[發明專利]一種學習型大數據可視化方法及系統

有效

• 申請號: 202011254681.6
• 申請日: 2020-11-11
• 公開（公告）號: CN112364093B
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 李杰;孫永健;宋巖
• 申請（專利權）人: 天津大學
• 主分類號: G06F16/26
• 分類號: G06F16/26;G06F16/22;G06F16/28
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 潘俊達

1.一種學習型大數據可視化方法，其特征在于，包括：

在每個數據維度上均創建一個排序索引數組，且在單個維度上的排序索引數組上進行范圍查詢，并將若干維度的查詢結果求交集后得出最終查詢結果；

在計算若干維度的查詢結果交集時調用硬件資源加速集合運算；

結合機器學習模型和傳統索引結構，并通過訓練學習型模型預測數據的位置；

使用平行索引結構，這種結構將整條鍵值曲線按定義域劃分為若干等距的段，并訓練一組小模型，每個小模型負責擬合數據曲線的一個分段，將單個預測模型按照輸入范圍分為若干個小模型；

在得到預測位置后，將在數據記錄上進行局部范圍的搜索，在搜索時使用了混合搜索策略，混合搜索策略首先為模型設置一個初始搜索范圍閾值thres，在預測模型得到預測位置p后，本策略利用二分搜索在[p-thres，p+thres]范圍內搜索精確位置，即排序數組中第一個大于等于查詢屬性值的位置；

在得到符合查詢條件的數據記錄后，調用計算機硬件資源進行并行計算，獲得可用于前端可視化的統計結果；

在預設數據維度上以用戶自定義的統計粒度進行統計計算；

基于無監督學習的異常模式發現算法和自動表征算法，提示異常模式，優化聚類結果表現形式。

2.一種學習型大數據可視化系統，其特征在于：使用了權利要求1所述的方法，包括前端和后端，所述前端包括可視化組件，所述后端包括智能檢索模塊、統計模塊及智能分析模塊；

所述智能檢索模塊，用于在每個數據維度上均創建一個排序索引數組，且在單個維度上的排序索引數組上進行范圍查詢，并將若干維度的查詢結果求交集后得出最終查詢結果；

所述統計模塊，用于在得到符合查詢條件的數據記錄后，調用計算機硬件資源進行并行計算，獲得可用于前端可視化的統計結果；

所述智能分析模塊，基于無監督學習的異常模式發現算法和自動表征算法，用于提示異常模式，優化聚類結果表現形式。

3.如權利要求2所述的一種學習型大數據可視化系統，其特征在于：所述可視化組件的類型為已封裝的接口或標簽，所述可視化組件包括熱圖、散點圖、柱狀圖和折線圖，所述接口用于設定智能分析模型的相關參數。