摘要
本发明涉及闸机控制技术领域,公开了一种基于数据分析的通道闸机的智能控制方法及系统,包括:获取历史和当前的用户通行数据及闸机环境数据,采用小波变换对历史数据进行时频域去噪,得到去噪数据。对去噪历史数据进行关联分析,提取显著关联的主要环境项和用户行为项,并通过线性回归建立环境‑行为映射模型。利用密度聚类算法结合映射模型生成不同用户的画像。进一步通过深度学习网络将用户画像与去噪历史数据建立映射关系,构建用户画像模型。最后,将当前数据输入模型,为不同类型用户生成最优闸机控制策略,实现通道闸机的智能控制。本方法通过建立用户画像模型,适应多用户特征和复杂环境变化,实现对闸机系统的个性化、精确控制。
技术关键词
深度学习网络模型
密度聚类算法
线性回归算法
画像模型
建立映射关系
智能控制方法
频域去噪
数据项
主成分分析方法
构建用户画像
光照强度数据
控制策略
通道闸机
闸机控制技术
多用户特征
特征值
建立用户画像
系统为您推荐了相关专利信息
线性回归算法
变量
测量方法
RFID读写器
生物电阻抗
石英晶振
构建深度学习网络
预测特征
输出特征
深度学习网络模型
数据驱动模型
姿态动力学模型
深度神经网络
辨识方法
闭环
裂纹缺陷检测方法
IC板
编码器模块
解码器
深度学习网络模型
分布式基站
智能调度管理方法
能源设备
密度聚类算法
非合作博弈