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！

龙图腾网获悉同济大学申请的专利一种基于无监督机器学习的城区和郊区范围自动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：CN118968298B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411016163.9，技术领域涉及：G06V20/10；该发明授权一种基于无监督机器学习的城区和郊区范围自动识别方法是由肖扬;苗丝雨设计研发完成，并于2024-07-27向国家知识产权局提交的专利申请。

本一种基于无监督机器学习的城区和郊区范围自动识别方法在说明书摘要公布了：本发明提出了一种利用无监督机器学习算法自动识别城区和郊区范围的方法。本方法使用建筑轮廓数据，自动计算建筑形态特征，通过特征提取获得能够反映城市化程度的关键指标，并运用无监督机器学习算法自动识别城区和郊区的空间范围。本方法可以减少人工干预，简化城区和郊区边界划定工作流程，并能精细化识别不同城市化程度地区的空间范围。方法具有高度的可重复性和高效率，能够快速处理大规模数据，实现高效的城区和郊区范围识别。为国土空间规划背景下构建“国土空间规划一张图”提供底图参考和技术支持。

本发明授权一种基于无监督机器学习的城区和郊区范围自动识别方法在权利要求书中公布了：1.一种基于无监督机器学习的城区和郊区范围自动识别方法，其特征在于，包括以下步骤： 步骤（1）：获得研究区域范围内建筑轮廓数据，总计J个空间单元，计算包括以每个空间单元j的中心为中心点，k米为半径的圆内相交的建筑面积总和、建筑周长平均值、建筑朝向角度熵值、建筑形状指数平均值、建筑紧凑度指数平均值和建筑数量6个建筑形态特征构成多维矩阵； 步骤（2）：对步骤（1）得到的所有空间单元的建筑形态特征多维矩阵进行高斯混合模型GMM聚类分析； 步骤（3）：根据步骤（2）计算得到的混合系数、均值向量和协方差矩阵，计算对应的贝叶斯信息准则 步骤（4）：根据步骤（3）计算得到的聚类数量对应的，通过比较得到最小BIC值对应的聚类数量作为最优聚类数量 步骤（5）：根据步骤（4）得到的最优聚类数量，得到高斯混合模型的概率密度函数 步骤（6）：根据步骤（5）计算的聚类概率，将每个空间单元j分类为概率最高的类型； 步骤（7）：根据步骤（6）得到的每个空间单元j的聚类结果，汇总统计所有空间单元的建筑面积总和，以及类型中的的平均值，进行由大到小排序，得到顺序，计算排序后相邻数据和的变化率； 步骤（8）：根据步骤（7）得到的变化率，对进行从小到大的排序，得到最大的2个对应的聚类类型，分别作为城区和郊区的范围。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。