[發(fā)明專利]系統(tǒng)及其指標(biāo)優(yōu)化方法及裝置

有效

• 申請?zhí)枺?/td>: 201610192188.3
• 申請日: 2016-03-30
• 公開（公告）號: CN107292320B
• 公開（公告）日: 2020-10-13
• 發(fā)明（設(shè)計(jì)）人: 劉毅捷
• 申請（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 李輝;劉飛

1.一種系統(tǒng)指標(biāo)優(yōu)化方法，其特征在于，包括以下步驟：

獲取系統(tǒng)的所有已用指標(biāo)參數(shù)及其數(shù)值，以及所有待選用指標(biāo)參數(shù)及其數(shù)值；

基于預(yù)設(shè)的數(shù)據(jù)降維算法將所述所有已用指標(biāo)參數(shù)及其數(shù)值進(jìn)行降維處理，獲得對應(yīng)的特征參數(shù)集及其數(shù)值；

以所述特征參數(shù)集的數(shù)值作為輸入，基于訓(xùn)練出的預(yù)設(shè)的機(jī)器學(xué)習(xí)模型，獲得所述所有待選用指標(biāo)參數(shù)的數(shù)值的預(yù)測值；其中，所述預(yù)設(shè)的機(jī)器學(xué)習(xí)模型以所述特征參數(shù)集作為輸入節(jié)點(diǎn)，以所有待選用指標(biāo)參數(shù)作為目標(biāo)輸出節(jié)點(diǎn)，并以所述特征參數(shù)集的數(shù)值作為第二訓(xùn)練數(shù)據(jù)集訓(xùn)練獲得；

獲取所述所有待選用指標(biāo)參數(shù)中每個待選用指標(biāo)參數(shù)的數(shù)值與其對應(yīng)預(yù)測值的差異度量值；

選取出預(yù)設(shè)數(shù)量個其差異度量值最大的待選用指標(biāo)參數(shù)作為所述系統(tǒng)的新增指標(biāo)參數(shù)。

2.根據(jù)權(quán)利要求1所述的系統(tǒng)指標(biāo)優(yōu)化方法，其特征在于，所述預(yù)設(shè)的數(shù)據(jù)降維算法包括自動編碼機(jī)；

所述基于預(yù)設(shè)的數(shù)據(jù)降維算法將所述所有已用指標(biāo)參數(shù)及其數(shù)值進(jìn)行降維處理，獲得對應(yīng)的特征參數(shù)集及其數(shù)值，包括：

將所述所有已用指標(biāo)參數(shù)同時作為輸入節(jié)點(diǎn)和目標(biāo)輸出節(jié)點(diǎn)，并以所述所有已用指標(biāo)參數(shù)的數(shù)值作為第一訓(xùn)練數(shù)據(jù)集，訓(xùn)練所述自動編碼機(jī)，獲得對應(yīng)的特征參數(shù)集及其數(shù)值。

3.根據(jù)權(quán)利要求1所述的系統(tǒng)指標(biāo)優(yōu)化方法，其特征在于，所述預(yù)設(shè)的機(jī)器學(xué)習(xí)模型包括深度神經(jīng)網(wǎng)絡(luò)；

所述預(yù)設(shè)的機(jī)器學(xué)習(xí)模型采用下述方式訓(xùn)練：將所述特征參數(shù)集及所述所有待選用指標(biāo)參數(shù)對應(yīng)作為輸入節(jié)點(diǎn)和目標(biāo)輸出節(jié)點(diǎn)，并將所述特征參數(shù)集的數(shù)值作為第二訓(xùn)練數(shù)據(jù)集，訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)；

所述以所述特征參數(shù)集的數(shù)值作為輸入，基于訓(xùn)練出的預(yù)設(shè)的機(jī)器學(xué)習(xí)模型，獲得所述所有待選用指標(biāo)參數(shù)的數(shù)值的預(yù)測值，包括：以所述特征參數(shù)集的數(shù)值作為輸入，基于訓(xùn)練出的深度神經(jīng)網(wǎng)絡(luò)，獲得所述所有待選用指標(biāo)參數(shù)的數(shù)值的預(yù)測值。

4.根據(jù)權(quán)利要求1所述的系統(tǒng)指標(biāo)優(yōu)化方法，其特征在于，所述特征參數(shù)集中的特征參數(shù)的數(shù)量預(yù)先設(shè)定。

5.根據(jù)權(quán)利要求1所述的系統(tǒng)指標(biāo)優(yōu)化方法，其特征在于，在所述選取出預(yù)設(shè)數(shù)量個其差異度量值最大的待選用指標(biāo)參數(shù)作為所述系統(tǒng)的新增指標(biāo)參數(shù)之前，還包括：

按照對應(yīng)差異度量值的大小將所述所有待選用指標(biāo)參數(shù)進(jìn)行排序。

6.根據(jù)權(quán)利要求1所述的系統(tǒng)指標(biāo)優(yōu)化方法，其特征在于，所述差異度量值包括殘差平方和。

7.一種系統(tǒng)指標(biāo)優(yōu)化裝置，其特征在于，包括以下步驟：

數(shù)據(jù)獲取模塊，用于獲取系統(tǒng)的所有已用指標(biāo)參數(shù)及其數(shù)值，以及所有待選用指標(biāo)參數(shù)及其數(shù)值；

數(shù)據(jù)降維模塊，用于基于預(yù)設(shè)的數(shù)據(jù)降維算法將所述所有已用指標(biāo)參數(shù)及其數(shù)值進(jìn)行降維處理，獲得對應(yīng)的特征參數(shù)集及其數(shù)值；

數(shù)據(jù)預(yù)測模塊，用于以所述特征參數(shù)集的數(shù)值作為輸入，基于訓(xùn)練出的預(yù)設(shè)的機(jī)器學(xué)習(xí)模型，獲得所述所有待選用指標(biāo)參數(shù)的數(shù)值的預(yù)測值；其中，所述預(yù)設(shè)的機(jī)器學(xué)習(xí)模型以所述特征參數(shù)集作為輸入節(jié)點(diǎn)，以所有待選用指標(biāo)參數(shù)作為目標(biāo)輸出節(jié)點(diǎn)，并以所述特征參數(shù)集的數(shù)值作為第二訓(xùn)練數(shù)據(jù)集訓(xùn)練獲得；

差異獲取模塊，用于獲取所述所有待選用指標(biāo)參數(shù)中每個待選用指標(biāo)參數(shù)的數(shù)值與其對應(yīng)預(yù)測值的差異度量值；

指標(biāo)篩選模塊，用于選取出預(yù)設(shè)數(shù)量個其差異度量值最大的待選用指標(biāo)參數(shù)作為所述系統(tǒng)的新增指標(biāo)參數(shù)。

8.根據(jù)權(quán)利要求7所述的系統(tǒng)指標(biāo)優(yōu)化裝置，其特征在于，所述預(yù)設(shè)的數(shù)據(jù)降維算法包括自動編碼機(jī)；

所述數(shù)據(jù)降維模塊基于預(yù)設(shè)的數(shù)據(jù)降維算法將所述所有已用指標(biāo)參數(shù)及其數(shù)值進(jìn)行降維處理，獲得對應(yīng)的特征參數(shù)集及其數(shù)值，包括：

將所述所有已用指標(biāo)參數(shù)同時作為輸入節(jié)點(diǎn)和目標(biāo)輸出節(jié)點(diǎn)，并以所述所有已用指標(biāo)參數(shù)的數(shù)值作為第一訓(xùn)練數(shù)據(jù)集，訓(xùn)練所述自動編碼機(jī)，獲得對應(yīng)的特征參數(shù)集及其數(shù)值。