[发明专利]一种自适应动态数据处理方法

摘要

本发明涉及的一种自适应动态数据处理方法包含七个核心组成部分分别为动态参考数据、单数据结构体、海量数据结构体、数据判别模型、动态目标数据、特征点集合、单数据结构体。其中动态参考数据包含三个处理过程分别为：动态数据采集、同类型比较、特征点提取；动态目标数据包含三个处理过程分别为：动态数据采集、同类型比较、特征点提取。一种自适应动态数据处理方法的特征在于随着每一次数据增加数据判别模型需要进行不断的重建和调整，不断适应新增加数据的特征情况进行判断。

主权项

一种自适应动态数据处理方法，其特征在于该方法的具体操作步骤如下：第1步、首先从动态参考数据中获得以往的判断参考数据，第1.1、动态参考数据采集从动态参考数据中获得以往的动态参考数据，由于以往的动态参考数据已经做出了相应的判断，并且指出了数据中所包含的判断依据，经过对动态参考数据进行采集获得这些判断所依据的参考数据；第1.2、进行同类型比较随后对采集的动态参考数据进行同类型比较，得出单个参考数据中包含有多少需要进行判断的特征类型，并且确定这些类型的相互关系怎样；第1.3、特征点提取经过特征点提取，获得做出判断所依靠的数个特征，构成单数据结构体；由于参考数据会不断增加这是一个动态过程，因此获得的单数据结构体数量会越来越多，这些不断增加的单数据结构体的集合构成动态参考数据；第2步、海量数据结构体构建第1步中构成的单数据结构体中已经将动态参考数据根据特征类型分为判断处理结果和判断特征两部分，判断特征具体包括：判断特征A、判断特征B、C、D…；由众多的单数据结构体构成了海量数据结构体；第3步、构建数据判别模型在海量数据结构体中，根据每个单数据结构体中的各个判断特征出现的比重以及对判断结果产生的影响，获得每个判断特征在影响判断结果中的权重，据此构建数据判别模型；第4步、动态目标数据的获得与处理第4.1步、动态目标数据的采集动态目标数据是不断增加和不断变化的，根据不同的判断处理需要，对不同的目标数据进行采集获得动态目标数据；第4.2步、进行同类型比较对获得的动态目标数据进行同类型比较，以便获得数据特征类型情况；第4.3步、特征点提取经过特征点提取，获得包含了判断特征a、判断特征b、判断特征c、d…的特征点集合；第5步、用数据判别模型对动态目标数据进行处理和判断将第4步获得的特征点集合送入第3步构建的数据判别模型中进行处理，通过数据判别模型的处理和判断最终获得判断结果以及判断特征，并由这些数据构成单数据结构体；同时，将所构成的单数据结构体送入动态参考数据中供循环采集使用；第6步、数据判别模型的再建立将第5步构成的新的单数据结构体输入海量数据结构体中再次对数据判别模型进行调整和再建立，同时等待下一次处理。