CN104394231B - 一种基于智能终端与云数据技术的数据交互处理方法 - Google Patents

Abstract

本发明涉及一种基于智能终端与云数据技术的数据交互处理方法，与现有技术相比解决了数据服务端计算处理量过大的缺陷。本发明包括以下步骤：定义服务端云数据的采样策略；通过智能终端将所需的数据展示策略发送给服务端云数据处理中心；对服务端的云采样数据进行策略解析；数据派发过程；智能终端进行数据采样。本发明能够充分利用云数据集中运算和智能终端的分布式运算，通过智能终端的分布式运算取代传统的云数据集中运算处理，提高了处理速度，降低了云数据运算成本。

Description

一种基于智能终端与云数据技术的数据交互处理方法

技术领域

本发明涉及云数据处理技术领域，具体来说是一种基于智能终端与云数据技术的数据交互处理方法。

背景技术

随着互联网及移动技术的快速发展，智能终端如智能手机、智能机顶盒、智能电视、iPad、笔记本电脑等大量普及和使用，智能终端已经是我们日常生活不可缺少的部分，特别是它的交际购物的便捷性。

在实际应用中我们忽略了智能终端的一个重要的核心功能，即它的采样能力、运算能力和展示能力，有的智能终端是双核、四核或八核。世界各地每个人手中、家中的智能终端实际上是一台台像天空中的星星一样多的微型计算机，像星、云一样分布在世界各地。目前网络数据以G级、T级，甚至是P级的几何增长，处理这些海量数据的无外乎政府科研机构大型运算服务器、企业的中小型服务器，如谷歌（Google），多采用的是PC级搜索引擎运算服务。

我们的商业运算能否在满足商业运算服务的同时，让多如星星般的智能终端在享受服务的同时分享应有的运算能力。即在商业运算和操作中，能否研发出一种全新的数据交互处理模式，让众多智能终端的计算代替大型服务器的计算，已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中数据服务端计算处理量过大的缺陷，提供一种基于智能终端与云数据技术的数据交互处理方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种基于智能终端与云数据技术的数据交互处理方法，包括以下步骤：

定义服务端云数据的采样策略，根据需要定义服务端当前需处理的采样类型，并根据采样类型筛选智能终端的采样数据，由同一采样类型的智能终端组成云采样数据；

通过智能终端将所需的数据展示策略发送给服务端云数据处理中心；

对服务端的云采样数据进行策略解析；

数据派发过程，数据采样单元根据智能终端上传的采样策略进行数据采样，将采样结果和展示策略派发给数据展示单元；

智能终端进行数据采样，智能终端获取数据展示单元的采样结果，根据展示策略进行采样结果的演化，并将演化运算结果展示。

所述的对服务端的云采样数据进行策略解析包括以下步骤：

依据定义的采样策略来针对单品划分不同的维度；

当有单品数据进入云端信息库时，系统用定义的采样策略和展示策略对单品数据进行识别，根据单品的特征值计算出该单品与其他同类单品的距离，产生特征点距d(Xu,X)，其计算公式如下：

d(Xu,X)=

其中，d(Xu,X)为Xu和X之间的特征点距，Xu和X分别为两个不同的同类单品，K=1、...N；

根据单品点距最近的K点来匹配策略类别，采用少数服从多数的原则，以单品特征点距最近的作为归类依据，将新的单品进行策略归类。

所述的数据派发过程包括以下步骤：

针对不同智能终端上传的数据进行评测及安全校验，确保数据的安全性；

针对不同智能终端上传的数据进行特征分析，为模式分析和模式匹配做好准备；

针对不同智能终端上传的数据进行定维分类，为PCA主元分析做好准备；

将经过特征分析和定维分类后的数据，进行策略解析并根据不同智能终端上传的策略发至智能终端进行演算。

所述的智能终端进行数据采样包括以下步骤：

服务端的云数据根据智能终端发送的展示请求，向智能终端派发展示策略；

服务端的云数据查询是否含有该展示策略的相关有效数据；若有，直接派发到智能终端进行展示；若云数据中没有该展示策略的相关数据，云数据下发符合该展示策略的所有采样数据到智能终端；

智能终端根据经过特征分析和定维分类后的数据进行采样数据演化运算，并将运算的结果进行展示。

还包括数据量化过程，结合采样策略和展示策略，将采样的海量数据进行演化，产生演化后的采样和展示策略；其具体步骤如下：

基于单品的特征值计算获取匹配的单品特征信息和维度信息；

基于不同智能终端上传的数据所进行的定维分类，获取各种海量异构数据；

使用主元分析法对海量异构数据进行演化和降噪来去除噪音。

有益效果

本发明的一种基于智能终端与云数据技术的数据交互处理方法，与现有技术相比能够充分利用云数据集中运算和智能终端的分布式运算，通过智能终端的分布式运算取代传统的云数据集中运算处理，提高了处理速度，降低了云数据运算成本。本发明能够快速便捷的通过智能化采样分析出客户和产品的粘合度、客户和商家的粘合度，有效的服务于O2O信息产业，使其数据来源于终端、运算于终端、展示于终端，在提高处理速度的同时，降低了云数据运算的成本，便于推广应用。

附图说明

图1为本发明的方法流程图。

具体实施方式

为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：

如图1所示，本发明所述的一种基于智能终端与云数据技术的数据交互处理方法，包括以下步骤：

第一步，定义服务端云数据的采样策略。服务端云数据基于云数据处理的概念，其不限于一台或几台搭建的服务器，而是通过多个物理终端或虚拟终端共同组合在一起形成的服务云。根据需要定义服务端当前需处理的采样类型，并根据采样类型筛选智能终端的采样数据，由同一采样类型的智能终端组成云采样数据。

定义服务端当前需处理的采样类型，以通过不同的终端形成不同的云数据，采样类型包括商家策略定义、产品分类策略定义、服务分类策略定义、地理信息分类策略定义等。商业策略定义划分，即根据现有的和可预测的商业环境进行商业策略划分，如商业性质（服务业还是零售业等）、信用度等级及相应的产品和服务；产品分类策略定义划分，即根据现有商业体环境中在售或即将出售的产品进行分类，但不根据生产企业产品进行分类；服务分类策略定义划分，即根据现有的服务业进行划分，如商业零售、餐饮、悠闲娱乐、美容护肤等；地理信息策略定义划分，根据地理信息及其定位、商业服务网点进行商业实体地理信息划分，并能够精确的记录其经纬度信息。

根据采样类型筛选智能终端的采样数据，通过上述的策略划分后即可进行策略采样。策略采样针对的对象是众多的智能终端，从智能终端的多维度单品信息进行策略采样，再由同一采样类型的智能终端组成云采样数据。在实际应用中，如在服务端云数据中定义餐饮作为采样策略，则从众多智能终端的采样数据中筛选出与餐饮相关的智能终端，再将这些智能终端组合在一起，形成与餐饮相关智能终端组成的云数据，即云采样数据。

第二步，通过智能终端将所需的数据展示策略发送给服务端云数据处理中心。由于本发明中智能终端完成大部分的计算过程，云数据处理中心只进行采样策略的定义、控制和传输服务，因此智能终端要根据其展示策略来判断，是否对接收到的数据进行处理，因此先将其数据展示策略发至服务端，以备后期策略分析和派送而使用。

第三步，对服务端的云采样数据进行策略解析，将多个智能终端发过来的采样数据按采样策略进行解析，即形成多个采样数据之间的关联。其具体步骤如下：

（1）依据定义的采样策略来针对单品划分不同的维度，通过维度来组织各个采样数据之间的关系。对已存在于云采样数据中的各采样数据，直接用已存在的特征点距d(Xu,X)的来识别。

（2）当有单品数据进入云端信息库时，系统用定义的采样策略和展示策略对单品数据进行识别，根据单品的特征值计算出该单品与其他同类单品的特征点距d(Xu,X)，其计算公式如下：

其中，d(Xu,X)为Xu和X之间的特征点距，Xu和X分别为两个不同的同类单品，K=1、...N。

（3）通过基于特征点距的分类，可以将多个同采样策略却无联系的数据联系起来，形成多个归类。根据单品点距最近的K点来匹配策略类别，采用少数服从多数的原则，以单品特征点距最近的作为归类依据，将新的单品进行策略归类。通过归类将多个相距较远的数据分别组合，因此多个类别之间的数据量也不相同。

在这里所做的针对服务端的云采样数据进行数据处理，而随着智能终端的增多，云采样数据的量会越来越大，这方面的数据处理也会越来越多。因此为了简化数据处理，提高数据处理效率，还可以包括数据量化过程。结合采样策略和展示策略，将采样的海量数据进行演化，产生演化后的采样和展示策略。其具体步骤如下：

A 、基于单品的特征值计算获取匹配的单品特征信息和维度信息，这部分信息从第三步中获取。

B、基于不同智能终端上传的数据所进行的定维分类，获取各种海量异构数据，海量异构数据指的是不同维度、不同类别、不同特征的数据。

C、使用主元分析法对海量异构数据进行演化和降噪来去除噪音数据，以达到简化降维目的。主元分析是一种数据分析技术，最重要的是能对数据进行有效的简化，找出数据中最“主要”的元素和结构，去除噪音和冗余，将原始的复杂数据进行降维，找出复杂数据深层中的简单结构。

通过数据量化过程的处理，进行简化降维，减少服务端的云采样数据的数据处理量。

第四步，数据派发过程。数据采样单元根据智能终端上传的采样策略进行数据采样，将采样结果和展示策略派发给数据展示单元。在此步骤之前，服务端已通过采样策略，将各个相关的智能终端组合在一起，形成了云采样数据。但是针对数据的读取、计算和处理而言，服务端云采样数据的处理最终是基于智能终端的计算处理来展示，因此服务端的云采样数据处理中心（数据采样单元）根据智能终端上传的采样策略，在服务端的云采样数据中找到适合某个智能终端的结果，再将这个结果发给数据展示单元，以发给智能终端。其具体步骤如下：

（1）针对不同智能终端上传的数据进行评测及安全校验，确保数据的安全性。

（2）针对不同智能终端上传的数据进行特征分析，确定其应该获得的哪个类型的数据，为在服务端的云采样数据中进行模式分析和模式匹配做好准备。

（3）针对不同智能终端上传的数据进行定维分类，为PCA主元分析做好准备，此步骤是为了配合PCA降维而使用，利用现有技术中的定维分类技术即可。

（4）将经过特征分析和定维分类后的数据，进行策略解析并根据不同智能终端上传的策略发至智能终端进行演算。此时根据智能终端的特征分析，从服务端的云采样数据中提取出经过特征分析和定维分类后的数据，再根据智能终端上展示策略的需要将这些数据发给需要的智能终端。

第五步，智能终端进行数据采样。智能终端获取数据展示单元的采样结果，根据展示策略进行采样结果的演化，即智能终端自身按采样策略和展示策略进行计算演化，并将演化运算结果展示。其具体步骤如下：

（1）服务端的云数据根据智能终端发送的展示请求，向智能终端派发展示策略，将前期上传的展示策略发送给智能终端。

（2）服务端的云数据查询是否含有该展示策略的相关有效数据；若有，直接派发到智能终端进行展示。若云数据中没有该展示策略的相关数据，云数据控制中心下发符合该展示策略的所有采样数据到智能终端，从而起到推荐的作用。

（3）智能终端根据经过特征分析和定维分类后的数据进行采样数据演化运算，在智能终端上进行演化运算过程，最终直接在智能终端上将运算的结果进行展示。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (4)

1.一种基于智能终端与云数据技术的数据交互处理方法，其特征在于，包括以下步骤：

11)定义服务端云数据的采样策略，根据需要定义服务端当前需处理的采样类型，并根据采样类型筛选智能终端的采样数据，由同一采样类型的智能终端组成云采样数据；

12)通过智能终端将所需的数据展示策略发送给服务端云数据处理中心；

13)对服务端的云采样数据进行策略解析；

14)数据派发过程，数据采样单元根据智能终端上传的采样策略进行数据采样，将采样结果和展示策略派发给数据展示单元；

15)智能终端进行数据采样，智能终端获取数据展示单元的采样结果，根据展示策略进行采样结果的演化，并将演化运算结果展示；所述的智能终端进行数据采样包括以下步骤：

151)服务端的云数据根据智能终端发送的展示请求，向智能终端派发展示策略；

152)服务端的云数据查询是否含有该展示策略的相关有效数据；若有，直接派发到智能终端进行展示；若云数据中没有该展示策略的相关数据，云数据下发符合该展示策略的所有采样数据到智能终端；

153)智能终端根据经过特征分析和定维分类后的数据进行采样数据演化运算，并将运算的结果进行展示。

2.根据权利要求1所述的一种基于智能终端与云数据技术的数据交互处理方法，其特征在于，所述的对服务端的云采样数据进行策略解析包括以下步骤：

21)依据定义的采样策略来针对单品划分不同的维度；

22)当有单品数据进入云端信息库时，系统用定义的采样策略和展示策略对单品数据进行识别，根据单品的特征值计算出该单品与其他同类单品的距离，产生特征点距d(Xu,X)，其计算公式如下：

<mrow> <mi>d</mi> <mrow> <mo>(</mo> <mi>X</mi> <mi>u</mi> <mo>,</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <mrow> <mo>(</mo> <mi>X</mi> <mi>u</mi> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>-</mo> <mi>X</mi> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>

其中，d(Xu,X)为Xu和X之间的特征点距，Xu和X分别为两个不同的同类单品，K＝1、...N；

23)根据单品点距最近的K点来匹配策略类别，采用少数服从多数的原则，以单品特征点距最近的作为归类依据，将新的单品进行策略归类。

3.根据权利要求1所述的一种基于智能终端与云数据技术的数据交互处理方法，其特征在于，所述的数据派发过程包括以下步骤：

31)针对不同智能终端上传的数据进行评测及安全校验，确保数据的安全性；

32)针对不同智能终端上传的数据进行特征分析，为模式分析和模式匹配做好准备；

33)针对不同智能终端上传的数据进行定维分类，为PCA主元分析做好准备；

34)将经过特征分析和定维分类后的数据，进行策略解析并根据不同智能终端上传的策略发至智能终端进行演算。

4.根据权利要求1所述的一种基于智能终端与云数据技术的数据交互处理方法，其特征在于，还包括数据量化过程，结合采样策略和展示策略，将采样的海量数据进行演化，产生演化后的采样和展示策略；其具体步骤如下：

41)基于单品的特征值计算获取匹配的单品特征信息和维度信息；

42)基于不同智能终端上传的数据所进行的定维分类，获取各种海量异构数据；

43)使用主元分析法对海量异构数据进行演化和降噪来去除噪音数据。