技术摘要：
本发明涉及一种基于稀疏自编码与SVM的智慧城市环卫资源调度系统。为满足城市建设管理需求，本发明使用稀疏自编码对城市主要街道的图像信息进行数据降维，提取图像的关键特征；然后把图像特征送入SVM训练识别模型，对城市各街道进行清洁状况进行评估，根据评估结果对城  全部
背景技术：
城市环境卫生管理是一项涉及面广、工作量多、事项复杂的工作，如若能够充分了 解城市环卫的信息，将对城市环卫工作的进行非常有利，同时也将作为上层决策的有力依 据，亦是对城市规划的重要依据。传统的垃圾清运模式已难以满足、适合城市发展。同时为 满足城市建设管理需求，收运系统进行合理优化具有重大的现实意义。 针对以上问题，本发明利用摄像头采集城市街道垃圾信息，使用稀疏自编码对图 像信息进行数据降维，提取图像特征值，最后使用SVM算法图像特征值进行分类，对城市不 同区域垃圾进行评估，对城市环卫资源进行合理调度。通过服务器实时监控评估城市清洁 信息，合理分配城市资源对现代化城市有重要意义。
技术实现要素：
为了解决上述存在问题。本发明提出一种基于稀疏自编码与SVM的智慧城市环卫 资源调度系统，根据城市清洁信息，合理调度城市公共资源。为达此目的： 本发明提出基于稀疏自编码与SVM的智慧城市环卫资源调度系统，具体步骤如下： 步骤1：服务器使用城市监控系统采集城市各个区域的街道垃圾信息； 步骤2：对图像信息进行预处理并加标签； 步骤3：预训练网络得到权重矩阵W和偏置b； 步骤4：对栈式稀疏自编码网络训练，融合一阶特征和二阶特征，得到混阶特征矩 阵； 步骤5：把混阶特征矩阵输入到SVM网络进行SVM网络训练，得到SVM识别模型； 步骤6：使用SVM模型的识别结果，进行智慧城市资源调度。 作为本发明进一步改进，所述步骤2中图像信息进行预处理的方法是把RGB颜色空 间模型转化到YCrCb,并且舍去Cr、Cb分量仅仅保留Y分量，转换公式为： Y＝0.299R 0.587G 0.114B    (1) Cr＝0.511R-0.428G-0.083B 128    (2) Cb＝-0.172R-0.339G 0.511B 128    (3) 其中，R表示RGB模型的RED分量，G表示GREEN分量，B示RGB模型的BLUE分量。 作为本发明进一步改进，所述步骤2中对数据加的标签为A、B、C、D、E，其中A表示清 洁程度最高，E表示清洁程度最低。 作为本发明进一步改进，所述步骤3中代价函数可以由下式表示： 4 CN 111598476 A 说　明　书 2/3 页 其中，x(i)表示数据集中第i个训练数据， 表示自编码器对x(i)的重构输出。 表示训练数据x(i)与重构数据 的误差函数。 作为本发明进一步改进，所述步骤4中稀疏自编码稀疏惩罚项的数学模型为： 其中ρ为稀疏性参数， 为隐藏层神经元j的激活度。 作为本发明进一步改进，所述步骤5中SVM算法分类公式为： yi[(w·x) b]-1 ξi≥0,i＝1,2...,N    (6) 其中，N为样本个数，x为输入特征值，b为偏置，w是权重向量，ξi是松弛变量。 作为本发明进一步改进，所述步骤5中SVM算法选用核函数为： 其中，σ2为高斯函数的方差。 本发明基于稀疏自编码与SVM的智慧城市环卫资源调度系统，有益效果在于： 1.本发明利用栈式稀疏自编码技术，能够高效的对图像信息进行数据降维。 2.本发明对垃圾信息分了五类标签，能够对城市清洁状态合理的评估。 3.本发明利用SVM 栈式稀疏自编码能够高效识别城市清洁信息。 4.本发明算法实现简单。 附图说明 图1是系统流程图； 图2是栈式稀疏自编码器的图像特征提取系统模型图； 图3是栈式稀疏自编码器编码结果图；