[发明专利]电线实时分割和识别算法的确定方法、装置、设备及介质

说明书

本公开提供一种电线实时分割和识别算法的确定方法、装置、设备及介质。该方法包括：基于决策目标、待选算法及特征建立层次结构模型；基于层次结构模型以及三角模糊尺度构造比较矩阵，确定每个特征对应的模糊数和模糊几何值；基于模糊几何值确定特征的模糊权重，对模糊权重去模糊化处理得到权重值；对权重值进行归一化处理，得到特征的归一化权重；构造待选算法相对于每个特征的决策矩阵，确定将每个特征作为标准时，每种待选算法分别对应的归一化权重；基于特征的归一化权重以及待选算法的归一化权重，计算每种待选算法的权重结果，基于权重结果对待选算法进行评价。本公开能够对待选算法进行准确、高效评价，降低评价成本，提升评价结果的可信度。

技术领域

本公开涉及实时分割和识别算法技术领域，尤其涉及一种电线实时分割和识别算法的确定方法、装置、设备及介质。

背景技术

在计算机辅助系统中实时分割和识别算法被广泛使用，实时分割和识别算法对导线故障检测有极大帮助，另外实时时间分割算法对流媒体数据的处理也能够得到非常好的效果，实时分割和识别算法是目前人工智能领域中非常重要的算法之一。比如以智能电网领域为例，利用实时分割和识别算法可以实现对电线的实时分割和识别，然而现有的实时分割和识别算法的方案众多，因此，如何对用户选择的实时分割和识别算法进行评估，从而确定出最高效的实时分割和识别算法，这是本领域重点关注的问题之一。

现有技术中，在对实时分割和识别算法进行评估时，通常采用以下方式，即基于传统的专家系统对待评估的各种实时分割和识别算法进行评估，在利用专家系统来建立算法评价指标体系时，需要依据大量的专家系统数据库中的基础数据，以及结合基于卷积神经网络的模型，对各项指标的权重进行计算，从而根据指标权重对各种实时分割和识别算法进行评估。上述现有的对实时分割和识别算法进行评估的方式，存在评估效率低，评估成本高，评估结果的准确性较低，无法基于评估结果确定最有效的解决方案等问题。

发明内容

有鉴于此，本公开实施例提供了一种基于模糊层次分析的算法评价方法、装置、设备及介质，以解决现有技术存在的评估效率低，评估成本高，评估结果的准确性较低的问题。

本公开实施例的第一方面，提供了一种基于模糊层次分析的算法评价方法，包括：获取用于对待选算法评价的特征，基于预设的决策目标、待选算法以及特征，建立用于对待选算法进行评价的层次结构模型；基于层次结构模型以及预定的三角模糊尺度构造比较矩阵，对比较矩阵中的特征进行模糊数计算，得到每个特征对应的模糊数，并利用模糊数计算每个特征对应的模糊几何值；基于模糊几何值确定每个特征对应的模糊权重，并对模糊权重进行去模糊化处理，得到每个特征对应的权重值；对特征的权重总和进行判断，根据判断结果对特征的权重值进行归一化处理，得到特征分别对应的归一化权重；分别构造待选算法相对于每个特征的决策矩阵，以便基于决策矩阵，确定将每个特征作为标准时，每种待选算法分别对应的归一化权重；基于特征对应的归一化权重以及待选算法对应的归一化权重，计算每种待选算法的权重结果，基于权重结果对待选算法进行评价。

本公开实施例的第二方面，提供了一种基于模糊层次分析的算法评价装置，包括：获取模块，被配置为获取用于对待选算法评价的特征，基于预设的决策目标、待选算法以及特征，建立用于对待选算法进行评价的层次结构模型；构造模块，被配置为基于层次结构模型以及预定的三角模糊尺度构造比较矩阵，对比较矩阵中的特征进行模糊数计算，得到每个特征对应的模糊数，并利用模糊数计算每个特征对应的模糊几何值；处理模块，被配置为基于模糊几何值确定每个特征对应的模糊权重，并对模糊权重进行去模糊化处理，得到每个特征对应的权重值；判断模块，被配置为对特征的权重总和进行判断，根据判断结果对特征的权重值进行归一化处理，得到特征分别对应的归一化权重；确定模块，被配置为分别构造待选算法相对于每个特征的决策矩阵，以便基于决策矩阵，确定将每个特征作为标准时，每种待选算法分别对应的归一化权重；评价模块，被配置为基于特征对应的归一化权重以及待选算法对应的归一化权重，计算每种待选算法的权重结果，基于权重结果对待选算法进行评价。