[發明專利]基于機器學習的數據節點分組方法、系統及介質

有效

• 申請號: 202010878186.6
• 申請日: 2020-08-27
• 公開（公告）號: CN111970374B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 古欣;邵慧;房玉飛;刁志峰;黃大偉;遲昊
• 申請（專利權）人: 山東有人物聯網股份有限公司
• 主分類號: H04L67/10
• 分類號: H04L67/10;G06F17/11;G06N20/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

1.一種基于機器學習的數據節點分組方法，其特征在于，包括：

將數據節點集合根據起始地址大小進行排序；

根據相鄰數據節點間的地址差值，將數據節點集合按照設定的規則拆分為若干子集合，具體過程包括：

(1)將地址差值最大的兩個未被拆分的相鄰數據節點進行拆分；

(2)判斷數據節點拆分后是否有子集合滿足設定條件；所述設定條件，具體包括：

子集合內節點個數不超過設定值X；

子集合的地址范圍不超過設定值Y；

(3)如果沒有，進入步驟(4)；如果有，將所述子集合截取出來，進入步驟(5)；

(4)返回步驟(1)繼續進行拆分；

(5)判斷是否已將數據節點集合拆分完畢，如果是，結束；否則，返回步驟(1)對剩余數據節點繼續進行拆分；

對于每一個子集合，篩選有效分組，基于篩選的有效分組確定所有可能的分組采集策略；基于機器學習的方法確定每一個分組采集策略的采集時間，確定最優的分組采集策略；基于機器學習的方法確定每一個分組采集策略的采集時間，具體過程包括：

確定用于組合形成場景的環境參數，每一種環境參數的變化對應一種新的場景，每一種場景對應一個子分類器；

在某一種場景下，爬取不同寄存器單元長度對應的分組采集時間數據；基于爬取的數據對所述場景下的子分類器進行訓練，得到所述子分類器的線性回歸模型；

采用上述方法對每一場景對應的子分類器分別進行訓練，得到每一個子分類器的線性回歸模型，進而得到整體的分類器模型；

獲取分組采集策略中每一個分組的環境參數信息，將所述信息輸入到整體的分類器模型中，輸出每一個分組的采集時間，進而得到分組采集策略的采集時間；

將所有子集合的最優分組采集策略進行組合，得到整個數據節點集合的最優分組采集策略。

2.如權利要求1所述的一種基于機器學習的數據節點分組方法，其特征在于，對于每一個子集合，篩選有效分組，具體過程包括：

獲取子集合內數據節點的所有可能的分組方式；

除了單獨數據節點的分組以外，對剩余分組方式進行篩選，分組篩選方法至少選用下面的一種方式：

①當任意相鄰的兩個數據節點的地址差值小于設定值Z時，剔除所有僅包含這兩個數據節點中任意一個的分組；

②當任意相鄰的兩個數據節點的地址差值大于設定值L時，剔除所有同時包含這兩個節點的分組；

③若分組內第一個數據節點與最后一個數據節點的地址差值大于設定的地址范圍M時，剔除該分組；

④確定每一個分組的采集時間，基于采集時間，剔除采集效率低的分組。

3.如權利要求1所述的一種基于機器學習的數據節點分組方法，其特征在于，將包含所有數據節點，并且每個數據節點僅包含一次的多個有效分組的組合確定為一個分組采集策略。

4.如權利要求1所述的一種基于機器學習的數據節點分組方法，其特征在于，計算每一個分組采集策略的采集時間，選取采集時間最短的作為最優的分組采集策略。