[發明專利]邊緣計算盒子選舉方法、裝置、電子設備及介質

在審

• 申請號: 202110575255.0
• 申請日: 2021-05-26
• 公開（公告）號: CN113191455A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 黃哲
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及智能決策技術，揭露了一種邊緣計算盒子選舉方法，包括：獲取預設局域網中多個邊緣計算盒子的設備數據，以及獲取多個所述邊緣計算盒子的環境評價數據；根據所述設備數據和所述環境評價數據構建隨機森林數據集；調用隨機森林算法對所述隨機森林數據集進行模型構建處理，得到隨機森林模型；根據隨機森林模型計算多個邊緣計算盒子的目標值，確定目標值大于或者等于預設目標閾值的邊緣計算盒子為目標邊緣計算盒子。此外，本發明還涉及區塊鏈技術，所述隨機森林數據集可存儲于區塊鏈的節點。本發明還提出一種邊緣計算盒子選舉裝置、電子設備以及計算機可讀存儲介質。本發明可以解決獲取邊緣計算盒子的效率低下的問題。

技術領域

本發明涉及智能決策技術領域，尤其涉及一種邊緣計算盒子選舉方法、裝置、電子設備及介質。

背景技術

在AI的目標識別領域，通常運用具有“訓練+識別”能力的邊緣計算盒子進行目標識別，但由于邊緣計算盒子所處的環境每時每刻都在發生改變，故需要利用收集到的環境相關的數據對邊緣計算盒子進行訓練，從而得到一個能夠適應各種場景下的識別性高且適應性強的邊緣計算盒子。

為了獲取識別性高且適應性強的的邊緣計算盒子，現有技術的方法是將環境評價數據通過幀數據回傳至云端進行篩選排查并整合數據，通過整合的數據對邊緣計算盒子進行訓練，從而得到識別性高且適應性強的邊緣計算盒子。這種方法利用幀數據回傳浪費帶寬，造成獲取邊緣計算盒子的效率低下。

發明內容

本發明提供一種邊緣計算盒子選舉方法、裝置及計算機可讀存儲介質，其主要目的在于解決獲取邊緣計算盒子的效率低下的問題。

為實現上述目的，本發明提供的一種邊緣計算盒子選舉方法，包括：

獲取預設局域網中多個邊緣計算盒子的設備數據，以及獲取多個所述邊緣計算盒子的環境評價數據；

根據所述設備數據和所述環境評價數據構建隨機森林數據集；

調用隨機森林算法對所述隨機森林數據集進行模型構建處理，得到隨機森林模型；

根據所述隨機森林模型計算所述多個邊緣計算盒子的目標值，確定所述目標值大于或者等于預設目標閾值的邊緣計算盒子為目標邊緣計算盒子。

可選地，所述根據所述設備數據和所述環境評價數據構建隨機森林數據集，包括：

獲取所述設備數據對應的第一權重，以及所述環境評價數據對應的第二權重；

將所述設備數據、所述環境評價數據、所述第一權重和所述第二權重輸入至預設的單一設備函數公式，計算得到單一設備值；

根據所述單一設備值輸入至多個所述邊緣計算盒子中，通過所述邊緣計算盒子隨機生成預設個數的邊緣數據集，將所述預設個數的邊緣數據集匯總得到隨機森林數據集。

可選地，所述調用隨機森林算法對所述隨機森林數據集進行模型構建處理，得到隨機森林模型，包括：

獲取所述隨機森林數據集和所述隨機森林數據集對應的數據標注；

計算所述數據標注中任意一個標注特征對所述隨機森林數據集的基尼指數，得到所述數據標注對應的基尼指數集合；

對所述基尼指數集合中的基尼指數進行排序，選取所述基尼指數集合中最小的基尼指數所對應的標注特征作為切分點；

以所述切分點作為根節點，從所述切分點出發生成兩個子節點并將所述隨機森林數據集分配到所述子節點中；

直到將所述數據標注中的所有標注特征遍歷完畢，生成決策樹；

對所述決策樹進行剪枝處理，得到隨機森林模型。

可選地，所述對所述決策樹進行剪枝處理，包括：