[发明专利]基于大数据的人工智能模型机器学习方法及服务器

权利要求书

1.一种基于大数据的人工智能模型机器学习方法，其特征在于，包括：

获取业务数据采集范围中的多个时域节点业务数据和多个空域节点业务数据；

获取所述多个时域节点业务数据之间的时域关联参数和时域特征差异，获取所述多个空域节点业务数据之间的空域关联参数和空域特征差异；

根据所述时域关联参数和所述时域特征差异，对所述多个时域节点业务数据进行组合，得到所述业务数据采集范围中的时域数据拓扑分布；其中，一个时域数据拓扑分布包括至少一个时域节点业务数据；

根据所述空域关联参数和所述空域特征差异，对所述多个空域节点业务数据进行组合，得到所述业务数据采集范围中的空域数据拓扑分布；其中，一个空域数据拓扑分布包括至少一个空域节点业务数据；

基于所述时域数据拓扑分布以及所述空域数据拓扑分布进行拓扑融合以到业务数据流样本集合；

将所述业务数据流样本集合输入预设目标业务特征网络进行机器学习，得到已学习目标业务特征网络；

通过所述已学习目标业务特征网络对所述业务数据流样本集合进行目标业务特征检测，得到所述业务数据流样本集合的初始目标业务特征集合；

将所述初始目标业务特征集合输入预设的第一防干扰特征检测网络进行机器学习，得到第一目标防干扰特征检测网络；

基于联合模型训练策略以及所述第一目标防干扰特征检测网络对预设的第二防干扰特征检测网络进行机器学习，得到第二目标防干扰特征检测网络，使得训练得到的第二目标防干扰特征检测网络的参数量小于第一目标防干扰特征检测网络的参数量。

2.根据权利要求1所述的方法，其特征在于，所述基于所述时域数据拓扑分布以及所述空域数据拓扑分布进行拓扑融合以到业务数据流样本集合，包括：

根据所述时域数据拓扑分布和空域数据拓扑分布之间的业务拓扑关系，对所述业务数据采集范围中产生的各时域数据拓扑分布和各空域数据拓扑分布进行拓扑融合，得到多个拓扑分布融合组；每个拓扑分布融合组中的空域数据拓扑分布分别包括所述业务数据采集范围中的第二空域节点业务数据；

将因未匹配到时域数据拓扑分布而未进行拓扑融合的空域数据拓扑分布确定为待处理空域数据拓扑分布，根据所述待处理空域数据拓扑分布包含的第一空域节点业务数据，获取所述待处理空域数据拓扑分布的第一拓扑分布描述信息；所述第一空域节点业务数据包含于所述业务数据采集范围；

根据所述每个拓扑分布融合组包括的第二空域节点业务数据，分别获取所述每个拓扑分布融合组中的空域数据拓扑分布的第二拓扑分布描述信息；

获取所述第一拓扑分布描述信息分别与所述每个拓扑分布融合组对应的第二拓扑分布描述信息之间的特征差异；

根据所述每个拓扑分布融合组对应的特征差异，确定所述每个拓扑分布融合组中的空域数据拓扑分布分别与所述待处理空域数据拓扑分布之间的拓扑关联参数；

统计拓扑关联参数不小于预设关联参数阈值的目标拓扑分布融合组，将所述目标拓扑分布融合组中的时域数据拓扑分布所包含的业务特征信息，确定为与所述待处理空域数据拓扑分布关联的业务特征信息；

将与所述待处理空域数据拓扑分布关联的业务特征信息和所述待处理空域数据拓扑分布进行拓扑融合，得到特征拓扑融合组；

根据所述特征拓扑融合组和所述多个拓扑分布融合组，确定所述业务数据采集范围中的业务数据流和所述业务数据流对应的业务特征信息，并根据所述业务数据流和对应的业务特征信息得到所述业务数据流样本集合。