[發明專利]一種檢測數據的處理方法和裝置

有效

• 申請號: 201610932124.2
• 申請日: 2016-10-31
• 公開（公告）號: CN106599530B
• 公開（公告）日: 2019-08-02
• 發明（設計）人: 黃亦謙
• 申請（專利權）人: 北京千安哲信息技術有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 魏嘉熹;南毅寧

1.一種檢測數據的處理裝置，其特征在于，應用于數據處理設備，所述裝置，包括：

處理模塊，用于采集預設時間段內多個檢測數據樣本，并對所述多個檢測數據樣本進行預處理得到多個文本字符樣本，其中，所述文本字符樣本包括文本字符和所述文本字符對應的檢測結果的文本字符；

建立模塊，用于建立每個文本字符樣本的字符索引圖，其中，所述字符索引圖包括所述文本字符和字符路徑；其中，所述字符路徑指示所述文本字符對應的檢測結果的文本字符；

獲取模塊，用于根據建立的字符索引圖獲取所述多個文本字符樣本的匹配文本集，其中，所述匹配文本集包括在所述多個文本字符樣本中每兩個文本字符樣本中都存在的文本字符；

訓練模塊，用于根據所述匹配文本集建立文本特征矩陣，并通過所述文本特征矩陣對自組織神經網絡進行訓練，得到訓練模型；其中，所述文本特征矩陣的行向量或列向量表示檢測結果相同的文本字符樣本對應的文本向量；

所述訓練模塊包括第三獲取子模塊，用于獲取所述匹配文本集中每個文本字符在每個文本字符樣本中出現的次數；第一構建子模塊，用于根據所述匹配文本集中每個文本字符在每個文本字符樣本中出現的次數構建所述每個文本字符樣本的文本向量；第二構建子模塊，用于根據所述檢測結果相同的文本字符樣本的文本向量構建文本特征矩陣；

檢測模塊，用于獲取當前檢測數據，并通過所述訓練模型得到當前檢測結果。

2.根據權利要求1所述的裝置，其特征在于，所述處理模塊，包括：

第一獲取子模塊，用于獲取所述檢測數據樣本的文本特征；

編碼子模塊，用于通過將所述文本特征進行編碼處理得到文本字符樣本。

3.根據權利要求1所述的裝置，其特征在于，所述獲取模塊，包括：

第二獲取子模塊，用于根據所述字符索引圖獲取所述多個文本字符樣本中每兩個文本字符樣本中都存在的文本字符，得到多個文本字符集；

組成子模塊，用于根據所述多個文本字符集組成所述匹配文本集，其中，所述匹配文本集中的文本字符各不相同。

4.根據權利要求1所述的裝置，其特征在于，所述訓練模塊還包括分解子模塊，用于將所述文本特征矩陣進行奇異值分解，得到所述檢測結果相同的文本字符樣本對應的特征向量；訓練子模塊，用于通過所述特征向量對自組織神經網絡模型進行訓練，得到訓練模型。

5.根據權利要求4所述的裝置，其特征在于，所述訓練子模塊用于獲取所述自組織神經網絡中獲勝的神經元的鄰域函數和學習率函數；將所述特征向量和所述自組織神經網絡中的神經元對應的多個權向量分別進行歸一化處理；計算所述歸一化處理后的特征向量和所述歸一化處理后的特征向量對應的每一個權向量的內積，得到獲勝的第一神經元的權向量；根據所述學習率函數調整所述獲勝的第一神經元的權向量得到調整權向量；在所述調整權向量滿足預設條件時，根據所述調整權向量得到訓練模型。

6.根據權利要求5所述的裝置，其特征在于，所述訓練子模塊還用于在所述調整權向量不滿足所述預設條件時，繼續根據所述獲勝的神經元的鄰域函數，調整所述獲勝的神經元鄰域的權向量得到鄰域權向量，并對所述調整權向量、鄰域權向量和除所述調整權向量、鄰域權向量的其他權向量全部進行歸一化處理，獲得歸一化處理后的第二權向量，計算所述歸一化處理后的特征向量和所述歸一化處理后的特征向量對應的每個第二權向量的內積，確定獲勝的第二神經元，并調整所述獲勝的第二神經元的權向量得到新的調整權向量，直至所述新的調整權向量滿足預設條件，則獲得訓練模型。