[发明专利]一种基于大数据的目标识别的数据处理系统

说明书

本申请公开了一种基于大数据的目标识别的数据处理系统，该数据处理系统中的数据获取模块用于获取目标先验知识；数据划分模块用于按预设比例随机将目标先验知识划分为训练数据集和验证数据集；模型构建模块用于根据训练数据集的数据类型，确定图像特征提取方式，并基于图像特征提取方式，提取训练数据集中的图像特征，并基于图像特征构建超图模型；模型判定模块用于利用验证数据集对超图模型进行训练，当判定超图模型收敛时，将超图模型记作数据处理模型，数据处理模型用于输出待识别数据的数据标签。通过本申请中的技术方案，有助于简化机器学习模型的结构，并提高模型收敛效率，同时，还有助于提高预测数据标签的准确性。

技术领域

本申请涉及数据处理的技术领域，具体而言，涉及一种基于大数据的目标识别的数据处理系统。

背景技术

随着网络的飞速发展以及各种数据信息的爆炸增长，极大程度地推动了人工智能技术的发展，其中，图像目标识别技术是很多应用技术(如汽车自动驾驶、机械臂抓取物体)的基础，因此，对物体图像进行类型识别，是人工智能中的一个必不可少的环节。

而随着机器学习算法的不断发展、优化，利用其对物体进行目标自动识别已经能够保证一定的准确性。但此类机器学习的模型结构通常较为复杂，且有较深的深度，导致模型训练难度较大，且存在模型不能收敛的问题。因此，如何简化模型结构、提高模型收敛速率，是机器学习用于图像目标识别过程中亟待解决的问题。

发明内容

本申请的目的在于：如何简化机器学习模型的结构，并提高模型收敛效率。

本申请的技术方案是：提供了一种基于大数据的目标识别的数据处理系统，该数据处理系统包括：数据获取模块，数据划分模块，模型构建模块以及模型判定模块；数据获取模块用于获取目标先验知识，其中，目标先验知识中包括样本图像数据和样本标签数据；数据划分模块用于按预设比例随机将目标先验知识划分为训练数据集和验证数据集；模型构建模块用于根据训练数据集的数据类型，确定图像特征提取方式，并基于图像特征提取方式，提取训练数据集中的图像特征，并基于图像特征构建超图模型，其中，超图模型中设置有标签传递损失函数，标签传递损失函数由特征相似度、标签敏感度以及经验损失项的和值组成；模型判定模块用于利用验证数据集对超图模型进行训练，当判定超图模型收敛时，将超图模型记作数据处理模型，数据处理模型用于输出待识别数据的数据标签。

上述任一项技术方案中，进一步地，模型构建模块具体包括：度量值计算单元以及超边构建单元；度量值计算单元用于以训练数据集中每个样本图像数据的图像特征为节点，计算任两个节点之间的邻近度量值；超边构建单元用于当判定任两个节点之间的邻近度量值小于邻近阈值时，将节点v_j放入节点v_i的超边集合，并根据超边集合构建超图模型的超边。

上述任一项技术方案中，进一步地，度量值计算单元计算任两个节点之间邻近度量值的计算公式为：

式中，A_ij为节点v_i与节点v_j之间的邻近度量值，d()为欧氏距离函数，σ_i和σ_j分别为节点v_i与节点v_j的缩放常数，f_θ(x_i)和f_θ(x_j)分别为节点v_i与节点v_j的图像特征。

上述任一项技术方案中，进一步地，模型构建模块中标签传递损失函数的计算公式为：