[發(fā)明專利]信創(chuàng)環(huán)境下基于人工智能實現主數據識別處理的方法、裝置、處理器及計算機可讀存儲介質

在審

• 申請?zhí)枺?/td>: 202310450823.3
• 申請日: 2023-04-24
• 公開（公告）號: CN116522224A
• 公開（公告）日: 2023-08-01
• 發(fā)明（設計）人: 陳瑞吳;魏明;李卜
• 申請（專利權）人: 普元信息技術股份有限公司
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/10;G06N3/006;G06N3/04;G06N3/084;G06N3/082
• 代理公司: 上海智信專利代理有限公司 31002
• 代理人: 王潔;鄭暄

本發(fā)明涉及一種信創(chuàng)環(huán)境下基于人工智能實現主數據識別處理的方法，包括以下步驟：對原始數據進行預處理；通過調整神經網絡中的權重和偏置項來將麻雀算法應用于神經網絡的參數優(yōu)化中，通過調整神經網絡中的權重和偏置項來優(yōu)化神經網絡；提出極限學習機模型，對主數據進行識別分類；使用訓練好的模型對新的數據進行識別。本發(fā)明還涉及一種用于實現信創(chuàng)環(huán)境下基于人工智能的主數據識別處理的裝置、處理器及其存儲介質。采用了本發(fā)明的信創(chuàng)環(huán)境下基于人工智能實現主數據識別處理的方法、裝置、處理器及其計算機可讀存儲介質，通過提出的改進的麻雀算法對深度神經網絡進行參數優(yōu)化，有效解決了數據特征提取成功率不高的問題；可以更有效地對主數據進行精確識別分類。

技術領域

本發(fā)明涉及機器學習領域，尤其涉及企業(yè)主數據自動化識別分類領域，具體是指一種信創(chuàng)環(huán)境下基于人工智能實現主數據識別處理的方法、裝置、處理器及其計算機可讀存儲介質。

背景技術

在當今數字化時代，大量數據的產生和積累已經成為常態(tài)。特別是在信創(chuàng)環(huán)境下，這些數據來自于各個領域，如企業(yè)、政府機構、醫(yī)療機構等，這些數據有著不同的格式和結構，難以進行有效的整合和利用。為了解決這一問題，主數據管理(MDM)技術應運而生，主數據是組織中被廣泛共享和使用的核心數據實體。主數據管理涉及到標準化、整合和維護數據，以確保數據的準確性和一致性。然而，由于主數據的復雜性和多樣性，主數據的識別一直是一個具有挑戰(zhàn)性的問題。傳統(tǒng)的主數據識別方法通常需要手動進行數據處理和特征提取，這種方法存在著效率低、精度低、人力成本高等問題。隨著機器學習技術的發(fā)展，越來越多的研究者開始將其應用于主數據識別領域。機器學習方法可以自動地從數據中提取特征，學習模式，并預測數據標識。這種方法可以大大提高主數據識別的準確性和效率。在機器學習方法中，深度學習已經成為主數據識別的熱門方法之一。深度學習可以自動地學習數據的復雜特征，并提高模型的準確性和泛化能力。除此之外，還有一些其他的機器學習方法被應用于主數據識別領域，如支持向量機、隨機森林、樸素貝葉斯等。總之，機器學習已經成為主數據識別的重要方法之一，它可以提高主數據識別的準確性和效率。在未來的研究中，還需要進一步探索更加有效的機器學習方法，以適應越來越復雜的主數據識別需求。

現有技術創(chuàng)新性好，能夠實現主數據的識別，但現有方法大多精確率難以得到保障，而基于深層網絡的模型容易消耗大量的計算資源，代價較高。同時，現有的機器學習方法在魯棒性和泛化性方面需進一步提升。本方法主要目的在于提高主數據識別的準確率，提高識別精度。

發(fā)明內容

本發(fā)明的目的是克服了上述現有技術的缺點，提供了一種滿足魯棒性好、泛化性好、適用范圍較為廣泛、、的信創(chuàng)環(huán)境下基于人工智能實現主數據識別處理的方法、裝置、處理器及其計算機可讀存儲介質。

為了實現上述目的，本發(fā)明的信創(chuàng)環(huán)境下基于人工智能實現主數據識別處理的方法、裝置、處理器及其計算機可讀存儲介質如下：

該信創(chuàng)環(huán)境下基于人工智能實現主數據識別處理的方法，其主要特點是，所述的方法包括以下步驟：

(1)對原始數據進行預處理；

(2)通過調整神經網絡中的權重和偏置項來將麻雀算法應用于神經網絡的參數優(yōu)化中，通過調整神經網絡中的權重和偏置項來優(yōu)化神經網絡；

(3)提出極限學習機模型，對主數據進行識別分類；

(4)使用訓練好的模型對新的數據進行識別。

較佳地，所述的步驟(1)具體包括數據清洗、去重、缺失值填充的步驟。

較佳地，所述的步驟(2)具體包括以下步驟：

(2.1)將向量θ看作一個麻雀個體，通過不斷搜索和優(yōu)化，計算每個麻雀個體的速度和位置；

(2.2)在搜索空間中進行隨機游走，計算每個個體的位置；

(2.3)選擇適應度值高的個體，并生成新的個體。