基于模糊集理论的园林植物景观美感自动评价方法

水 源

（合肥学院艺术设计系，合肥230001）

0 引言

随着城市生态建设的不断发展，人们对城市生态保护提出了更高的要求。通过城市园林景观设计，改善城市生态系统，促进生态保护。园林植物作为“绿色自然”构成的唯一要素，在进行园林景观设计中，需要对园林景观的美感进行合理性评价，构建园林植物景观美感自动评价的模糊约束参量模型。结合自然生态保护和节能建设，提高园林景观设计的合理性和美感，研究园林植物景观美感自动评价方法在进行的生态建设和园林设计中具有重要意义[1]。

对园林植物景观美感评价的研究是建立在对景观美感评价的可靠性约束指标分析基础上的，研究者结合园林植物景观的系统和和层次化分析，来提高园林植物景观美感评价的可靠度[2]。传统方法中，对园林植物景观美感评价的方法主要有层次分析法、系统分析法和主成分特征分析法等[3-4]，这些方法综合运用多因素、模糊性及主观判断方法进行园林植物景观的美感评价，以求提高美感评价的准确性。但上述方法在综合性评价中存在误差较大的问题，为解决这一问题，本文提出一种基于模糊集理论的园林植物景观美感自动评价模型。此模型采用层次法分析园林植物景观美感，依据模糊集理论对园林设计中的合理性进行评估，对园林植物景观美感进行美学分析，实现园林植物景观美感自动评价。通过实证分析得出有效性结论。

1 园林植物景观美感评价的约束指标集和层次分析

1.1 园林植物景观美感评价约束指标

采用模糊约束控制方法构建园林植物景观美感评价的特征分析模型，对采样的美感评价约束指标采用描述性统计分析方法进行模糊集调度分析，在第k邻域内，求得实证分析环境下园林植物景观美感数据分布模型，对训练样本和测试集进行灰阶量化分析，运用多因素分级处理技术[6]，得到园林植物景观的美感评价约束指标特征分解模型为

结合线性规划方法进行园林植物景观美感评价因子分析，模糊综合评判的关联度为

根据模糊综合评判结果进行主成分分析，结合园林植物景观美感的互信息量进行关联积分匹配，模糊数学主成分特征提取，进行园林植物景观美感评价体系构建，采用模糊综合评价方法[7]，得到园林植物景观美感评价的信任值计算为：

用精确的数学方法去描述园林植物景观美感特征，以园林植物景观的节能性、美观性、风景融合性以及节能环保性等参数为约束指标集，构建园林植物景观美感自动评价的模糊约束参量模型。

1.2 美感评价的层次分析方法

在构建园林植物景观美感自动评价的约束指标集的基础上，采用Fuzyz Comprheen-sive方法进行综合性评价决策[8]，建立评价体系，得到园林植物景观美感评价的层次分析模型为

采用“问题-评价标准-选择方案”的阶层方案构建园林植物景观美感评价的层次分析模型[9]，表示为

根据园林植物景观的模糊度，结合模糊集理论，得到园林植物景观美感评价的物质材料贡献度水平为

其中es∈Es，采用横向结构分析方法，得到园林植物景观美感评价的控制变量为：

结合描述性统计分析结果进行美感评价约束性特征提取，对提取的园林植物景观美感的统计特征量采用阶层化分析方法进行递阶分析[10]，由此得到园林植物景观美感评价的层次分析结果为

式中，MSDa→b为美感评价的一致性函数，综上分析，采用层次分析方法进行园林景观美感评价的决策模型构建，实现园林植物景观美感的一致性评估优化。

2 园林植物景观美感自动评价的模糊集理论分析

2.1 模糊集理论和评价决策

上式表示为一个正态分布函数，ω为园林植物景观设计效果的模糊调度集，结合线性规划方法进行园林植物景观美感评价因子分析，使美感评价的各层次系统化、条理化，采用自相关特征匹配，得到园林植物景观美感评价的关联映射关系为

根据上述分析，采用模糊约束控制方法构建园林植物景观美感评价的特征分析模型，结合线性规划方法进行园林植物景观美感评价因子分析，得到状态特征向量集合表示为

对采样的美感评价约束指标采用描述性统计分析方法进行模糊集调度分析，结合动态反馈方法得到模糊归类集为

根据美感评价约束指标挖掘结果，提取其统计特征量，构造景观美感评价的实证分析模型，得到美感评价的阈值函数

采用神经网络预测评估的方法进行园林植物景观美感评价，构建实证分析模型，得到优化的控制函数

综上处理，实现园林景观美感评价的模糊集理论构造和评价决策。

2.2 评价模型优化

在采用层次分析方法进行园林景观美感评价的决策模型构建的基础上，将园林植物景观美感自动评价问题转换为求模糊集的二元规划问题，描述为

其中N表示定量回归分析的特征分布长度，J为层次分析的阶数，在m维度的矢量空间中，进行园林植物景观美感评价的关联性分析，关联规则挖掘结果为

植物景观美感评价的模糊迭代式描述如下

其中1≤j≤J，由此得到园林植物景观美感评价的决策特征量为

其中，E[x3(t)]为期望值，b表示决策系数，景观美感评价的模糊调度集为：

上式中，x'(t)和s'(t)分别为：

综上分析，根据园林植物景观的节能性、美观性、风景融合性，采用量化回归分析和主成分特征提取方法，实现园林植物景观美感的优化评价。

3 实证分析

为了测试本文方法在实现园林植物景观美感评价中的应用性能，结合SPSS 14.0统计分析软件进行实证分析，结合线性规划方法进行园林植物景观美感评价因子分析，采用Matlab仿真工具进行模糊集评价算法的程序设计，对原始评价信息的先验数据采集样本规模为2000，训练集为100，美感评价的层次数设定为A、B、C、D共4层体系，得到描述性统计分析结果见表1。

表1 园林植物景观美感评价的描述性统计分析结果

以上述描述性统计分析结果为依据进行的园林植物景观美感自动评价，得到评价预测数据如图1所示。

图1 评价数据挖掘结果

分析图1得知，采用本文方法能有效实现对园林植物景观美感自动评价的关联数据挖掘，根据挖掘结果进行统计分析和预测，得到美感评价的置信度水平对比结果如图2所示。

图2 评价性能对比

分析图2得知，三种方法在迭代次数40次以内时，美感评价置信逐渐增加，超过40次时，美感评价置信逐渐平稳，层次分析法为0.85,主成分分析法为0.8，本文方法的美感评级置信水平达到0.99，明显高于其他方法。说明采用本文方法进行园林植物景观美感评价的准确性较高，评价置信度水平较好。

4 结束语

对园林景观的美感进行合理性评价，构建园林植物景观美感自动评价的模糊约束参量模型，结合自然生态保护和节能建设，提高园林景观设计的合理性和美感。本文提出一种基于模糊集理论的园林植物景观美感自动评价模型，通过层次分析方法对园林设计美感评价，通过模糊集理论对评价结果公正性进行评价决策，通过数据挖掘方法对评价优化结果进行分析，对比不同方法的评价性能可知本文方法的美感评级置信水平明显高于其他方法，具有一定的优越性。