[發(fā)明專利]基于滿足K度稀疏約束的深度學(xué)習(xí)模型的數(shù)據(jù)處理方法

在審

• 申請?zhí)枺?/td>: 202010937112.5
• 申請日: 2020-09-08
• 公開（公告）號: CN112100912A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計）人: 陳國強;薛曉剛;遲喚昭;畢明麗;張成;李彩虹
• 申請（專利權(quán)）人: 長春工程學(xué)院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F16/25;G06F111/04
• 代理公司: 北京國坤專利代理事務(wù)所(普通合伙) 11491
• 代理人: 趙紅霞

1.一種基于滿足K度稀疏約束的深度學(xué)習(xí)模型的數(shù)據(jù)處理方法，其特征在于，所述基于滿足K度稀疏約束的深度學(xué)習(xí)模型的數(shù)據(jù)處理方法具體包括以下步驟：

步驟一，通過地球化學(xué)數(shù)據(jù)獲取模塊利用地球化學(xué)數(shù)據(jù)獲取程序從數(shù)據(jù)庫中提取地球化學(xué)數(shù)據(jù)；

所述通過地球化學(xué)數(shù)據(jù)獲取模塊利用地球化學(xué)數(shù)據(jù)獲取程序從數(shù)據(jù)庫中提取地球化學(xué)數(shù)據(jù)，包括：

(1)當(dāng)檢測到操作事務(wù)生成的完成標(biāo)識時，根據(jù)所述操作事務(wù)對應(yīng)的操作因子，生成所述操作數(shù)據(jù)；

(2)將所述操作數(shù)據(jù)添加到所述數(shù)據(jù)庫中，并生成用于區(qū)分所述操作事務(wù)的操作編號；

(3)當(dāng)接收到對所述操作數(shù)據(jù)的提取請求時，根據(jù)所述提取請求攜帶的提取數(shù)據(jù)量信息，從數(shù)據(jù)庫中確定目標(biāo)提取數(shù)據(jù)；

(4)提取所述目標(biāo)提取數(shù)據(jù)，以及所述目標(biāo)提取數(shù)據(jù)在所述數(shù)據(jù)庫中的操作編號，得到數(shù)據(jù)提取表；

步驟二，通過深度學(xué)習(xí)模型構(gòu)建模塊利用深度學(xué)習(xí)模型構(gòu)建程序構(gòu)建深度學(xué)習(xí)模型；通過模型訓(xùn)練模塊利用模型訓(xùn)練程序進(jìn)行深度學(xué)習(xí)模型的訓(xùn)練，得到深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)；

所述通過模型訓(xùn)練模塊利用模型訓(xùn)練程序進(jìn)行深度學(xué)習(xí)模型的訓(xùn)練，得到深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，包括以下步驟：

1)根據(jù)所述地球化學(xué)數(shù)據(jù)，采用構(gòu)建完成的所述深度學(xué)習(xí)模型和預(yù)設(shè)的特征提取算法，提取對應(yīng)的目標(biāo)特征；

2)根據(jù)由提取得到的所述目標(biāo)特征構(gòu)成的目標(biāo)特征集，對所述隱含層進(jìn)行局部訓(xùn)練；

3)根據(jù)預(yù)先從所述地球化學(xué)數(shù)據(jù)中選出的目標(biāo)地球化學(xué)數(shù)據(jù)，對已完成所述局部訓(xùn)練的所述深度學(xué)習(xí)模型進(jìn)行所述全連接層的分類訓(xùn)練，以完成所述深度學(xué)習(xí)模型的訓(xùn)練，得到深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)；

步驟三，通過中央控制模塊利用主控機控制數(shù)據(jù)輸入模塊利用數(shù)據(jù)輸入模塊將獲取的地球化學(xué)數(shù)據(jù)輸入訓(xùn)練后的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)；

步驟四，通過模型更新模塊利用模型更新程序進(jìn)行深度學(xué)習(xí)模型的更新；通過特征值獲取模塊利用特征值獲取程序?qū)τ?xùn)練用戶對應(yīng)的訓(xùn)練特征值進(jìn)行提取；

步驟五，通過特征值輸入模塊利用特征值輸入程序進(jìn)行特征值輸入；通過最佳模型獲取模塊利用最佳模型獲取程序獲取最佳深度學(xué)習(xí)模型；

步驟六，通過數(shù)據(jù)分析模塊利用數(shù)據(jù)分析程序進(jìn)行地球化學(xué)數(shù)據(jù)的分析；數(shù)據(jù)分類處理模利用獲取的最佳深度學(xué)習(xí)模型基于數(shù)據(jù)分析結(jié)果進(jìn)行地球化學(xué)數(shù)據(jù)的分類處理；

步驟七，通過輸出模塊利用輸出程序輸出數(shù)據(jù)分析結(jié)果以及數(shù)據(jù)分類處理結(jié)果。

2.如權(quán)利要求1所述基于滿足K度稀疏約束的深度學(xué)習(xí)模型的數(shù)據(jù)處理方法，其特征在于，步驟(3)中，所述從數(shù)據(jù)庫中確定目標(biāo)提取數(shù)據(jù)，具體為：

讀取賬戶數(shù)據(jù)庫中各項子數(shù)據(jù)的數(shù)據(jù)量，并判斷各所述數(shù)據(jù)量中是否存在與所述提取數(shù)據(jù)量信息一致的目標(biāo)數(shù)據(jù)量；若存在與所述提取數(shù)據(jù)量信息一致的目標(biāo)數(shù)據(jù)量，則將與所述目標(biāo)數(shù)據(jù)量對應(yīng)的子數(shù)據(jù)確定為目標(biāo)提取數(shù)據(jù)；若不存在與所述提取數(shù)據(jù)量信息一致的目標(biāo)數(shù)據(jù)量，則根據(jù)生成各項所述子數(shù)據(jù)的時間先后順序，確定目標(biāo)提取數(shù)據(jù)。

3.如權(quán)利要求2所述基于滿足K度稀疏約束的深度學(xué)習(xí)模型的數(shù)據(jù)處理方法，其特征在于，所述根據(jù)生成各項所述子數(shù)據(jù)的時間先后順序，確定目標(biāo)提取數(shù)據(jù)，包括：

步驟A，根據(jù)所述時間先后順序，讀取位于所述時間先后順序第一位的首位子數(shù)據(jù)；

步驟B，判斷所述首位子數(shù)據(jù)的數(shù)據(jù)量是否大于所述提取數(shù)據(jù)量；

步驟C，若所述首位子數(shù)據(jù)的數(shù)據(jù)量大于所述提取數(shù)據(jù)量，則將所述首位子數(shù)據(jù)確定為目標(biāo)提取數(shù)據(jù)；

步驟D，若所述首位子數(shù)據(jù)的數(shù)據(jù)量不大于所述提取數(shù)據(jù)量，則根據(jù)在所述時間先后順序中位于所述首位子數(shù)據(jù)后位的其他子數(shù)據(jù)，確定目標(biāo)提取數(shù)據(jù)。

4.如權(quán)利要求1所述基于滿足K度稀疏約束的深度學(xué)習(xí)模型的數(shù)據(jù)處理方法，其特征在于，步驟二中，所述通過深度學(xué)習(xí)模型構(gòu)建模塊利用深度學(xué)習(xí)模型構(gòu)建程序構(gòu)建深度學(xué)習(xí)模型，包括：

根據(jù)獲取的地球化學(xué)數(shù)據(jù)構(gòu)建深度學(xué)習(xí)模型，其中，所述深度學(xué)習(xí)模型包括隱含層和全連接層，所述隱含層由若干特征提取層和與所述特征提取層對應(yīng)的下采樣層組成，所述特征提取層由若干特征提取面組成，所述下采樣層由若干下采樣面組成，所述全連接層為所述深度學(xué)習(xí)模型的輸出層。