CN108734617A - 一种智能市政工程造价资料存储系统 - Google Patents
一种智能市政工程造价资料存储系统 Download PDFInfo
- Publication number
- CN108734617A CN108734617A CN201810380485.XA CN201810380485A CN108734617A CN 108734617 A CN108734617 A CN 108734617A CN 201810380485 A CN201810380485 A CN 201810380485A CN 108734617 A CN108734617 A CN 108734617A
- Authority
- CN
- China
- Prior art keywords
- sample
- storage device
- cost information
- data
- municipal works
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 11
- 230000009977 dual effect Effects 0.000 claims description 9
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 3
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000739 chaotic effect Effects 0.000 abstract 1
- 238000013500 data storage Methods 0.000 abstract 1
- 238000001914 filtration Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于智能存储系统技术领域,公开了一种智能市政工程造价资料存储系统,设置有连接头,所述连接头通过内部数据线连接数据处理装置,所述数据处理装置直接连接储存装置,所述数据处理装置与储存装置组成智能储存系统,所述储存装置前端镶嵌有控制开关,所述储存装置上方镶嵌有指示灯,所述储存装置内部镶嵌有物理硬盘,所述数据处理装置包括存储网络、前端、缓存、后端,该发明能够智能的识别并对数据做出智能的处理,从而确定是否将数据储存在物理硬盘中,有效的解决了传统资料存储系统无过滤储存为存储装置带来混乱的不便。
Description
技术领域
本发明属于智能存储系统技术领域,尤其涉及一种智能市政工程造价资料存储系统
背景技术
市政是指在城市区、镇规划建设范围内设置、基于政务责任和义务为居民提供有偿或无偿公共产品或设施,城市生活配套的各种公共基础设施都属于市政工程,因此市政工程造价的资料的种类与数量繁多,需要主机存储的信息量较大,影响主机的工作效率,传统的存储系统无法为主机的工作减轻负担,间接的降低了工作人员的效率。
综上所述,现有技术存在的问题是:传统的存储系统无法处理较大的信息量,增加了主机的负担。
发明内容
针对现有技术存在的问题,本发明提供了一种智能市政工程造价资料存储系统。
本发明是这样实现的,一种智能市政工程造价资料存储系统包括:存储装置、指示灯、控制开关、处理装置、数据线、连接头、存储网络、前端、缓存、后端、物理硬盘。
所述连接头通过内部数据线连接在处理装置上,所述处理装置直接卡接在存储装置上,所述连接头连接有存储网络,所述存储网络通过内部数据线连接在前端,所述前端通过内部数据线连接缓存,所述缓存通过内部数据线连接后端,所述后端通过内部数据线连接存储装置的物理硬盘,所述物理硬盘直接卡接在存储装置的内部。
进一步,所述指示灯镶嵌在存储装置的上方。
进一步,所述控制开关镶嵌在存储装置的前端。
进一步,连接头另一端连接有用于进行存储数据采集的数据采集模块;
数据采集模块包括划分调查模块和数据整理模块;
划分调查模块,用于明确调查范围,在数据库服务器选取需存储的造价资料进行调查取样;
数据整理模块,用于对各种取样数据进行相关数据整理,再通过有关报告进行补漏,保证对需存储的数据整理的准确性、完整性。
进一步,处理装置包括有信息分类模块,用于对接收到的市政工程造价资料数据进行分类,所述信息分类模块采用支持向量机的快速分类算法,具体包括:
给定训练样本集{(xi,yi),i=1,2,···,l},xi∈Rd,yi∈{-1,+1},引进从输入空间Rn到希尔伯特(Hilbert)空间H的变换:
然后在Hilbert空间H中构造原始问题:
结束条件:
采用Lagrange乘子法求解公式(1),得到的对偶问题为:
结束条件:
其中K(xi,xj)为核函数:
通过求解上述对偶问题得最优解α*=(α1 *,···,αl *T,选取α*的一个正分量0<αj*<C,并据此计算阙值
b*=yj-∑yiαi *K(xi,xj), (5)
最后构造决策函数
给定两个样本x1,x2∈RN,则两样本之间的距离可以表示为d(x1,x2),表示样本xl的第i个分量,在线性的情况下,两样本之间的距离定义如下:
在非线性情况下,两样本之间的距离定义如下:
其中为将原空间中向量x映射到高维向量空间中所对应的向量, 为核函数;
假设一类样本为x1i,i=1,…,l,另一类样本为x2j,j=1,…,m,d(x1i,x2j)表示第一类中的第i个样本到第二类中的第j个样本的距离,则对每一个i值,di=mind(x1i,x2j)(j=1,2,···,m),所对应的向量x2j就是第二类样本的一个边界向量;
对原始样本通过距离筛选,得到l个由相对边界向量过程的初始训练样本(x1,y1),···,(xl,yl),其中xi∈Rn,i=1,···,l,yi∈{-1,1}是样本xi所属的类别,m为训练样本的类数目,设第k个支持向量机的训练样本集合为X={(xi,yi)|yi≥k},得
约束条件:
转化为其对偶问题进行求解:
得到其对应的决策函数为:
本发明的优点及积极效果为:通过数据采集模块进行数据划分和整理,然后通过处理装置中的信息分类模块进行分类保存,减轻了主机处理数据存储任务的负担,该发明能够解决互操作性,其组件可用性能力强,并且能够有效的保护数据安全,在降低网络与设备复杂性的同时,还能够保证在数据传输期间的可靠性与安全性,在各个层次的传输与存储上都有数据保护功能。
附图说明
图1是本发明实施例提供的智能市政工程造价资料存储系统外部结构示意图;
图2是本发明实施例提供的智能市政工程造价资料存储系统内部结构示意图;
图中:1、存储装置;2、指示灯;3、控制开关;4、处理装置;5、数据线;6、连接头;7、存储网络;8、前端;9、缓存;10、后端;11、物理硬盘。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
一种智能市政工程造价资料存储系统设置有:存储装置1、指示灯2、控制开关3、处理装置4、数据线5、连接头6、存储网络7、前端8、缓存9、后端10、物理硬盘11。
所述连接头6通过内部数据线连接在处理装置4上,所述处理装置4直接卡接在存储装置1上,所述连接头6连接有存储网络7,所述存储网络7通过内部数据线连接在前端8,所述前端8通过内部数据线连接缓存9,所述缓存9通过内部数据线连接后端10,所述后端10通过内部数据线连接存储装置1的物理硬盘11,所述物理硬盘11直接卡接在存储装置1的内部,指示灯2镶嵌在存储装置1的上方,控制开关3镶嵌在存储装置1的前端。
连接头另一端连接有用于进行存储数据采集的数据采集模块;
数据采集模块包括划分调查模块和数据整理模块;
划分调查模块,用于明确调查范围,在数据库服务器选取需存储的造价资料进行调查取样;
数据整理模块,用于对各种取样数据进行相关数据整理,再通过有关报告进行补漏,保证对需存储的数据整理的准确性、完整性。
进一步,处理装置包括有信息分类模块,用于对接收到的市政工程造价资料数据进行分类,所述信息分类模块采用支持向量机的快速分类算法,具体包括:
给定训练样本集{(xi,yi),i=1,2,···,l},xi∈Rd,yi∈{-1,+1},引进从输入空间Rn到希尔伯特(Hilbert)空间H的变换:
然后在Hilbert空间H中构造原始问题:
结束条件:
采用Lagrange乘子法求解公式(1),得到的对偶问题为:
结束条件:
其中K(xi,xj)为核函数:
通过求解上述对偶问题得最优解α*=(α1 *,···,αl *)T,选取α*的一个正分量0<αj*<C,并据此计算阙值
b*=yj-∑yiαi *K(xi,xj), (5)
最后构造决策函数
给定两个样本x1,x2∈RN,则两样本之间的距离可以表示为d(x1,x2),表示样本xl的第i个分量,在线性的情况下,两样本之间的距离定义如下:
在非线性情况下,两样本之间的距离定义如下:
其中为将原空间中向量x映射到高维向量空间中所对应的向量, 为核函数;
假设一类样本为x1i,i=1,…,l,另一类样本为x2j,j=1,…,m,d(x1i,x2j)表示第一类中的第i个样本到第二类中的第j个样本的距离,则对每一个i值,di=mind(x1i,x2j)(j=1,2,···,m),所对应的向量x2j就是第二类样本的一个边界向量;
对原始样本通过距离筛选,得到l个由相对边界向量过程的初始训练样本(x1,y1),···,(xl,yl),其中xi∈Rn,i=1,···,l,yi∈{-1,1}是样本xi所属的类别,m为训练样本的类数目,设第k个支持向量机的训练样本集合为X={(xi,yi)|yi≥k},得
约束条件:
转化为其对偶问题进行求解:
得到其对应的决策函数为:
通过控制开关3打开存储系统,通过连接头6连接到电脑主机,来自主机的I/O请求首先到达前端8端口,然后经过缓存9和后端10的数据分析与处理,最后在物理硬盘11存储或获取数据,如若被请求的数据已经被保存在缓存9中,那么请求直接可以在缓存9中完成,所述指示灯2能够表示智能存储系统在正常的工作。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (5)
1.一种智能市政工程造价资料存储系统,其特征在于,所述智能市政工程造价资料存储系统设置有:
连接头;
所述连接头通过内部数据线连接在处理装置上,所述处理装置直接卡接在存储装置上,所述连接头连接有存储网络,所述存储网络通过内部数据线连接在前端,所述前端通过内部数据线连接缓存,所述缓存通过内部数据线连接后端,所述后端通过内部数据线连接存储装置的物理硬盘,所述物理硬盘直接卡接在存储装置的内部。
2.如权利要求1所述的智能市政工程造价资料存储系统,其特征在于,所述指示灯镶嵌在存储装置的上方。
3.如权利要求1所述智能市政工程造价资料存储系统,其特征在于,所述控制开关镶嵌在存储装置的前端。
4.如权利要求1所述的智能市政工程造价资料存储系统,其特征在于,连接头另一端连接有用于进行存储数据采集的数据采集模块;
数据采集模块包括划分调查模块和数据整理模块;
划分调查模块,用于明确调查范围,在数据库服务器选取需存储的造价资料进行调查取样;
数据整理模块,用于对各种取样数据进行相关数据整理,再通过有关报告进行补漏,保证对需存储的数据整理的准确性、完整性。
5.如权利要求4所述的智能市政工程造价资料存储系统,其特征在于,处理装置包括有信息分类模块,用于对接收到的市政工程造价资料数据进行分类,所述信息分类模块采用支持向量机的快速分类算法,具体包括:
给定训练样本集{(xi,yi),i=1,2,…,l},xi∈Rd,yi∈{-1,+1},引进从输入空间Rn到希尔伯特(Hilbert)空间H的变换:
然后在Hilbert空间H中构造原始问题:
结束条件:
采用Lagrange乘子法求解公式(1),得到的对偶问题为:
结束条件:
其中K(xi,xj)为核函数:
通过求解上述对偶问题得最优解α*=(α1 *,…,αl *)T,选取α*的一个正分量0<αj*<C,并据此计算阙值
b*=yj-∑yiαi *K(xi,xj), (5)
最后构造决策函数
给定两个样本x1,x2∈RN,则两样本之间的距离可以表示为d(x1,x2),表示样本xl的第i个分量,在线性的情况下,两样本之间的距离定义如下:
在非线性情况下,两样本之间的距离定义如下:
其中为将原空间中向量x映射到高维向量空间中所对应的向量, 为核函数;
假设一类样本为x1i,i=1,…,l,l,另一类样本为x2j,j=1,…,m,d(x1i,x2j)表示第一类中的第i个样本到第二类中的第j个样本的距离,则对每一个i值,di=mind(x1i,x2j)(j=1,2,…,m),所对应的向量x2j就是第二类样本的一个边界向量;
对原始样本通过距离筛选,得到l个由相对边界向量过程的初始训练样本(x1,y1),…,(xl,yl),其中xi∈Rn,i=1,…,l,yi∈{-1,1}是样本xi所属的类别,m为训练样本的类数目,设第k个支持向量机的训练样本集合为X={(xi,yi)|yi≥k},得
约束条件:
转化为其对偶问题进行求解:
得到其对应的决策函数为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810380485.XA CN108734617A (zh) | 2018-04-25 | 2018-04-25 | 一种智能市政工程造价资料存储系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810380485.XA CN108734617A (zh) | 2018-04-25 | 2018-04-25 | 一种智能市政工程造价资料存储系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108734617A true CN108734617A (zh) | 2018-11-02 |
Family
ID=63939851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810380485.XA Pending CN108734617A (zh) | 2018-04-25 | 2018-04-25 | 一种智能市政工程造价资料存储系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734617A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1281190A (zh) * | 2000-08-23 | 2001-01-24 | 深圳市宏网实业有限公司 | 单主板型网络安全电脑 |
CN101750210A (zh) * | 2009-12-24 | 2010-06-23 | 重庆大学 | 基于正交局部保持映射(olpp)特征约简的故障诊断方法 |
CN102147893A (zh) * | 2011-04-20 | 2011-08-10 | 重庆市电力公司綦南供电局 | 用于it系统应用考评拓展平台的数据分层抽样方法 |
CN202795333U (zh) * | 2012-07-09 | 2013-03-13 | 董锴 | 服务器中磁盘冗余阵列高速读写控制电路结构 |
CN103279672A (zh) * | 2013-06-04 | 2013-09-04 | 天津大学 | 基于噪声模型支持向量回归技术的短期风速预报方法 |
CN104484670A (zh) * | 2014-10-24 | 2015-04-01 | 西安电子科技大学 | 基于伪彩色和支持向量机的遥感图像云检测方法 |
CN104616033A (zh) * | 2015-02-13 | 2015-05-13 | 重庆大学 | 基于深度学习和支持向量机的滚动轴承故障诊断方法 |
CN205027368U (zh) * | 2015-09-14 | 2016-02-10 | 广州坤杰电子科技有限公司 | 能翻转显示屏手写输入且具有北斗卫星定位功能的导航仪 |
CN106056151A (zh) * | 2016-05-27 | 2016-10-26 | 大连楼兰科技股份有限公司 | 基于人工智能有监督学习svm方法建立不同车型分零件远程定损系统及方法 |
CN106779187A (zh) * | 2016-11-30 | 2017-05-31 | 广东电网有限责任公司电网规划研究中心 | 电网工程设备材料的价格参数生成方法及装置 |
CN107634857A (zh) * | 2017-09-22 | 2018-01-26 | 安徽师范大学 | 基于svm的故障检测模型构建及评估方法 |
CN108596436A (zh) * | 2018-03-28 | 2018-09-28 | 郑州铁路职业技术学院 | 基于计算机的经济指标实时监控分析方法 |
-
2018
- 2018-04-25 CN CN201810380485.XA patent/CN108734617A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1281190A (zh) * | 2000-08-23 | 2001-01-24 | 深圳市宏网实业有限公司 | 单主板型网络安全电脑 |
CN101750210A (zh) * | 2009-12-24 | 2010-06-23 | 重庆大学 | 基于正交局部保持映射(olpp)特征约简的故障诊断方法 |
CN102147893A (zh) * | 2011-04-20 | 2011-08-10 | 重庆市电力公司綦南供电局 | 用于it系统应用考评拓展平台的数据分层抽样方法 |
CN202795333U (zh) * | 2012-07-09 | 2013-03-13 | 董锴 | 服务器中磁盘冗余阵列高速读写控制电路结构 |
CN103279672A (zh) * | 2013-06-04 | 2013-09-04 | 天津大学 | 基于噪声模型支持向量回归技术的短期风速预报方法 |
CN104484670A (zh) * | 2014-10-24 | 2015-04-01 | 西安电子科技大学 | 基于伪彩色和支持向量机的遥感图像云检测方法 |
CN104616033A (zh) * | 2015-02-13 | 2015-05-13 | 重庆大学 | 基于深度学习和支持向量机的滚动轴承故障诊断方法 |
CN205027368U (zh) * | 2015-09-14 | 2016-02-10 | 广州坤杰电子科技有限公司 | 能翻转显示屏手写输入且具有北斗卫星定位功能的导航仪 |
CN106056151A (zh) * | 2016-05-27 | 2016-10-26 | 大连楼兰科技股份有限公司 | 基于人工智能有监督学习svm方法建立不同车型分零件远程定损系统及方法 |
CN106779187A (zh) * | 2016-11-30 | 2017-05-31 | 广东电网有限责任公司电网规划研究中心 | 电网工程设备材料的价格参数生成方法及装置 |
CN107634857A (zh) * | 2017-09-22 | 2018-01-26 | 安徽师范大学 | 基于svm的故障检测模型构建及评估方法 |
CN108596436A (zh) * | 2018-03-28 | 2018-09-28 | 郑州铁路职业技术学院 | 基于计算机的经济指标实时监控分析方法 |
Non-Patent Citations (1)
Title |
---|
徐红敏: "支持向量机的快速分类算法", 《北京石油化工学院学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | Deeptext: A new approach for text proposal generation and text detection in natural images | |
Dai et al. | Probabilistic spatial queries on existentially uncertain data | |
Zhang et al. | CDNet: A real-time and robust crosswalk detection network on Jetson nano based on YOLOv5 | |
CN110073367A (zh) | 用于零样本学习的利用基于soft-max的兼容性函数的多视图嵌入 | |
CN104008395A (zh) | 一种基于人脸检索的不良视频智能检测方法 | |
Deng et al. | Adaptive multi-bit quantization for hashing | |
CN104813293A (zh) | 使用动态分配的脏掩码空间的存储器管理 | |
Zheng et al. | Multi-scale attention vehicle re-identification | |
Saleem et al. | Crowd density estimation in still images using multiple local features and boosting regression ensemble | |
CN105426517A (zh) | 一种具有图像处理功能的智能存储设备 | |
Sikirić et al. | Image representations on a budget: Traffic scene classification in a restricted bandwidth scenario | |
Xing et al. | Oracle bone inscription detection: a survey of oracle bone inscription detection based on deep learning algorithm | |
Yin et al. | In-depth exploration of attribute information for person re-identification | |
Zhou et al. | Meta transfer learning for few-shot hyperspectral image classification | |
CN103530377A (zh) | 一种基于二进制特征码的场景信息搜索方法 | |
CN108734617A (zh) | 一种智能市政工程造价资料存储系统 | |
US20190087684A1 (en) | Fast joint template matching | |
Datar et al. | Detection of birds in the wild using deep learning methods | |
Gupta et al. | Recognition of varying size scene images using semantic analysis of deep activation maps | |
Xiang et al. | Road disease detection algorithm based on YOLOv5s-DSG | |
Wu et al. | Mixed Pattern Matching‐Based Traffic Abnormal Behavior Recognition | |
CN112328630B (zh) | 数据查询方法、装置、设备及存储介质 | |
Jobay et al. | Quantum inspired shape representation for content based image retrieval | |
Su et al. | Deep supervised hashing with hard example pairs optimization for image retrieval | |
CN103020107A (zh) | 多功能证件智能存取管理的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |