[發明專利]基于卷積神經網絡的數據特征提取方法及系統

在審

• 申請號: 202011115965.7
• 申請日: 2020-10-19
• 公開（公告）號: CN112184056A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 趙傲;姜嘉祺;王飛;童俊
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62;G06N3/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 任默聞;孫乳筍

1.一種基于卷積神經網絡的數據特征提取方法，其特征在于，包括：

獲取多個數據指標，根據所述多個數據指標生成預處理指標集；

執行如下迭代處理：

取出預處理指標集的頭部數據指標后放入精細指標集的末尾；

根據所述頭部數據指標從取出頭部數據指標后的指標集中選取第二數據指標，取出所述第二數據指標后放入所述精細指標集的末尾；

根據所述頭部數據指標、所述第二數據指標和當前迭代次數從取出第二數據指標后的指標集中選取第三數據指標，取出所述第三數據指標后放入所述精細指標集的末尾；

確定取出第三數據指標后的指標集為預處理指標集，繼續執行所述迭代處理，直至當前預處理指標集為空集；

將所述精細指標集和執行迭代處理前的預處理指標集拼接為目標數據集；

將所述目標數據集輸入預先得到的卷積神經網絡中，得到所述數據指標的數據特征。

2.根據權利要求1所述的基于卷積神經網絡的數據特征提取方法，其特征在于，根據所述多個數據指標生成預處理指標集包括：

根據所述多個數據指標生成原始指標集；

從所述原始指標集中隨機取出其中一個數據指標，確定該數據指標為基準指標，執行如下迭代處理：

將所述基準指標放入所述預處理指標集的末尾；

確定取出基準指標后的原始指標集中與該基準指標的關聯度最低的數據指標為基準指標，繼續執行所述迭代處理，直至所述原始指標集為空集。

3.根據權利要求1所述的基于卷積神經網絡的數據特征提取方法，其特征在于，根據所述頭部數據指標從取出頭部數據指標后的指標集中選取第二數據指標包括：

確定所述預處理指標集中與所述頭部數據指標相距最遠的指標作為第二數據指標；

從取出頭部數據指標后的指標集中選取第二數據指標。

4.根據權利要求2所述的基于卷積神經網絡的數據特征提取方法，其特征在于，還包括：

確定該基準指標與取出基準指標后的原始指標集中各個數據指標之間的協方差；

確定該基準指標的方差和各個數據指標的方差；

根據該基準指標與各個數據指標之間協方差、該基準指標的方差和各個數據指標的方差，確定取出基準指標后的原始指標集中各個數據指標與該基準指標的關聯度。

5.一種基于卷積神經網絡的數據特征提取系統，其特征在于，包括：

預處理指標集單元，用于獲取多個數據指標，根據所述多個數據指標生成預處理指標集；

精細指標集單元，用于執行如下迭代處理：

取出預處理指標集的頭部數據指標后放入精細指標集的末尾；

根據所述頭部數據指標從取出頭部數據指標后的指標集中選取第二數據指標，取出所述第二數據指標后放入所述精細指標集的末尾；

根據所述頭部數據指標、所述第二數據指標和當前迭代次數從取出第二數據指標后的指標集中選取第三數據指標，取出所述第三數據指標后放入所述精細指標集的末尾；

確定取出第三數據指標后的指標集為預處理指標集，繼續執行所述迭代處理，直至當前預處理指標集為空集；

目標數據集單元，用于將所述精細指標集和執行迭代處理前的預處理指標集拼接為目標數據集；

數據特征提取單元，用于將所述目標數據集輸入預先得到的卷積神經網絡中，得到所述數據指標的數據特征。

6.根據權利要求5所述的基于卷積神經網絡的數據特征提取系統，其特征在于，所述預處理指標集單元具體用于：

根據所述多個數據指標生成原始指標集；

從所述原始指標集中隨機取出其中一個數據指標，確定該數據指標為基準指標，執行如下迭代處理：

將所述基準指標放入所述預處理指標集的末尾；

確定取出基準指標后的原始指標集中與該基準指標的關聯度最低的數據指標為基準指標，繼續執行所述迭代處理，直至所述原始指標集為空集。