[發明專利]基于RFID智能優化群檢方法

在審

• 申請號: 202011304557.6
• 申請日: 2020-11-19
• 公開（公告）號: CN112417911A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 曾志華;張樹德;庹荀
• 申請（專利權）人: 廣東中世發智能科技股份有限公司
• 主分類號: G06K7/10
• 分類號: G06K7/10;G06K7/14
• 代理公司: 重慶百潤洪知識產權代理有限公司 50219
• 代理人: 陳萬江

本發明涉及RFID技術領域，尤其涉及基于RFID智能優化群檢方法，本發明首先通過RFID閱讀器進行RFID芯片的數據采集，存儲到服務器；對導入的數據進行特征模型訓練；通過訓練得出的特征模型對導入的數據進行智能優化群檢。本發明通過對數據服務器中的通過RFID閱讀器進行數據讀取存儲的數據進行高效的特征訓練得到數據模型，通過訓練得到的數據模型進行實時的數據篩選，以此挑選出需要利用和有價值的針對性的數據，便于對大型通過RFID技術進行數據獲取的數據庫的數據實時的訓練和獲取，以獲得需要的特征的數據，起到對數據高效利用的目的。

技術領域

本發明涉及RFID技術領域，特別涉及基于RFID智能優化群檢方法。

背景技術

“認識世界，建設世界”是人類的一切活動的根本。認識世界靠的是建立模型，建設世界靠的是優化模型。特別是在大數據時代，模型越來越復雜，數據越來越多，優化模型就變得更加重要了。優化模型的算法以及對應的優化思想，它們都存在這一些本質上的局限性，單點的計算使得效率很難提高，向改進的方向迭代很容易就會陷入局部最優，而且對目標函數的各種約束大大限制了優化算法的使用范圍。所以，在大規模，分布式的情況下，為了取得更好的訓練效果，我們必須對多個模型進行優化，這就用到群智能算法了。

群智能的算法有很多種，但大多數都有一個共性，那就是模仿。比如遺傳算法的思想來源于生物進化，粒子群算法來源于鳥群，魚群或者蜂群的運動規律，模擬退火算法來源于物理學，等等。

RFID(adio Frequency Identification)技術，又稱無線射頻識別，是一種通信技術，可通過無線電訊號識別特定目標并讀寫相關數據，而無需識別系統與特定目標之間建立機械或光學接觸。常用的有低頻(125k～134.2K)、高頻(13.56Mhz)、超高頻，無源等技術。NFC 是一種短距高頻的RFID技術，通過頻譜中無線頻率部分的電磁感應耦合方式傳遞信號。是由非接觸式射頻識別(RFID)及互連互通技術整合演變而來的，通過在單一芯片上集成感應式讀卡器、感應式卡片和點對點通信的功能，利用移動終端實現移動支付、電子票務、門禁、移動身份識別、防偽等應用。E-paper顯示技術，通稱為電子顯示屏技術，替代傳統紙質顯示的電子顯示屏屏幕，采用電泳顯示技術(electrophoresis Display,EPD)作為顯示面板，其顯示效果接近自然紙張效果。顯示內容可以通過計算機發出的指含任意改寫，而改寫完成后，顯示面板并不需要持續供電，且顯示內容會一直保持在顯示面板上。但是目前對于大批量進行通過RFID進行識別掃描得到的數據通常沒有進一步的處理，成為原始數據，在數據導入的過程中，我們需要進行實時的數據篩選、判別和應用，以達到數據的高效利用。

發明內容

本發明針對提出了基于RFID智能優化群檢方法，包括如下步驟：

基于RFID智能優化群檢方法通過如下步驟實現：

S1：首先通過RFID閱讀器進行RFID芯片的數據采集，存儲到服務器；

S2：對導入的數據進行特征模型訓練；

S3：通過訓練得出的特征模型對導入的數據進行智能優化群檢。

進一步，S2包括以下步驟：

S2.1：首先手動踢出數據中具有無用特征的數據；

S2.2：確定目標函數為L(x)：如式(1)所示：

L^(x)＝L(x)+α||w||1 式(1)

其中α稱為懲罰因子，||w||1表示L1范數

S2.3：對步驟S2.2所得出的數據進行迭代，具體迭代公式如式(2)所示；

θk+1＝θk-α1m∑i＝1m(yi-hθ(xi))xik 式(2)