[發明專利]近似數據處理方法、裝置、介質及電子設備

有效

• 申請號: 202010044200.2
• 申請日: 2020-01-15
• 公開（公告）號: CN111241106B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 馮晨;王健宗;彭俊清
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/28
• 代理公司: 深圳市聯鼎知識產權代理有限公司 44232
• 代理人: 孫強

1.一種近似數據處理方法，其特征在于，所述方法包括：

獲取多個待處理數據，所述待處理數據為聲紋數據，每一所述待處理數據對應一個向量；

通過如下方式獲取對應于所述待處理數據的向量：獲取所述待處理數據的梅爾倒頻譜系數特征值；將每一所述待處理數據的梅爾倒頻譜系數特征值輸入預先訓練好的結合了聯合因子分析模型的高斯混合-通用背景模型，得到與每一所述待處理數據對應的身份確認向量；

利用預設的位置敏感哈希函數族中的每一位置敏感哈希函數，對所述待處理數據的向量進行哈希運算，得到與所述待處理數據的向量對應的映射值，其中，所述預設的位置敏感哈希函數族包括多個位置敏感哈希函數；

重復執行第一預定數目次構造覆蓋組的步驟，得到多個覆蓋組，所述覆蓋組包括至少一個覆蓋，每一所述覆蓋包括至少一個所述待處理數據，所述構造覆蓋組的步驟包括：構造包含1、所述身份確認向量的維度數以及兩者之間所有整數的整數集；建立初始覆蓋組，并將計數器置為1，其中，所述初始覆蓋組為空集；重復執行構造覆蓋過程直至所述整數集為空集，所述構造覆蓋過程包括：從所述整數集中隨機取出一個元素，作為目標元素；針對每一位置敏感哈希函數，獲取利用該位置敏感哈希函數得到的輸出結果等于該位置敏感哈希函數對索引為所述目標元素的身份確認向量輸入得到的輸出結果的身份確認向量的索引；將獲取的所有身份確認向量索引的并集與所述整數集的交集作為索引為所述計數器的值的覆蓋加入至所述初始覆蓋組；確定所述索引為所述計數器的值的覆蓋中每一身份確認向量的相似度分數，所述相似度分數等于為確定該身份確認向量的索引所使用的位置敏感哈希函數的索引的數目與所有位置敏感哈希函數的數目的比值；從所述整數集中移除所有相似度分數大于或等于預定相似度閾值的身份確認向量的索引；令計數器加1；

集成所述多個覆蓋組，得到每一所述待處理數據所屬的最終覆蓋，其中，屬于同一最終覆蓋的待處理數據為近似數據。

2.根據權利要求1所述的方法，其特征在于，所述預設的位置敏感哈希函數族中的每一位置敏感哈希函數，是通過如下公式建立的：

其中，a為隨機數列，b為(0，r)中的一個隨機數，r是所述待處理數據的身份確認向量的各特征中的最大值與最小值之差，x為所述待處理數據的身份確認向量，通過調整a和b兩個參數，實現了建立包含多個位置敏感哈希函數的預設的位置敏感哈希函數族。

3.根據權利要求1所述的方法，其特征在于，所述集成所述多個覆蓋組，得到每一所述待處理數據所屬的最終覆蓋，包括：

若所述待處理數據在超過第二預定數目個覆蓋組中屬于同一個覆蓋，則將所述待處理數據歸為一個覆蓋，所述第二預定數目小于所述第一預定數目；

將沒有在超過第二預定數目個覆蓋組中屬于同一個覆蓋的待處理數據分別從覆蓋中移除并將從覆蓋中移除的所有待處理數據歸為一個覆蓋。

4.根據權利要求1所述的方法，其特征在于，在集成所述多個覆蓋組，得到每一所述待處理數據所屬的最終覆蓋之后，所述方法還包括：

基于獲得的包含待處理數據的最終覆蓋，對所述待處理數據進行聚類，以將所述待處理數據分為多個類。

5.根據權利要求4所述的方法，其特征在于，所述基于獲得的包含待處理數據的最終覆蓋，對所述待處理數據進行聚類，以將所述待處理數據分為多個類，包括：

以每一待處理數據作為一個類，基于各待處理數據所屬的最終覆蓋，確定各類之間的初始類間距；

重復執行歸類過程，直至類間距最小的兩類之間的類間距達到預定類間距閾值或者所有待處理數據被合并為一類，所述歸類過程包括：

合并類間距最小的兩類；

更新各類之間的類間距。