CN110210895A - 一种基于全新商业模式下的收益权分红分配系统及分配方法 - Google Patents

Abstract

本发明属于电子商务技术领域，公开了一种基于全新商业模式下的收益权分红分配系统及分配方法，采用商家营业额的及时到账技术进行分润；采用收益权技术进行的分红增值；进行销售利润的分配，让每个消费者得到消费红利，实现商业行为的参与者、商家资源共享；建立共享收益分配权。本发明具有营业额利润二次分配的创新商业模式；汉富新生活收益权增值的创新商业逻辑；分享经济、共享经济、全民持股的落地实施；本发明解决了现有技术中，收益权分红分配分配系统不能有效提高数据分类的质量和速度，降低了整个系统的反应速度和准确度的问题。

Description

一种基于全新商业模式下的收益权分红分配系统及分配方法

技术领域

本发明属于电子商务技术领域，尤其涉及一种基于全新商业模式下的收益权分红分配系统及分配方法。

背景技术

目前，最接近的现有技术：

现有B2B2C商城收取入驻商家保证金、抽提营业额、推广宣传营销费、克扣商家营业额，到账不及时，把商家的资金沉淀而另做他用，甚至有些卷款跑路。

综上所述，现有技术存在的问题是：

(1)现有技术中，没有结合营业额利润二次分配的商业模式，造成商家、消费者的收权益不能有效得到保护，而且现在的操作模式繁琐、不准确、效率低，得不到忠诚的消费者。

(2)现有技术中收益权分红分配分配系统不会根据消费者的消费金额数值，反馈一定比例的消费红包；当反馈相同的消费红包时，拉动不了消费者的消费；当反馈较大的消费红包时，会严重损坏商家的利润。

(3)现有技术中，收益权分红分配分配系统不能有效提高数据分类的质量和速度，降低了整个系统的反应速度和准确度。

解决上述技术问题的难度：

本发明利用区块链节点技术的溯源、高透明度、不可篡改、简单公开的展现出来。

解决上述技术问题的意义：

本发明通过消费行为利润的利益二次分配让消费者得到持久的分润达到消费者的忠诚度。

发明内容

针对现有技术存在的问题，本发明提供了一种基于全新商业模式下的收益权分红分配系统及分配方法。

本发明是这样实现的，一种基于全新商业模式下的收益权分红分配方法，所述全新商业模式下的收益权分红分配方法包括：

采用商家营业额的及时到账技术进行分润；

采用收益权技术进行分红增值；

进行销售利润的分配，让每个消费者得到消费红利，实现商业行为的参与者、商家资源共享；

建立共享收益分配权。

进一步，采用收益权技术进行分红增值中，

存储收益种群进化过程中得到的优势收益权方案，根据收益权方案支配关系进行维护，将熵度量作为相关度目标，相关系数作为冗余度目标用以优化数据对象，对对应特征子集被选择的次数进行降序排列，获得所有特征的重要序列，并应用于分红增值的特征选择。

进一步，利用相关度和冗余度的概念定义一组最小化的目标函数，用以评价分红增值辐射源信号特征子集的质量；其中相关度倾向保留所有与数据结构关联紧密的特征，而冗余度则会排除与已选特征相关度高的特征；二者作为收益权技术的适应度函数；

相关度目标采用熵度量指标：

其中，N是分红增值信号数据样本的个数；a是权重系数，D_ij是样本i和样本j在x所表示的特征子集下的欧式距离；D_a表示所有样本在全空间下欧式距离的平均值。S_ij的取值必须归一化到[0，1]；当选择的特征子集合理时，样本i 和样本j若属于同类，则S_ij的取值很小，反之越大；从而f₁(x)选取最小值；

冗余度目标则利用相关系数，当相关系数绝对值越小，特征子集所包含的冗余越小；目标函数定义如下：

其中，n_x表示分红增值信号特征子集的个数；d是总的特征个数；x_j和x_k分别表示x中第j个和第k个元素的取值；b_ij表示第i个样本在第j个特征上的取值，b_aj表示所有样本在第j个特征上的均值。因此，在特征子集规模确定时，冗余度小的特征子集对应的目标函数f₂(x)越小；

所述收益权技术计算Pareto前沿点，根据相关度和冗余度目标函数计算分红增值信号特征收益权方案的适应度，并求出当前字符收益权方案中的Pareto前沿点，时间复杂度为O(N²)；

初始化分润数据，Pareto前沿点数量小于预设数值R，则直接将所有点存入分润数据中；Pareto前沿点数量大于预设数值，根据公式(5)计算所有Pareto前沿点的拥挤距离，从拥挤距离最小的点开始逐一删除，直至备选存入分润数据的Pareto前沿点数量与预设数值相等；然后将这些前沿点存放在分润数据中；

式中，n表示目标函数的个数，d_i表示第i个字符对象的在收益种群中的拥挤距离，表示收益种群中第m个目标函数取得的最大值，表示收益种群中第m个目标函数取得的最小值，和是第i个字符对象在第m维两侧最临近点的第m个目标函数值，其中

调用分裂规则创建优选方案，完成准备工作后，普通方案内开始分裂生成 M个优选方案；分裂优选方案数量M与分润数据的Pareto前沿点数量相等；然后将这些存档的Pareto前沿点作为该优选方案内收益种群的最优收益权方案；最后，将其余各个收益权方案放入距离自身最近的Pareto前沿点所在优选方案中，时间复杂度为O(N×R)；

优选方案内独立执行收益权技术，各个优选方案内，以最先存入分润数据内的Pareto前沿点为收益种群最优收益权方案，运用公式X_t+1＝X_t+V_t+1和和公式Π＝(V,T,C,μ,ω₁,…,ω_m,(R₁,ρ₁),…(R_m,ρ_m))，计算新的收益权方案速度和位置。并根据最新的位置重新计算适应度；其中，公式中，V_t，V_t+1分别是第t和第t+1次飞行的速度；X_t，X_t+1分别是经过第t和第t+1次飞行后粒子落在的位置；公式Π＝(V，T，C，p，ω₁，L，ω_m，(R_1，ρ₁)，Ln(R_m，ρ_m))中，V 为字母表，其所包含元素为字符对象。它是对细胞内新陈代谢元素、物质的抽象；为输出字母表；为催化剂，这些元素在细胞进化过程中即不发生变化，也不产生新的字符。但在某些进化规则中必需有它的参与才能执行，如果不存在规则将无法被执行；μ是包含m个支付平台的支付平台结构，各个支付平台及其所围的区域用标号集H表示，H＝{1,2,…,m}，其中m称为该支付平台的度；ω_i∈V^*(1≤i≤m)表示支付平台结构μ中的区域i里面含有对象的多重集，V^*是V中字符组成的任意字符对象的集合；R_i(1≤i≤m)是进化规则的有限集，每一个R_i是与支付平台结构u中的区域i相关联的，ρ_i是R_i中的偏序关系，称为优先关系，表示规则R_i执行的优先关系。R_i的进化规则是二元组(u,v)，通常写成u→v， v中字符可以属于V也可以不属于V，但当某规则执行后产生了不属于V的字符对象时，执行该规则后支付平台被溶解；u的长度即u所含字符对象的个数称为规则u→v的半径；

完成各自的收益权技术后，各个优选方案破裂，将新产生的字符(收益权方案) 重新释放到普通方案内；

计算前沿点，放入分润数据；计算所有被释放到普通方案字符的Pareto前沿点；并将这些点存入分润数据中；

计算非支配排序，更新分润数据，判断分润数据字符数量是否超出限制，如果超出限制，重新方案内所有字符的拥挤距离；从拥挤距离最小的点开始逐一删除，直至分润数据内字符数量与预设数值相等，时间复杂度为O(D×2R×log(2R))；

判断当前状态是否满足结束循环的条件；如果不满足，则继续执行；如果满足，执行输出优选方案内的所有字符步骤；

在普通方案内生成N个字符，表示提取的分红增值辐射源信号特征集个数，每个字符包含D维变量，并在满足多目标优化问题约束条件的前提下，依次对 N个字符进行初始化，编码方式采用二进制编码方式；收益权方案x＝{x₁,x₂,...,x_D} 的取值范围{0，1}，当取值为1时该特征被选中；初始化时，计算所有样本取值在各个特征上的方差，然后根据下面公式计算所选取的概率；

v_j表示在第j维特征上所有样本取值的方差；当P大于0.5时，该特征易于选中；

所述普通方案采用支付平台，所述支付平台的结构组成表达式如下：

Π＝(V，乙C，μ，ω₁，L，ω_n，(R₁，ρ₁)，L，(R_m，p_m)) (4)；

其中，V为字母表，其所包含元素为字符对象。它是对细胞内新陈代谢元素、物质的抽象；

为输出字母表；

为催化剂，这些元素在细胞进化过程中即不发生变化，也不产生新的字符；但在某些进化规则中必需有它的参与才能执行，如果不存在规则将无法被执行；

μ是包含m个支付平台的支付平台结构，各个支付平台及其所围的区域用标号集H表示，H＝{1,2,…,m}，其中m称为该支付平台的度；

ω_i∈V^*(1≤i≤m)表示支付平台结构μ中的区域i里面含有对象的多重集，V^*是V中字符组成的任意字符对象的集合；

R_i(1≤i≤m)是进化规则的有限集，每一个R_i是与支付平台结构u中的区域i相关联的，ρ_i是R_i中的偏序关系，称为优先关系，表示规则R_i执行的优先关系。R_i的进化规则是二元组(u,v)，通常写成u→v，v中字符可以属于V也可以不属于V，但当某规则执行后产生了不属于V的字符对象时，执行该规则后支付平台就被溶解了。u的长度即u所含字符对象的个数称为规则u→v的半径；

整个支付平台处于给定环境中；系统由5个以上相互关联的支付平台按层次组合而成；最外层的支付平台被称为普通方案(Skin membrane)，而不包含其它支付平台结构的支付平台叫做优选方案(Elementary membrane)；每个支付平台所包围的部分被称为区域(Regions)；

所述拥挤距离的计算公式；

式中，n表示目标函数的个数，d_i表示第i个字符对象的在收益种群中的拥挤距离，表示收益种群中第m个目标函数取得的最大值，表示收益种群中第 m个目标函数取得的最小值，和是第i个字符对象在第m维两侧最临近点的第m个目标函数值，其中

进一步，所述收益权分红分配分配方法中采用收益权(富权)的分红增值模式让每个消费者得到消费红利，具体实现步骤如下：

第一步，商家在客户端设定相对应的消费金额红包；根据消费者的消费金额，按照一定比例化分不同区间相对应的消费红包；

第二步，商家客户端将设定的信息传递到支付平台，支付平台接收消费客户端的消费金额信息，进行相应的处理；

第三步，按照设定的反馈消费红包及时发送到消费客户端；

第四步，消费者在客户端及时接收消费红包，接收信息传递到支付平台，支付平台将消费红包存入消费者的账户上。

进一步，所述商家资源共享方法包括：商家资源共享系统中客户端通过网络传递到云服务器，其他客户端通过网络提取云服务器中相关的资料，具体包括以下步骤：

步骤一，首先，初始化客户资源分类质心，更新雇佣蜂的新质心值，使用 mapreduce评估适应度；

步骤二，从每个观察蜂从雇佣蜂选择质心，使用map reduce评估适应度；

步骤三，判断“是否放弃当前质心”是，侦查蜂重新生成新的质心；否，判断“是否满足结束条件”是，输出基于最优质心进行聚类，否，更新雇佣蜂的新质心值；否，判断“是否满足结束条件”是，输出基于最优质心进行聚类，否，更新雇佣蜂的新质心值。

本发明的另一目的在于提供一种实现所述全新商业模式下的收益权分红分配方法的信息数据处理终端。

本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的全新商业模式下的收益权分红分配方法。

本发明的另一目的在于提供一种基于全新商业模式下的收益权分红分配系统，所述基于全新商业模式下的收益权分红分配系统包括：

支付平台，通过APP支付接口与银联终端对接，将商家终端提交的资料在银联终端入驻，商家用户的营业额数据直接入驻商家的银联账户；

商家终端，让利的利润作为奖金直接进入支付平台的银联奖金池由银联终端进行监管，奖金的分配由支付平台分配给消费者、推荐者、收益权增值终端；

消费者、推荐者、收益权增值终端，奖金发起提现时支付平台将消费者、推荐者的银行卡账号、开户行信息、提现金额、提现人姓名传给银联终端，由银联终端的代付接口把成功与否的转款信息传给支付平台。

进一步，APP支付接口，用于调取支付宝、微信、云闪付支付信息；支付平台还用于与银联终端对接接口的调试、调整。

进一步，消费者、推荐者、收益权增值终端包括：

扫码付款模块，用于商家展示银联终端聚合收钱码收款，消费者通过支付宝、微信钱包类APP扫码进行完成支付。

综上所述，本发明的优点及积极效果为：

本发明提供的基于全新商业模式下的收益权分红分配系统中，汉富新生活为商家免费提供线上入驻和线下本地服务入驻的平台，消费者、推广者都获得商家的让利金额，为商家与消费者搭建粘性购物，达到互惠互利的共赢。并且商家的营业额直接到商家绑定的银联账户中，及时安全有保障。

本发明具有营业额利润二次分配的创新商业模式。汉富新生活收益权(富权)增值的创新商业逻辑。分享经济、共享经济、全民持股的推广落地实施。

本发明汉富新生活B2B2C商城一切从便民生活出发通过对原有商业模式的创新实现维护商家、消费者的权益，商家只需要拿出订单金额利润的一小部分让利，平台把商家的这部分让利分别给消费者、推荐者、一部分用于收益权(富权)增值，收益权(富权)相当于在汉富新生活中的股权，可以变现；汉富新生活与银联对接，资金托管到银联，商家营业额可及时安全直接到商家银联账户中；消费者得到的商家让利可购物、可提现，其中提现部分由程序对接银联代付接口，实现便捷、准确、高效。

本发明中收益权分红分配分配方法中采用收益权(富权)的分红增值模式让每个消费者得到消费红利，能有效提高消费者的消费激情，拉动消费的增长；同时按照一定消费比例进行反馈相应的红包，保护了商家的消费利润。本发明中采用大数据聚类算法对云服务器中相关的资料进行分类聚类，提高了聚类的质量和速度。

本发明全新商业模式下的收益权分红分配方法采用商家营业额的及时到账技术进行分润；采用收益权技术进行分红增值；进行销售利润的分配，让每个消费者得到消费红利，实现商业行为的参与者、商家资源共享；建立共享收益分配权。采用收益权技术进行分红增值中，存储收益种群进化过程中得到的优势收益权方案，根据收益权方案支配关系进行维护，将熵度量作为相关度目标，相关系数作为冗余度目标用以优化数据对象，对对应特征子集被选择的次数进行降序排列，获得所有特征的重要序列，并应用于分红增值的特征选择。分红增值准确性为98％。

附图说明

图1是本发明实施例提供的基于全新商业模式下的收益权分红分配系统示意图。

图中：1、支付平台；2、商家终端；3、消费者、推荐者、收益权增值终端； 4、APP支付接口；5、扫码付款模块。

图2是本发明实施例提供的商家资源共享方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

现有技术中，没有结合营业额利润二次分配的商业模式、汉富新生活收益权(富权)增值的商业逻辑、分享经济、共享经济、全民持股的落地实施，造成商家、消费者的权益不能有效得到保护，而且现在的操作模式繁琐、不准确、效率低。

为解决上述问题，下面结合附图对本发明作详细描述。

如图1所述，本发明实施例提供的基于全新商业模式下的收益权分红分配系统包括：

支付平台1，通过APP支付接口与银联终端对接，将商家终端提交的资料在银联终端入驻，商家用户的营业额数据直接入驻商家的银联账户；

商家终端2，让利的利润作为奖金直接进入支付平台的银联奖金池由银联终端进行监管，奖金的分配由支付平台分配给消费者、推荐者、收益权增值终端；

消费者、推荐者、收益权增值终端3，奖金发起提现时支付平台将消费者、推荐者的银行卡账号、开户行信息、提现金额、提现人姓名传给银联终端，由银联终端的代付接口把成功与否的转款信息传给支付平台。

在本发明实施例中，APP支付接口4，可调取支付宝、微信、云闪付支付，也可用汉富余额支付。

在本发明实施例中，消费者、推荐者、收益权增值终端3包括：扫码付款模块5，用于商家展示银联终端聚合收钱码收款，消费者通过支付宝、微信钱包类APP扫码进行完成支付。

在本发明实施例中，支付平台还用于与银联终端对接接口的调试，可对运营过程中出现的问题作出及时的调整。

本发明实施例提供的基于全新商业模式下的收益权分红分配系统及分配方法包括：

采用商家营业额的及时到账技术的分润模式；

采用收益权(富权)的分红增值模式；

进行销售利润的合理分配，拉动消费，让每个消费者得到消费红利，成为商业行为的参与者、商家资源共享，达到国家号召的分享经济，共享经济。

建立利益共同体让所有参与者全民享有收益分配权。

在本发明实施例中，采用收益权技术进行分红增值中，

存储收益种群进化过程中得到的优势收益权方案，根据收益权方案支配关系进行维护，将熵度量作为相关度目标，相关系数作为冗余度目标用以优化数据对象，对对应特征子集被选择的次数进行降序排列，获得所有特征的重要序列，并应用于分红增值的特征选择。

在本发明实施例中，利用相关度和冗余度的概念定义一组最小化的目标函数，用以评价分红增值辐射源信号特征子集的质量；其中相关度倾向保留所有与数据结构关联紧密的特征，而冗余度则会排除与已选特征相关度高的特征；二者作为收益权技术的适应度函数；

相关度目标采用熵度量指标：

其中，N是分红增值信号数据样本的个数；a是权重系数，D_ij是样本i和样本j在x所表示的特征子集下的欧式距离；D_a表示所有样本在全空间下欧式距离的平均值。S_ij的取值必须归一化到[0，1]；当选择的特征子集合理时，样本i 和样本j若属于同类，则S_ij的取值很小，反之越大；从而f₁(x)选取最小值；

冗余度目标则利用相关系数，当相关系数绝对值越小，特征子集所包含的冗余越小；目标函数定义如下：

其中，n_x表示分红增值信号特征子集的个数；d是总的特征个数；x_j和x_k分别表示x中第j个和第k个元素的取值；b_ij表示第i个样本在第j个特征上的取值，b_aj表示所有样本在第j个特征上的均值。因此，在特征子集规模确定时，冗余度小的特征子集对应的目标函数f₂(x)越小；

所述收益权技术计算Pareto前沿点，根据相关度和冗余度目标函数计算分红增值信号特征收益权方案的适应度，并求出当前字符收益权方案中的Pareto前沿点，时间复杂度为O(N²)；

初始化分润数据，Pareto前沿点数量小于预设数值R，则直接将所有点存入分润数据中；Pareto前沿点数量大于预设数值，根据公式(5)计算所有Pareto前沿点的拥挤距离，从拥挤距离最小的点开始逐一删除，直至备选存入分润数据的Pareto前沿点数量与预设数值相等；然后将这些前沿点存放在分润数据中；

式中，n表示目标函数的个数，d_i表示第i个字符对象的在收益种群中的拥挤距离，表示收益种群中第m个目标函数取得的最大值，表示收益种群中第m个目标函数取得的最小值，和是第i个字符对象在第m维两侧最临近点的第m个目标函数值，其中

调用分裂规则创建优选方案，完成准备工作后，普通方案内开始分裂生成 M个优选方案；分裂优选方案数量M与分润数据的Pareto前沿点数量相等；然后将这些存档的Pareto前沿点作为该优选方案内收益种群的最优收益权方案；最后，将其余各个收益权方案放入距离自身最近的Pareto前沿点所在优选方案中，时间复杂度为O(N×R)；

优选方案内独立执行收益权技术，各个优选方案内，以最先存入分润数据内的Pareto前沿点为收益种群最优收益权方案，运用公式X_t+1＝X_t+V_t+1和和公式Π＝(V,T,C,μ,ω₁,…,ω_m,(R₁,ρ₁),…(R_m,ρ_m))，计算新的收益权方案速度和位置。并根据最新的位置重新计算适应度；其中，公式中，V_t，V_t+1分别是第t和第t+1次飞行的速度；X_t，X_t+1分别是经过第t和第t+1次飞行后粒子落在的位置；公式Π＝(V，T，C，μ，ω₁，L，ω_m，(R₁，ρ₁)，Ln(R_m，p_m))中，V 为字母表，其所包含元素为字符对象。它是对细胞内新陈代谢元素、物质的抽象；为输出字母表；为催化剂，这些元素在细胞进化过程中即不发生变化，也不产生新的字符。但在某些进化规则中必需有它的参与才能执行，如果不存在规则将无法被执行；μ是包含m个支付平台的支付平台结构，各个支付平台及其所围的区域用标号集H表示，H＝{1,2,…,m}，其中m称为该支付平台的度；ω_i∈V^*(1≤i≤m)表示支付平台结构μ中的区域i里面含有对象的多重集，V^*是V中字符组成的任意字符对象的集合；R_i(1≤i≤m)是进化规则的有限集，每一个R_i是与支付平台结构u中的区域i相关联的，ρ_i是R_i中的偏序关系，称为优先关系，表示规则R_i执行的优先关系。R_i的进化规则是二元组(u,v)，通常写成u→v， v中字符可以属于V也可以不属于V，但当某规则执行后产生了不属于V的字符对象时，执行该规则后支付平台被溶解；u的长度即u所含字符对象的个数称为规则u→v的半径；

完成各自的收益权技术后，各个优选方案破裂，将新产生的字符(收益权方案) 重新释放到普通方案内；

计算前沿点，放入分润数据；计算所有被释放到普通方案字符的Pareto前沿点；并将这些点存入分润数据中；

计算非支配排序，更新分润数据，判断分润数据字符数量是否超出限制，如果超出限制，重新方案内所有字符的拥挤距离；从拥挤距离最小的点开始逐一删除，直至分润数据内字符数量与预设数值相等，时间复杂度为O(D×2R×log(2R))；

判断当前状态是否满足结束循环的条件；如果不满足，则继续执行；如果满足，执行输出优选方案内的所有字符步骤；

在普通方案内生成N个字符，表示提取的分红增值辐射源信号特征集个数，每个字符包含D维变量，并在满足多目标优化问题约束条件的前提下，依次对 N个字符进行初始化，编码方式采用二进制编码方式；收益权方案x＝{x₁,x₂,...,x_D} 的取值范围{0，1}，当取值为1时该特征被选中；初始化时，计算所有样本取值在各个特征上的方差，然后根据下面公式计算所选取的概率；

v_j表示在第j维特征上所有样本取值的方差；当P大于0.5时，该特征易于选中；

所述普通方案采用支付平台，所述支付平台的结构组成表达式如下：

Π＝(V，T，C，μ，ω₁，L，ω_m，(R₁，ρ₁)，L，(R_m，p_m)) (4)；

其中，V为字母表，其所包含元素为字符对象。它是对细胞内新陈代谢元素、物质的抽象；

为输出字母表；

为催化剂，这些元素在细胞进化过程中即不发生变化，也不产生新的字符；但在某些进化规则中必需有它的参与才能执行，如果不存在规则将无法被执行；

μ是包含m个支付平台的支付平台结构，各个支付平台及其所围的区域用标号集H表示，H＝{1,2,…,m}，其中m称为该支付平台的度；

ω_i∈V^*(1≤i≤m)表示支付平台结构μ中的区域i里面含有对象的多重集，V^*是V中字符组成的任意字符对象的集合；

R_i(1≤i≤m)是进化规则的有限集，每一个R_i是与支付平台结构u中的区域i相关联的，ρi是R_i中的偏序关系，称为优先关系，表示规则R_i执行的优先关系。R_i的进化规则是二元组(u,v)，通常写成u→v，v中字符可以属于V也可以不属于V，但当某规则执行后产生了不属于V的字符对象时，执行该规则后支付平台就被溶解了。u的长度即u所含字符对象的个数称为规则u→v的半径；

整个支付平台处于给定环境中；系统由5个以上相互关联的支付平台按层次组合而成；最外层的支付平台被称为普通方案(Skin membrane)，而不包含其它支付平台结构的支付平台叫做优选方案(Elementary membrane)；每个支付平台所包围的部分被称为区域(Regions)；

所述拥挤距离的计算公式；

式中，n表示目标函数的个数，d_i表示第i个字符对象的在收益种群中的拥挤距离，表示收益种群中第m个目标函数取得的最大值，表示收益种群中第 m个目标函数取得的最小值，和是第i个字符对象在第m维两侧最临近点的第m个目标函数值，其中

在本发明实施例中，所述收益权分红分配分配方法中采用收益权(富权) 的分红增值模式让每个消费者得到消费红利，具体实现步骤如下：

步骤一，商家在客户端设定相对应的消费金额红包；根据消费者的消费金额，按照一定比例化分不同区间相对应的消费红包；

步骤二，商家客户端将设定的信息传递到支付平台，支付平台接收消费客户端的消费金额信息，进行相应的处理；

步骤三，按照设定的反馈消费红包及时发送到消费客户端；

步骤四，消费者在客户端及时接收消费红包，接收信息传递到支付平台，支付平台将消费红包存入消费者的账户上。

如图2所示，本发明实施例提供的商家资源共享方法包括：商家资源共享系统中客户端通过网络传递到云服务器，其他客户端通过网络提取云服务器中相关的资料，为了有效提高大数据集的聚类质量，加快聚类速度，采用大数据聚类算法，具体包括以下步骤：

步骤一，首先，初始化客户资源分类质心，更新雇佣蜂的新质心值，使用 mapreduce评估适应度；

步骤二，从每个观察蜂从雇佣蜂选择质心，使用map reduce评估适应度；

步骤三，判断“是否放弃当前质心”是，侦查蜂重新生成新的质心；否，判断“是否满足结束条件”是，输出基于最优质心进行聚类，否，更新雇佣蜂的新质心值；否，判断“是否满足结束条件”是，输出基于最优质心进行聚类，否，更新雇佣蜂的新质心值。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于全新商业模式下的收益权分红分配方法，其特征在于，所述全新商业模式下的收益权分红分配方法包括：

采用商家营业额的及时到账技术进行分润；

采用收益权技术进行分红增值；

进行销售利润的分配，让每个消费者得到消费红利，实现商业行为的参与者、商家资源共享；

建立共享收益分配权。

2.如权利要求1所述的基于全新商业模式下的收益权分红分配方法，其特征在于，采用收益权技术进行分红增值中，

存储收益种群进化过程中得到的优势收益权方案，根据收益权方案支配关系进行维护，将熵度量作为相关度目标，相关系数作为冗余度目标用以优化数据对象，对对应特征子集被选择的次数进行降序排列，获得所有特征的重要序列，并应用于分红增值的特征选择。

3.如权利要求2所述的基于全新商业模式下的收益权分红分配方法，其特征在于，利用相关度和冗余度的概念定义一组最小化的目标函数，用以评价分红增值辐射源信号特征子集的质量；其中相关度倾向保留所有与数据结构关联紧密的特征，而冗余度则会排除与已选特征相关度高的特征；二者作为收益权技术的适应度函数；

相关度目标采用熵度量指标：

其中，N是分红增值信号数据样本的个数；a是权重系数，D_ij是样本i和样本j在x所表示的特征子集下的欧式距离；D_a表示所有样本在全空间下欧式距离的平均值。S_ij的取值必须归一化到[0，1]；当选择的特征子集合理时，样本i和样本j若属于同类，则S_ij的取值很小，反之越大；从而f₁(x)选取最小值；

冗余度目标则利用相关系数，当相关系数绝对值越小，特征子集所包含的冗余越小；目标函数定义如下：

其中，n_x表示分红增值信号特征子集的个数；d是总的特征个数；x_j和x_k分别表示x中第j个和第k个元素的取值；b_ij表示第i个样本在第j个特征上的取值，b_aj表示所有样本在第j个特征上的均值。因此，在特征子集规模确定时，冗余度小的特征子集对应的目标函数f₂(x)越小；

所述收益权技术计算Pareto前沿点，根据相关度和冗余度目标函数计算分红增值信号特征收益权方案的适应度，并求出当前字符收益权方案中的Pareto前沿点，时间复杂度为O(N²)；

初始化分润数据，Pareto前沿点数量小于预设数值R，则直接将所有点存入分润数据中；Pareto前沿点数量大于预设数值，根据公式(5)计算所有Pareto前沿点的拥挤距离，从拥挤距离最小的点开始逐一删除，直至备选存入分润数据的Pareto前沿点数量与预设数值相等；然后将这些前沿点存放在分润数据中；

式中，n表示目标函数的个数，d_i表示第i个字符对象的在收益种群中的拥挤距离，表示收益种群中第m个目标函数取得的最大值，表示收益种群中第m个目标函数取得的最小值，和是第i个字符对象在第m维两侧最临近点的第m个目标函数值，其中

调用分裂规则创建优选方案，完成准备工作后，普通方案内开始分裂生成M个优选方案；分裂优选方案数量M与分润数据的Pareto前沿点数量相等；然后将这些存档的Pareto前沿点作为该优选方案内收益种群的最优收益权方案；最后，将其余各个收益权方案放入距离自身最近的Pareto前沿点所在优选方案中，时间复杂度为O(N×R)；

优选方案内独立执行收益权技术，各个优选方案内，以最先存入分润数据内的Pareto前沿点为收益种群最优收益权方案，运用公

式X_t+1＝X_t+V_t+1和

和公式Π＝(V,T,C,μ,ω₁,…,ω_m,(R₁,ρ₁),…(R_m,ρ_m))，计算新的收益权方案速度和位置。并根据最新的位置重新计算适应度；其中，公式中，V_t，V_t+1分别是第t和第t+1次飞行的速度；X_t，X_t+1分别是经过第t和第t+1次飞行后粒子落在的位置；公式Π＝(V，T，C，μ，ω₁，L，ω_m，(R₁，ρ₁)，L n(R_m，ρ_m))中，V为字母表，其所包含元素为字符对象。它是对细胞内新陈代谢元素、物质的抽象；为输出字母表；为催化剂，这些元素在细胞进化过程中即不发生变化，也不产生新的字符。但在某些进化规则中必需有它的参与才能执行，如果不存在规则将无法被执行；μ是包含m个支付平台的支付平台结构，各个支付平台及其所围的区域用标号集H表示，H＝{1,2,…,m}，其中m称为该支付平台的度；ω_i∈V^*(1≤i≤m)表示支付平台结构μ中的区域i里面含有对象的多重集，V^*是V中字符组成的任意字符对象的集合；R_i(1≤i≤m)是进化规则的有限集，每一个R_i是与支付平台结构u中的区域i相关联的，ρ_i是R_i中的偏序关系，称为优先关系，表示规则R_i执行的优先关系。R_i的进化规则是二元组(u,v)，通常写成u→v，v中字符可以属于V也可以不属于V，但当某规则执行后产生了不属于V的字符对象时，执行该规则后支付平台被溶解；u的长度即u所含字符对象的个数称为规则u→v的半径；

完成各自的收益权技术后，各个优选方案破裂，将新产生的字符(收益权方案)重新释放到普通方案内；

计算前沿点，放入分润数据；计算所有被释放到普通方案字符的Pareto前沿点；并将这些点存入分润数据中；

计算非支配排序，更新分润数据，判断分润数据字符数量是否超出限制，如果超出限制，重新方案内所有字符的拥挤距离；从拥挤距离最小的点开始逐一删除，直至分润数据内字符数量与预设数值相等，时间复杂度为O(D×2R×log(2R))；

判断当前状态是否满足结束循环的条件；如果不满足，则继续执行；如果满足，执行输出优选方案内的所有字符步骤；

在普通方案内生成N个字符，表示提取的分红增值辐射源信号特征集个数，每个字符包含D维变量，并在满足多目标优化问题约束条件的前提下，依次对N个字符进行初始化，编码方式采用二进制编码方式；收益权方案x＝{x₁,x₂,...,x_D}的取值范围{0，1}，当取值为1时该特征被选中；初始化时，计算所有样本取值在各个特征上的方差，然后根据下面公式计算所选取的概率；

v_j表示在第j维特征上所有样本取值的方差；当P大于0.5时，该特征易于选中；

所述普通方案采用支付平台，所述支付平台的结构组成表达式如下：

Π＝(V，T，C，μ，ω₁，L，ω_m，(R₁，ρ₁)，L，(R_m，ρ_m)) (4)；

其中，V为字母表，其所包含元素为字符对象。它是对细胞内新陈代谢元素、物质的抽象；

为输出字母表；

为催化剂，这些元素在细胞进化过程中即不发生变化，也不产生新的字符；但在某些进化规则中必需有它的参与才能执行，如果不存在规则将无法被执行；

μ是包含m个支付平台的支付平台结构，各个支付平台及其所围的区域用标号集H表示，H＝{1,2,…,m}，其中m称为该支付平台的度；

ω_i∈V^*(1≤i≤m)表示支付平台结构μ中的区域i里面含有对象的多重集，V^*是V中字符组成的任意字符对象的集合；

R_i(1≤i≤m)是进化规则的有限集，每一个R_i是与支付平台结构u中的区域i相关联的，ρ_i是R_i中的偏序关系，称为优先关系，表示规则R_i执行的优先关系。R_i的进化规则是二元组(u,v)，通常写成u→v，v中字符可以属于V也可以不属于V，但当某规则执行后产生了不属于V的字符对象时，执行该规则后支付平台就被溶解了。u的长度即u所含字符对象的个数称为规则u→v的半径；

整个支付平台处于给定环境中；系统由5个以上相互关联的支付平台按层次组合而成；最外层的支付平台被称为普通方案(Skin membrane)，而不包含其它支付平台结构的支付平台叫做优选方案(Elementary membrane)；每个支付平台所包围的部分被称为区域(Regions)；

所述拥挤距离的计算公式；

式中，n表示目标函数的个数，d_i表示第i个字符对象的在收益种群中的拥挤距离，表示收益种群中第m个目标函数取得的最大值，表示收益种群中第m个目标函数取得的最小值，和是第i个字符对象在第m维两侧最临近点的第m个目标函数值，其中

4.如权利要求1所述全新商业模式下的收益权分红分配方法，其特征在于，所述收益权分红分配分配方法中采用收益权(富权)的分红增值模式让每个消费者得到消费红利，具体实现步骤如下：

第一步，商家在客户端设定相对应的消费金额红包；根据消费者的消费金额，按照一定比例化分不同区间相对应的消费红包；

第二步，商家客户端将设定的信息传递到支付平台，支付平台接收消费客户端的消费金额信息，进行相应的处理；

第三步，按照设定的反馈消费红包及时发送到消费客户端；

第四步，消费者在客户端及时接收消费红包，接收信息传递到支付平台，支付平台将消费红包存入消费者的账户上。

5.如权利要求1所述全新商业模式下的收益权分红分配方法，其特征在于，所述商家资源共享方法包括：商家资源共享系统中客户端通过网络传递到云服务器，其他客户端通过网络提取云服务器中相关的资料，具体包括以下步骤：

步骤一，首先，初始化客户资源分类质心，更新雇佣蜂的新质心值，使用map reduce评估适应度；

步骤二，从每个观察蜂从雇佣蜂选择质心，使用map reduce评估适应度；

步骤三，判断“是否放弃当前质心”是，侦查蜂重新生成新的质心；否，判断“是否满足结束条件”是，输出基于最优质心进行聚类，否，更新雇佣蜂的新质心值；否，判断“是否满足结束条件”是，输出基于最优质心进行聚类，否，更新雇佣蜂的新质心值。

6.一种实现权利要求1～5任意一项所述全新商业模式下的收益权分红分配方法的信息数据处理终端。

7.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1～5任意一项所述的全新商业模式下的收益权分红分配方法。

8.一种基于全新商业模式下的收益权分红分配系统，其特征在于，所述基于全新商业模式下的收益权分红分配系统包括：

支付平台，通过APP支付接口与银联终端对接，将商家终端提交的资料在银联终端入驻，商家用户的营业额数据直接入驻商家的银联账户；

商家终端，让利的利润作为奖金直接进入支付平台的银联奖金池由银联终端进行监管，奖金的分配由支付平台分配给消费者、推荐者、收益权增值终端；

消费者、推荐者、收益权增值终端，奖金发起提现时支付平台将消费者、推荐者的银行卡账号、开户行信息、提现金额、提现人姓名传给银联终端，由银联终端的代付接口把成功与否的转款信息传给支付平台。

9.如权利要求8所述的基于全新商业模式下的收益权分红分配系统，其特征在于，APP支付接口，用于调取支付宝、微信、云闪付支付信息；支付平台还用于与银联终端对接接口的调试、调整。

10.如权利要求8所述的基于全新商业模式下的收益权分红分配系统，其特征在于，消费者、推荐者、收益权增值终端包括：

扫码付款模块，用于商家展示银联终端聚合收钱码收款，消费者通过支付宝、微信钱包类APP扫码进行完成支付。