【技术实现步骤摘要】
本专利技术涉及设计风格技术，尤其涉及基于用户偏好的设计风格智能推荐与生成方法及系统。
技术介绍
1、图标设计是企业品牌形象的重要组成部分,对提升品牌识别度和市场竞争力具有重要意义。随着互联网和人工智能技术的快速发展,基于用户偏好的智能化图标设计方法逐渐成为研究热点。目前,图标设计领域已经开始应用机器学习、深度学习等人工智能技术,通过分析用户行为数据和设计偏好,为用户推荐个性化的图标设计方案。
2、然而,现有的图标设计智能推荐技术仍存在一些不足:首先,对用户偏好的捕捉和分析还不够全面和深入,难以准确把握用户的潜在需求和审美倾向。其次,推荐算法的动态适应性不足,无法及时跟踪用户偏好的变化趋势,导致推荐结果与用户实际需求存在偏差。最后,设计方案的生成过程缺乏对用户群体智慧的充分利用,难以产生具有创新性和高识别度的设计成果。
3、针对这些问题,亟需开发一种能够全面分析用户显性和隐性数据、动态追踪偏好演化、融合群体智能并持续优化的图标设计智能推荐系统,以满足用户对个性化、高质量图标设计的需求。
本文档来自技高网...
【技术保护点】
1.基于用户偏好的设计风格智能推荐与生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将所述用户偏好特征向量输入时序深度学习网络，通过周期性模式识别算法分析用户偏好演化规律，生成用户偏好演化曲线，并基于注意力机制计算各维度特征的重要性权重，输出特征重要性评分包括：
3.根据权利要求1所述的方法，其特征在于，基于所述共振评分矩阵，设计自适应共振阈值筛选模型，所述自适应共振阈值筛选模型通过双向长短时记忆网络追踪共振系数的动态变化，并结合群体智能算法对共振评分进行群体层面优化，生成群体共振增强特征，所述群体共振增强特征用于指导后...
【技术特征摘要】
1.基于用户偏好的设计风格智能推荐与生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将所述用户偏好特征向量输入时序深度学习网络，通过周期性模式识别算法分析用户偏好演化规律，生成用户偏好演化曲线，并基于注意力机制计算各维度特征的重要性权重，输出特征重要性评分包括：
3.根据权利要求1所述的方法，其特征在于，基于所述共振评分矩阵，设计自适应共振阈值筛选模型，所述自适应共振阈值筛选模型通过双向长短时记忆网络追踪共振系数的动态变化，并结合群体智能算法对共振评分进行群体层面优化，生成群体共振增强特征，所述群体共振增强特征用于指导后续图标设计方案的动态调整包括：
4.根据权利要求3所述的方法，其特征在于，基于所述共振系数的动态变化，构建群体智能优化算法，所述群体智能优化算法将评分权重和阈值参数作为优化目标，采用局部最优解项增强搜索能力，结合非线性递减策略动态调整惯性权重，对共振评分进行群体层面优化，得到群体层面优化结果包括：
5.根据权利要求1所述的方法，其特征在于，将所述共振评分矩阵和群体共振增强特征输入深度生成...
【专利技术属性】
技术研发人员：张伟，余子瑛，李萌，张峥，杨凯东，朱启元，王硕，高梦美，孙嘉悦，刘楠，
申请(专利权)人：北京亦庄科技创新有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。