《表3 布灯方案正确率:基于图形识别和GRNN网络的照明设计自动化系统》
%
为验证本文方法的有效性,根据以上所说的算法使用matlab进行编程,提取出房间的类型和尺寸信息,在试验中采用房间的类型编号(如办公室为1、教室为2、会议室为3等)、房间的长、宽、高以及功能性房间规范规定的照度标准值、功率密度值和照度均匀度等7项指标作为网络的输入,将每行和每列灯具的布置数等2项指标作为网络的预测输出。由于数据采集困难的原因,本文采用一种灯具,将教室、会议室和办公室3种类型的矩形房间共150组输入数据,选择前120组数据训练广义回归神经网络GRNN,后30组数据作为预测数据,计算正确识别率,并将3种房间比较BP网络与本文所用方法之间的正确率进行比较,如表3所示。
图表编号 | XD00105357300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 郑晓芳、邱运霞、傅军栋、陈晴 |
绘制单位 | 华东交通大学电气与自动化工程学院、华东交通大学电气与自动化工程学院、华东交通大学电气与自动化工程学院、华东交通大学电气与自动化工程学院 |
更多格式 | 高清、无水印(增值服务) |