CN109948115B - 一种图形确定方法、装置、设备及存储介质 - Google Patents

一种图形确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN109948115B
CN109948115B CN201910189009.4A CN201910189009A CN109948115B CN 109948115 B CN109948115 B CN 109948115B CN 201910189009 A CN201910189009 A CN 201910189009A CN 109948115 B CN109948115 B CN 109948115B
Authority
CN
China
Prior art keywords
determining
target object
target
combination candidate
information combination
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.)
Active
Application number
CN201910189009.4A
Other languages
English (en)
Other versions
CN109948115A (zh
Inventor
安博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspireal Tianjin Electronic Technology Co ltd
Original Assignee
Inspireal Tianjin Electronic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inspireal Tianjin Electronic Technology Co ltd filed Critical Inspireal Tianjin Electronic Technology Co ltd
Priority to CN201910189009.4A priority Critical patent/CN109948115B/zh
Publication of CN109948115A publication Critical patent/CN109948115A/zh
Application granted granted Critical
Publication of CN109948115B publication Critical patent/CN109948115B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Image Generation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种图形确定方法、装置、设备及存储介质。该方法包括：获取目标对象的各属性项形成的至少四组属性信息，根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点，根据各所述信息组合候选点，确定对应所述目标对象的目标图形。与现有技术相比，本发明实施例的技术方案通过至少四组属性信息确定信息组合候选点，根据各信息组合候选点确定对应目标对象的目标图形，减少了目标图形的确定时间，同时提高了目标图形的确定精度。

Description

一种图形确定方法、装置、设备及存储介质
技术领域
本发明实施例涉及计算机领域，尤其涉及一种图形确定方法、装置、设备及存储介质。
背景技术
在科研实验过程中，通常将实验称为一个对象，实验中的各个变量称为属性项，实验对应的结果称为一种描述，这种描述往往受多个属性项影响，当属性项较少且变化范围较小时，可以直接根据各属性项的属性信息对对象进行描述。但是当属性项较多且变化范围较大时，如果还是根据上述方法，不仅工作量大，而且浪费大量时间，实验成本也较高。
响应面是基于响应变量与输入变量之间的函数关系确定的，是解决多变量问题的一种统计方法。利用响应面解决多变量问题的关键在于响应面的构建，传统的响应面构建方法有3k法、中心复合试验设计(Central Composite Design，CCD)法和蜂窝法等，这些方法都是一次性选点，由于选点较多，导致响应面的确定时间较长，利用这些方法构建的响应面在解决多变量问题时，精度也较低。
发明内容
本发明实施例提供一种图形确定方法、装置、设备及存储介质，以减少响应面的确定时间，提高解决多变量问题的精度。
第一方面，本发明实施例提供一种图形确定方法，包括：
获取目标对象的各属性项形成的至少四组属性信息；
根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点；
根据各所述信息组合候选点，确定对应所述目标对象的目标图形。
进一步的，所述根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点，包括：
根据所述至少四组属性信息，确定所述目标对象对应的描述权重；
根据设定阈值确定各所述描述权重对应的匹配度；
根据所述匹配度确定所述目标对象相对的信息组合候选点。
进一步的，所述根据所述匹配度确定所述目标对象相对的信息组合候选点，包括：
比较各所述匹配度；
提取符合预设条件的匹配度，并根据所述符合预设条件的匹配度确定所述目标对象相对的信息组合候选点。
进一步的，所述根据各所述信息组合候选点，确定对应所述目标对象的目标图形，包括：
根据各所述信息组合候选点和对应的描述权重建立回归方程；
根据所述回归方程确定对应所述目标对象的目标图形。
第二方面，本发明实施例还提供一种图形确定装置，该装置包括：
获取模块，用于获取目标对象的各属性项形成的至少四组属性信息；
第一确定模块，用于根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点；
第二确定模块，用于根据各所述信息组合候选点，确定对应所述目标对象的目标图形。
进一步的，所述第一确定模块，包括：
第一确定单元，用于根据所述至少四组属性信息，确定所述目标对象对应的描述权重；
第二确定单元，用于根据设定阈值确定各所述描述权重对应的匹配度；
第三确定单元，用于根据所述匹配度确定所述目标对象相对的信息组合候选点。
进一步的，所述第三确定单元，包括：
比较子单元，用于比较各所述匹配度；
提取子单元，用于提取符合预设条件的匹配度，并根据所述符合预设条件的匹配度确定所述目标对象相对的信息组合候选点。
进一步的，所述第二确定模块，包括：
建立单元，用于根据各所述信息组合候选点和对应的描述权重建立回归方程；
第四确定单元，用于根据所述回归方程确定对应所述目标对象的目标图形。
第三方面，本发明实施例还提供一种设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的图形确定方法。
第四方面，本发明实施例还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如第一方面所述的图形确定方法。
本发明实施例提供一种图形确定方法、装置、设备及存储介质，通过获取目标对象的各属性项形成的至少四组属性信息，根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点，根据各所述信息组合候选点，确定对应所述目标对象的目标图形，与现有技术相比，本发明的技术方案通过至少四组属性信息确定信息组合候选点，根据各信息组合候选点确定对应目标对象的目标图形，减少了目标图形的确定时间，同时提高了目标图形的确定精度。
附图说明
图1为本发明实施例一提供的一种图形确定方法的流程图；
图2为本发明实施例二提供的一种图形确定方法的流程图；
图3为初始信息组合点的示意图；
图4为信息组合候选点的一种示意图；
图5为信息组合候选点的另一种示意图；
图6为本发明实施例三提供的一种图形确定装置的结构图；
图7为本发明实施例四提供的一种设备的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
图1为本发明实施例一提供的一种图形确定方法的流程图，本实施例可适用于属性项较多且对应的属性信息较多时，通过确定目标图形来描述目标对象的情况，该方法可以由图形确定装置来执行，该装置可以由软件和/或硬件的方式来实现，该装置可以集成在电脑等设备中，具体的，该方法包括如下步骤：
S110、获取目标对象的各属性项形成的至少四组属性信息。
目标对象可以是待研究的对象，在科研实验过程中，通常将一个实验称为一个对象，如果因某种需求而需要进行相应的实验，则将该实验或实验目的称为目标对象。属性项是影响目标对象的主要因素，也可以称为变量，比如，在研究功率的实验中，可以将电压和电流作为属性项。属性信息是反应属性项特征的信息，比如可以是具体的数值，以属性信息为数值为例，当属性项只有一项时，属性信息即为该属性项对应的数值，可以用一维表示，当属性项等于或大于两项时，每组属性信息是各个属性项的属性信息构成的集合，比如当属性项有两项时，每组属性信息是两个属性项的属性信息构成的二维数组，可以在直角坐标系中体现，横轴和纵轴分别代表两个属性项。
可以理解的是，通过实验研究某些属性项对某个因素的影响时，通常需要选取该属性项对应的多组属性信息以提高实验结果的准确性。本实施例选定至少四组属性信息，以便后续确定目标图形。具体的，当某个实验确定时，目标对象、属性项以及各属性项对应的属性信息即可确定，根据各属性项对应的属性信息确定多个属性信息组，在多个属性信息组中选择至少四组属性信息作为目标图形的确定依据，其中，在多个属性信息组中选择至少四组属性信息的方式可以根据对实验的了解确定。
S120、根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点。
信息组合候选点是根据至少四组属性信息确定的，用于构建目标图形的优选点。可选的，针对各组属性信息，可以根据目标对象和各属性项的关系，确定各组属性信息对应的实验结果，根据各个实验结果确定信息组合候选点。
示例性的，假定该实验中目标对象和各个属性项之间的关系表示为：y＝ax1+bx2，其中，y表示目标对象，a和b为常数，x1和x2分别为影响目标对象y的属性项，属性信息组即为属性项x1和属性项x2的属性信息的组合，比如，属性项x1在100-200之间每间隔1取一个值，属性项x2在1-10之间每间隔1取一次值，则共有101*10＝1010种组合，即属性项x1和属性项x2组成的属性信息组合(x1,x2)有1010种情况，在1010个组合中选择至少四组，代入上述公式中，确定各个组合对应的y值大小，将各个y值与目标y值进行比较，确定最优的y值对应的属性信息组合，根据该属性信息组合确定信息组合候选点。
S130、根据各所述信息组合候选点，确定对应所述目标对象的目标图形。
目标图形是基于信息组合候选点确定的，辅助解决多属性项问题的图形，目标图形对应的维度与属性项的个数对应，例如当属性项有一个时，对应的目标图形为二维空间中的一条曲线，当属性项有两个时，对应的目标图形为三维空间中的曲面。本实施例将目标图形称为响应面，响应面是解决多变量问题的一种统计方法，根据信息组合候选点绘制相应的响应面，基于该响应面辅助确定实验结果最优时对应的多变量的取值或所在区间。基于各信息组合候选点确定响应面的过程现有技术中有相关的介绍，此处不再赘述。
本发明实施例一提供一种图形确定方法，通过获取目标对象的各属性项形成的至少四组属性信息，根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点，根据各所述信息组合候选点，确定对应所述目标对象的目标图形，与现有技术相比，本发明的技术方案通过至少四组属性信息确定信息组合候选点，根据各信息组合候选点确定对应目标对象的目标图形，减少了目标图形的确定时间，同时提高了目标图形的确定精度。
实施例二
图2为本发明实施例二提供的一种图形确定方法的流程图，在上述实施例的基础上进行具体化，具体的，该方法具体包括如下步骤：
S210、获取目标对象的各属性项形成的至少四组属性信息。
S220、根据所述至少四组属性信息，确定所述目标对象对应的描述权重。
描述权重是衡量各组属性信息优劣的依据，在科研实验过程中，也可以理解为实验结果，即前面所述的y值，y值与目标值越接近，表示实验结果越优，该实验结果对应的属性信息越优。实际应用过程中，由于各属性项的含义不同，其对应的数值范围可能差距较大，为此，当属性项的个数为两个或两个以上时，实施例对各属性项对应的属性信息进行归一化处理，同时，根据属性项对实验结果影响的程度，确定各属性项对应的权重，即前面所述的a和b的值，根据a、b的值以及归一化后的属性信息组合即可确定相应的描述权重。
S230、根据设定阈值确定各所述描述权重对应的匹配度。
匹配度是衡量各描述权重与设定阈值之间关系的依据，表示描述权重偏离设定阈值的程度。具体的，可以将描述权重与设定阈值的差值称为描述权重对应的匹配度，匹配度越小，表示描述权重偏离设定阈值的程度越小，与设定阈值越接近，匹配度越大，表示描述权重偏离设定阈值的程度越大，与设定阈值的差距越大，实际应用中，如果描述权重偏离设定阈值的程度大于设定程度，则去除该描述权重对应的属性信息。设定阈值的大小可以根据具体的实验设置。
S240、根据所述匹配度确定所述目标对象相对的信息组合候选点。
匹配度反映了描述权重与设定阈值的偏离程度，根据该偏离程度即可确定信息组合候选点。可选的，可以通过下面的方式确定信息组合候选点：
比较各所述匹配度；
提取符合预设条件的匹配度，并根据所述符合预设条件的匹配度确定所述目标对象相对的信息组合候选点。
预设条件可以根据实际需要设置，比如可以对匹配度按照由小到大的顺序排列，根据匹配度最小的描述权重对应的属性信息确定信息组合候选点。
示例性的，参考图3，图3为初始信息组合点的示意图，图3以两个属性项为例，基于对实验先期的了解，首先选定一组属性信息作为中心点G0，然后选定另外三组属性信息分别作为G1、G2和G3，G1、G2和G3构成一个三角形，可选的，该三角形为等边三角形。需要说明的是，各属性项对应的属性信息为连续区间，所以在确定各属性项的属性信息时可以依据需求选择，以保证G1、G2和G3可以组成三角形，为了减少确定信息组合候选点的实验次数，实施例以三角形为例。G0、G1、G2和G3即为第一阶段的信息组合点，根据G0、G1、G2和G3代表的属性信息确定各点对应的描述权重以及各描述权重对应的匹配度，选择匹配度最小对应的属性信息，如果匹配度最小对应的属性信息为G0，则仍以G0为中心点，继续选择第二阶段的信息组合候选点。
示例性的，参考图4，图4为信息组合候选点的一种示意图，基于相同的原则，继续选取三组属性信息G4、G5和G6，使得G4、G5和G6构成一个三角形，G4、G5和G6构成的三角形是在G1、G2和G3构成的三角形的基础上缩小，可选的，G4、G5和G6分别为G1、G2和G3的中点，这样设置的好处是减小了计算的复杂度，节省了计算时间。假定实验资源只允许执行两次，或设定次数为两次，则选点过程到此结束，G0、G1、G2、G3、G4、G5和G6即为确定的信息组合候选点。
如果匹配度最小对应的属性信息为G1、G2和G3中的一个，以G2为例，此时改选G2为中心点，基于相同的原则，选取另外两个属性信息分别为G7和G8，使得G0、G7和G8构成三角形，可选的，G0、G7和G8构成的三角形与G1、G2和G3构成的三角形边长和角度相同，具体参考图5，图5为信息组合候选点的另一种示意图，假定实验资源只允许执行两次，或设定次数为两次，则选点过程到此结束，G0、G1、G2、G3、G7和G8即为确定的信息组合候选点。
本实施例是利用两段式的方法选取信息组合候选点，即先初步选定四组属性信息，然后分别计算这四组属性信息对应的描述权重以及匹配度，根据匹配度确定下一轮的选点，解决了现有技术中利用一次性选点造成实验次数多，选点误差大，利用选点确定的响应面精度差等问题，实现了利用较少的属性信息确定精度更高的响应面，同时减少了确定信息组合候选点的实验次数，节省了实验资源。
S250、根据各所述信息组合候选点和对应的描述权重建立回归方程。
回归方程是对变量之间统计关系进行定量描述的一种数学表达式，信息组合候选点确定后，可以基于信息组合候选点，采用非线性拟合方法建立回归方程，本实施例对回归方程的建立过程不进行限定。
S260、根据所述回归方程确定对应所述目标对象的目标图形。
根据回归方程确定对应的响应面，根据响应面的梯度方向确定最优的属性信息，其中，根据回归方程确定响应面的过程现有技术中有相关的记载，利用本实施例的方式确定信息组合候选点，基于该信息组合候选点确定的响应面可以提高解决多变量问题的精度。
下面通过一个具体的实验来说明响应面的构建过程：
以确定氮化镓MOS结构的热褪火工艺参数的实验为例，氮化镓金属-氧化物-半导体(MOS)结构是三五族半导体芯片中的关键工艺节点，由于不同层面间存在晶格失配，常使用褪火方式修复晶格失配以增强结构性能。基于这种情况，选取褪火温度和褪火时间为属性项，其中，褪火温度为400-500摄氏度，每间隔1摄氏度选取一个温度值，褪火时间为1-10分钟，每间隔1分钟选取一个时间值，共有101*10＝1010种组合。在实际实验中，由于实验时间和成本限制，往往对实验次数有一定限制，本发明实施例的目的是在最少的实验次数内，得到最优结果。目标对象为漏电流和正反向扫描时的曲线差异，其中，漏电流的单位为纳安(nA)，正反向扫描时的曲线差异的单位为伏特(V)。
具体的，根据对MOS结构电性的理解，实验过程中以467度，5分钟为中心展开即(467，5)，在第一阶段，初步确定四个相应点，分别为(467，5)、(500，5)、(450，3)和(450，7)，分别对这四个点进行实验，得到四中实验结果，经计算(450，7)这一点的实验结果最好，则以(450，7)为中心，继续下一轮的选点，最终得到7个实验点，对着7个实验点归一化处理，并基于归一化后的实验点确定回归方程，基于回归方程确定相应的响应面，确定该响应面的梯度，如果极值点显示在选定的点围成的面积以外，则根据梯度方向选取新一轮的实验点。这种通过确定响应面，根据响应面确定最优属性信息的方式可以节省时间。
本发明实施例二提供一种图形确定方法，在上述实施例的基础上，根据各属性项的属性信息确定对应的描述权重以及描述权重对应的匹配度，基于匹配度分阶段确定信息组合候选点，减少了确定信息组合候选点的实验次数，节省了实验资源，提高了响应面的确定精度。
实施例三
图6为本发明实施例三提供的一种图形确定装置的结构图，该装置可以执行上述任意实施例所述的图形确定方法，具体的，该装置包括：
获取模块310，用于获取目标对象的各属性项形成的至少四组属性信息；
第一确定模块320，用于根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点；
第二确定模块330，用于根据各所述信息组合候选点，确定对应所述目标对象的目标图形。
本发明实施例三提供一种图形确定装置，通过获取目标对象的各属性项形成的至少四组属性信息，根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点，根据各所述信息组合候选点，确定对应所述目标对象的目标图形，与现有技术相比，本发明的技术方案通过至少四组属性信息确定信息组合候选点，根据各信息组合候选点确定对应目标对象的目标图形，减少了目标图形的确定时间，同时提高了目标图形的确定精度。
在上述实施例的基础上，第一确定模块320，包括：
第一确定单元，用于根据所述至少四组属性信息，确定所述目标对象对应的描述权重；
第二确定单元，用于根据设定阈值确定各所述描述权重对应的匹配度；
第三确定单元，用于根据所述匹配度确定所述目标对象相对的信息组合候选点。
在上述实施例的基础上，第三确定单元，包括：
比较子单元，用于比较各所述匹配度；
提取子单元，用于提取符合预设条件的匹配度，并根据所述符合预设条件的匹配度确定所述目标对象相对的信息组合候选点。
在上述实施例的基础上，第二确定模块330，包括：
建立单元，用于根据各所述信息组合候选点和对应的描述权重建立回归方程；
第四确定单元，用于根据所述回归方程确定对应所述目标对象的目标图形。
本发明实施例三提供的图形确定装置可以用于执行上述任意实施例提供的图形确定方法，具备相应的功能和有益效果。
实施例四
图7为本发明实施例四提供的一种设备的结构图，参考图7，该设备包括：处理器410、存储器420、输入装置430和输出装置440，设备中处理器410的数量可以是一个或多个，图7中以一个处理器410为例，设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图7中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的图形确定方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述实施例的图形确定方法。
存储器420主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备、扬声器以及蜂鸣器等音频设备。
本发明实施例四提供的设备与上述实施例提供的图形确定方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例具备执行图形确定方法相同的有益效果。
实施例五
本发明实施例五还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的图形确定方法。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的图形确定方法中的操作，还可以执行本发明任意实施例所提供的图形确定方法中的相关操作，且具备相应的功能和有益效果。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的图形确定方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (6)

1.一种图形确定方法，其特征在于，包括：
获取目标对象的各属性项形成的至少四组属性信息，其中，所述目标对象为目标实验，各属性项为目标实验中各个变量；
根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点；
根据各所述信息组合候选点，确定对应所述目标对象的目标图形，其中，所述目标图形为响应面；
其中，所述根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点，包括：
根据所述至少四组属性信息，确定所述目标对象对应的描述权重；
根据设定阈值确定各所述描述权重对应的匹配度；
根据所述匹配度确定所述目标对象相对的信息组合候选点；
所述根据各所述信息组合候选点，确定对应所述目标对象的目标图形，包括：
根据各所述信息组合候选点和对应的描述权重建立回归方程；
根据所述回归方程确定对应所述目标对象的目标图形。
2.根据权利要求1所述的方法，其特征在于，所述根据所述匹配度确定所述目标对象相对的信息组合候选点，包括：
比较各所述匹配度；
提取符合预设条件的匹配度，并根据所述符合预设条件的匹配度确定所述目标对象相对的信息组合候选点。
3.一种图形确定装置，其特征在于，包括：
获取模块，用于获取目标对象的各属性项形成的至少四组属性信息，其中，所述目标对象为目标实验，各属性项为目标实验中各个变量；
第一确定模块，用于根据所述至少四组属性信息，确定所述目标对象相对的信息组合候选点；
第二确定模块，用于根据各所述信息组合候选点，确定对应所述目标对象的目标图形，其中，所述目标图形为响应面；
所述第一确定模块，包括：
第一确定单元，用于根据所述至少四组属性信息，确定所述目标对象对应的描述权重；
第二确定单元，用于根据设定阈值确定各所述描述权重对应的匹配度；
第三确定单元，用于根据所述匹配度确定所述目标对象相对的信息组合候选点；
所述第二确定模块，包括：
建立单元，用于根据各所述信息组合候选点和对应的描述权重建立回归方程；
第四确定单元，用于根据所述回归方程确定对应所述目标对象的目标图形。
4.根据权利要求3所述的装置，其特征在于，所述第三确定单元，包括：
比较子单元，用于比较各所述匹配度；
提取子单元，用于提取符合预设条件的匹配度，并根据所述符合预设条件的匹配度确定所述目标对象相对的信息组合候选点。
5.一种设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-2中任一项所述的图形确定方法。
6.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-2中任一项所述的图形确定方法。
CN201910189009.4A 2019-03-13 2019-03-13 一种图形确定方法、装置、设备及存储介质 Active CN109948115B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910189009.4A CN109948115B (zh) 2019-03-13 2019-03-13 一种图形确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910189009.4A CN109948115B (zh) 2019-03-13 2019-03-13 一种图形确定方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109948115A CN109948115A (zh) 2019-06-28
CN109948115B true CN109948115B (zh) 2023-06-06

Family

ID=67009677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910189009.4A Active CN109948115B (zh) 2019-03-13 2019-03-13 一种图形确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109948115B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012092760A (ja) * 2010-10-27 2012-05-17 Waseda Univ 応答曲面モデル構築装置及びプログラム
CN107111651A (zh) * 2016-07-29 2017-08-29 深圳越界创新科技有限公司 一种匹配度计算方法、装置以及用户设备
CN107748779A (zh) * 2017-10-20 2018-03-02 百度在线网络技术（北京）有限公司 信息生成方法和装置
CN108287808A (zh) * 2018-01-29 2018-07-17 华中科技大学 一种面向结构可靠性分析的通用动态追踪序列采样方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012092760A (ja) * 2010-10-27 2012-05-17 Waseda Univ 応答曲面モデル構築装置及びプログラム
CN107111651A (zh) * 2016-07-29 2017-08-29 深圳越界创新科技有限公司 一种匹配度计算方法、装置以及用户设备
CN107748779A (zh) * 2017-10-20 2018-03-02 百度在线网络技术（北京）有限公司 信息生成方法和装置
CN108287808A (zh) * 2018-01-29 2018-07-17 华中科技大学 一种面向结构可靠性分析的通用动态追踪序列采样方法

Also Published As

Publication number Publication date
CN109948115A (zh) 2019-06-28

Similar Documents

Publication Publication Date Title
US10031945B2 (en) Automated outlier detection
Chiuso et al. A Bayesian approach to sparse dynamic network identification
CN111062467B (zh) 一种应用于ai异构编译器的自动切分神经网络子图方法
CN110309269B (zh) 应答处理方法及其系统、计算机系统及计算机可读介质
AU2017268599B2 (en) Method, device, server and storage medium of searching a group based on social network
US20190287010A1 (en) Search point determining method and search point determining apparatus
CN113254797B (zh) 一种社交网络社区的搜索方法、装置以及处理设备
CN112966054A (zh) 基于企业图谱节点间关系的族群划分方法和计算机设备
CN112784961A (zh) 超网络的训练方法、装置、电子设备和存储介质
CN113807926A (zh) 推荐信息生成方法、装置、电子设备和计算机可读介质
CN114816711A (zh) 批量任务处理方法、装置、计算机设备和存储介质
Jadbabaie et al. Inference in opinion dynamics under social pressure
CN115019128A (zh) 图像生成模型训练方法、图像生成方法及相关装置
Roozbeh et al. A nonlinear mixed–integer programming approach for variable selection in linear regression model
CN109948115B (zh) 一种图形确定方法、装置、设备及存储介质
US11669727B2 (en) Information processing device, neural network design method, and recording medium
CN117992197A (zh) 神经网络模型映射调度运行方法、装置、电子设备及介质
Wang et al. A general approach for synchronisation of nonlinear networked systems with switching topology
Zhang et al. An improved label propagation algorithm based on the similarity matrix using random walk
CN112817560A (zh) 一种基于表函数的计算任务处理方法、系统及计算机可读存储介质
CN112306452A (zh) 归并排序算法处理业务数据的方法、装置及系统
CN113052712B (zh) 社交数据的分析方法、系统及存储介质
CN114880982A (zh) 时钟树生成方法、装置、设备、存储介质和芯片
US20200387811A1 (en) Systems and methods for neighbor frequency aggregation of parametric probability distributions with decision trees
Maestre et al. A cooperative game theory approach to the PageRank problem

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
GR01 Patent grant
GR01 Patent grant