535(2019.01) G06F 16/55(2019.01) G06V 10/762(2022.01) G06K 9/62(2022.01)(56)对比文件 CN 111221937 A,2020.0 6.02 CN 111382299 A,2020.07.07 CN 107729348 A,2018.02.23 CN 111382760 A,2020.07.07 CN 112200874 A,2021.01.08 CN 105373804 A,2016.0 3.02 CN 107766897 A,2018.0 3.06 CN 113255714 A,2021.08.13 CN 108427 723 A,2018.08.21 JP 2019079319 A,2019.0 5.23 王华等.二维空间聚类的树ART2模型. 《计算 机应用》 .201 1,第31卷(第5期), 刘璐.基于联合域聚类和稀疏表示的极化 SAR图像分类. 《中国博士学位 论文全文数据库 信息科技 辑》 .2017, (续) 审查员 王玮 (54)发明名称 基于图像相似性的门窗智能推荐方法及系 统 (57)摘要 本发明涉及人工智能领域， 具体为一种基于 图像相似性的门窗智能推荐 方法及系统， 该方法 包括： 基于用户对门窗的基本需求信息获取若干 门窗图片， 将每张门窗图片映射为二维的特征 点； 确定根节点， 基于二维坐标系中特征点相对 于根节点的位置分布信息构建树结构； 获取树结 构中每个与根节点直接相连的子节 点的子树； 子 树中每个节 点分别作为目标节 点， 基于子树中目 标节点的度以及目标节点所在的目标层和目标 层临近层中节 点的数量， 计算目标节 点对应的特 征点为聚类中心的概率， 选择该子树对应的初始 聚类中心； 基于初始聚类中心进行特征点的聚 类， 聚类完成后， 新的聚类中心对应的门窗图片 为要推荐的门窗图片。 本发明可为用户提供更精 确的门窗推荐信息 。 [转续页] 权利要求书1页 说明书6页 附图1页 CN 114637873 B 2022.12.23 CN 114637873 B (56)对比文件 Chong Yang等.Co ntinuous KN N Join Processing for Real-Time Recom mendation.《2014 IE EE Internati onal Conference o n Data Mining》 .2015,2/2 页 2[接上页] CN 114637873 B1.一种基于图像相似性的门窗智能推荐方法， 其特 征在于， 该 方法包括： 获取用户对门窗的基本需求信息， 基于所述基本需求信息获取若干门窗图片， 将每张 门窗图片映射 为二维的特 征点； 确定根节点， 基于二维坐标系中特征点相对于根节点的位置分布信息构建树结构； 其 中， 根据二维坐标系中所有特征点横纵坐标 的均值得到参考点， 距离参考点最近的特征点 为根节点； 对于树结构中每个与根节点直接相连的子节点， 获取该子节点对应的子树； 子树中每 个节点分别作为目标节点， 基于子树中目标节点的度以及目标节点所在的目标层和目标层 临近层中节点的数量， 计算 目标节点对应的特征点为聚类中心的概率； 基于所述概率选择 该子树对应的初始聚类中心； 基于所述初始聚类中心进行特征点的聚类， 聚类完成后， 新的聚类中心对应的门窗图 片为要推荐的门窗图片； 将每张门窗图片映射为二维的特征点， 具体为： 基于自编码网络， 对门窗图片的特征数 据进行降维， 得到所述 二维的特 征点； 所述树结构的构建具体为： 在二维坐标系中， 以根节点为中心确定初始搜索范围， 在初始搜索范围中按照预设搜 索规则搜索特征点， 基于搜索到的特征点为进行树结构的更新； 扩大搜索范围， 获取搜索到 的新增特征点， 并确定新增特征点的父节点， 进行树结构的更新； 不断扩大搜索范围， 每次 扩大后均进行树结构的更新， 直至树结构中包括了所有的特 征点； 确定新增特 征点的父节点的具体方法为： 获取前一次树结构更新后树结构中的新增节点， 对于每个新增特征点， 若该新增特征 点和与该新增特征点距离最小的新增节点之间的位置偏差小于等于偏差阈值， 则与该新增 特征点距离最小的新增节点 为其父节点； 否则， 根节点 为其父节点。 2.如权利要求1所述的方法， 其特征在于， 计算目标节点对应的特征点为 聚类中心的概 率， 具体地： 目标节点的度与目标节点所属子树中节点的度的最大值的比值 为第一数值； 为目标层和目标层临近层设置层权值， 目标层临近层越靠近目标层， 其层权值越大， 目 标层和目标层临近层中节点的数量进行加权求和后进行归一 化处理， 得到第二数值； 基于第一数值和第二数值得到目标节点对应的特 征点为聚类中心的概 率。 3.如权利要求2所述的方法， 其特征在于， 为目标层和目标层临近层 设置的层权值符合 高斯分布， 目标层的层权值大于目标层临近层的层权值。 4.一种基于 图像相似性的门窗智能推荐系统， 包括存储器、 处理器以及存储在存储器 上并可在处理器上运行 的计算机程序， 其特征在于， 所述计算机程序被处理器执行时实现 如权利要求1 ‑3任一项所述方法的步骤。权　利　要　求　书 1/1 页 2 CN 114637873 B 3