(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211146585.9 (22)申请日 2022.09.20 (71)申请人 江苏赞奇科技股份有限公司 地址 213000 江苏省常州市新北区太湖东 路9-2号23楼 (72)发明人 梅向东　 (74)专利代理 机构 常州市天龙专利事务所有限 公司 3210 5 专利代理师 张万兵 (51)Int.Cl. G06F 9/445(2018.01) G06N 3/04(2006.01) G06N 5/02(2006.01) G06T 15/00(2011.01) (54)发明名称 基于AI的实时云渲染中工具资源动态加载 方法 (57)摘要 本发明公开了基于AI的实时云渲染中工具 资源动态加载方法， 涉及云渲染技术领域， 包括 以下步骤： S1、 用本体数据构建开放云渲染知识 体系， 迭代生成领域知识和应用规则， 本发明的 有益效果是： 本发明提供了基于AI的实时云渲染 中工具资源动态加载方法， 提出一种用本体数据 构建开放云渲染知识体系， 迭代 生成领域知 识和 应用规则， 在此基础上， 该 发明以工具为重点， 在 领域知识持续学习上， 采用改进归纳学习模型， 在精准地把握工具实际使用情况上， 采用改进分 布式聚类模糊神经网络， 在动态高效投放工具资 源上， 采用多元最大最小决策， 实现资源的动态 加载， 提高资源利用效率， 有利于通过云渲染平 台进行数据管理、 储存、 加载和处理， 提高了智能 化管理。 权利要求书2页 说明书6页 附图3页 CN 115373762 A 2022.11.22 CN 115373762 A 1.基于AI的实时云渲染中工具资源动态加载 方法， 其特 征在于， 包括以下步骤： S1、 用本体数据构建开 放云渲染知识体系， 迭代生成领域知识和应用规则； S2、 采用改进归纳学习模型方式， 根据工具资源的通用性和专用性特点， 确保通过领域 知识进行持续学习； S3、 采用改进分布式聚类模糊神经网络， 结合实际使用情况处 理工具； S4、 采用多元最大最小决策方式， 处理动态高效投放场景资源， 进行实时渲染动态加 载。 2.根据权利要求1所述的基于AI的实时云渲染中工具资源动态加载方法， 其特征在于， 所述步骤S1中的本体数据包括以下 具体内容： 工具资源的核心本体， 包括Sa as资源； 工具资源的高层本体， 包括应用软件资源、 管理软件资源； 工具资源的领域本体， 包括设计软件资源、 渲染器资源、 项目管理资源、 企业管理资源 和数据管理资源。 3.根据权利要求1所述的基于AI的实时云渲染中工具资源动态加载方法， 其特征在于， 所述步骤S2中改进归纳学习模型包括以下 具体内容： S201、 建立归纳学习系统， 所述归纳学习系统包括实例空间、 规则空间和工具功能模 块； S202、 所述实例空间用于规定示教例子的质量和 实例空间的搜索方法， 解释例子的目 的是从例子中抽取 出用于搜索规则空间的信息； S203、 所述规则空间用于规定表示规则的算符和术语， 以描述和表示规则空间中的规 则。 4.根据权利要求1所述的基于AI的实时云渲染中工具资源动态加载方法， 其特征在于， 所述步骤S3中分布式聚类方式包括以下 具体内容： S301、 以可互换为核心， 将分布式聚类分为两个级别， 局部和全局， 按照资源 的简易程 度， 快慢程度， 资源消耗 程度进行分类； S302、 将局部基于功能的相似性进行对比， 找到局部最优， 再进行综合对比， 实现整体 最优。 5.根据权利要求1所述的基于AI的实时云渲染中工具资源动态加载方法， 其特征在于： 所述步骤S4中多元包括以下具体内容： 资源的简易程度、 资源的快慢程度和资源的消 耗程 度。 6.根据权利要求3所述的基于AI的实时云渲染中工具资源动态加载方法， 其特征在于： 完成所述归纳学习系统建立后还需要通过工具功能模块和相似级别函数， 将所述 实例空间 和所述规则空间进 行归纳整合， 通过输入样本集， 进 行测试样本集， 通过分类器将所述领域 知识和所述应用规则进 行融合， 根据难易程度判断， 所述功能模块和所述函数是否可互换， 若需要互换， 则为简单互换还是适当互换， 通过增加或者改变工具资源得到解决方案， 若不 需要互换， 则完成构建所述归纳学习 系统， 形成所述改进归纳学习模型。 7.根据权利要求1所述的基于AI的实时云渲染中工具资源动态加载方法， 其特征在于， 所述步骤S201中归纳学习 系统的学习方法包括以下 具体方法： 单概念学习方法， 从所述 规则空间中寻找 某个与所述实例空间一 致的概念；权　利　要　求　书 1/2 页 2 CN 115373762 A 2多概念学习方法， 从所述规则空间中找出若干概念描述， 对于每个概念描述， 所述实例 空间中均有相应的空间与之对应。 8.根据权利要求1所述的基于AI的实时云渲染中工具资源动态加载方法， 其特征在于， 所述步骤S4中的最大最小决策 方式包括以下 具体步骤： S401、 获取 各个工具资源的最大距离值； S402、 取最大距离值中的最小值进行处 理动态高效投放场景资源。 9.根据权利要求1所述的基于AI的实时云渲染中工具资源动态加载方法， 其特征在于： 所述步骤S4中的场景资源包括室内设计资源、 建筑设计资源、 空间设计资源和动漫设计资 源； 所述室内设计资源包括室内场景资源、 室内素材库资源、 室内模型库资源和室内数据 库资源； 所述建筑设计资源包括建筑设计场景资源、 建筑设计素材库资源、 建筑设计模型库资 源和建筑设计数据库资源； 所述空间设计资源包括三维模型资源、 行为日志资源和 空间设计素材库资源、 动漫设 计模型库资源； 所述动漫设计资源包括动漫设计场景资源、 动漫设计素材库资源、 动漫设计模型库资 源和动漫设计数据库资源。 10.根据权利要求1所述的基于AI的实时云渲染中工具资源动态加载方法， 其特征在 于： 所述步骤S1中的开放云渲染知识体系基于云渲染平台的内部， 所述云渲染平台的外部 安装有外 部控制终端， 所述云渲染平台与外 部控制终端通讯连接 。权　利　要　求　书 2/2 页 3 CN 115373762 A 3