[发明专利]一种数据模型优化方法

说明书

本发明公开的属于数据模型技术领域，具体为一种数据模型优化方法，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；步骤四：将交叉区域内的数据进行记录；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，本申请文件中，通过对数据进行整合分类，然后后对其进行整体的数据增强及改进，提高数据的优化效率，同时采用交叉区域聚类的方法对其进行进行数据聚类，并使聚类数据与交叉区域连接，即可获取到优化后的模型，此种方法有效的减少数据偏差及数据遗漏等情况的发生。

技术领域

本发明涉及数据模型技术领域，具体为一种数据模型优化方法。

背景技术

数据模型是数据特征的抽象，它从抽象层次上描述了系统的静态特征、动态行为和约束条件，为数据库系统的信息表示与操作提供一个抽象的框架。数据模型所描述的内容有三部分，分别是数据结构、数据操作和数据约束。

为了保证数据模型在进行框架建立时产生较高的清晰数据，需要对数据模型进行优化，减少模糊状态下的数据，从而可以更好的减少数据模型建立时产生模糊数据造成数据模型建立失败或产生盲区的问题发生。

现有的技术中，数据模型优化的方法主要采用以下方法：

步骤一：先进行训练，得到一个初始的结果；

步骤二：进行数据增强；

步骤三：使用改进方法对模型进行改进；

步骤四：根据学习率提升模型性能；

步骤五：加深网络层数；

步骤六：利用参差网络，减少误差反传过程中的衰减，从而获取到优化后的数据模型。

此种方法目前来说的优化效果并不是很突出，首先不能够将获取到数据模型进行整合，导致在进行数据训练后产生的数据模型会在层次上产生偏差，即产生的数据模型由于偏差造成模型变形的情况发生，同时进行数据增强时会产生遗漏的情况发生，不利于数据模型的优化。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述和/或现有数据模型优化方法中存在的问题，提出了本发明。

因此，本发明的目的是提供一种数据模型优化方法，能够对优化前的数据进行整合，提高优化效率，同时减少优化造成的层次偏差，提高数据模型的优化准确性。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

一种数据模型优化方法，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。

作为本发明所述的一种数据模型优化方法的一种优选方案，其中：所述步骤一中的模型数据整合基于卡尔曼滤波算法运行。