[发明专利]一种数据模型优化方法

权利要求书

1.一种数据模型优化方法，其特征在于：该数据模型的优化方法如下：

步骤一：获取初始模型数据，并对模型数据进行整合；

步骤二：将整合好的数据按照区域分类，然后基于区域进行数据增强；

步骤三：将增强后的数据进行改进，然后根据区域分类进行竖向分类，获取间隔数据，并根据间隔数据得到两次分类产生的交叉区域；

步骤四：将交叉区域内的数据进行记录，并以该数据为基点，对其他区域内的数据进行聚类；

步骤五：将聚类数据与交叉区域连接，获取整体的数据模型，该模型即为优化后的模型。

2.根据权利要求1所述的一种数据模型优化方法，其特征在于：所述步骤一中的模型数据整合基于卡尔曼滤波算法运行。

3.根据权利要求1所述的一种数据模型优化方法，其特征在于：所述步骤二中的数据区域分类基于贝叶斯分类算法运行，所述步骤二中的数据增强具体为将数据进行归一操作，即将数据转换成Gaussian(0,1)分布。

4.根据权利要求1所述的一种数据模型优化方法，其特征在于：所述步骤三中对数据进行改进基于权重衰减方法操作，即对目标函数加入正则化项，限制权重参数的个数。

5.根据权利要求1所述的一种数据模型优化方法，其特征在于：所述步骤三中数据进行竖向分类的具体步骤为按照步骤一中的整合方法，对步骤三中改进后的数据进行分层操作，然后将分层后的数据模型化，按照坐标体系对数据进行分类，即为竖向分类。

6.根据权利要求1所述的一种数据模型优化方法，其特征在于：所述步骤三中的间隔数据具体为除竖向分类数据的其他区域数据。

7.根据权利要求1所述的一种数据模型优化方法，其特征在于：所述步骤四中基点值为交叉区内的中心数据，所述步骤四中的数据聚类方法基于均值漂移聚类算法运行。