CN111199174A - 信息处理方法、装置、系统和计算机可读存储介质 - Google Patents
信息处理方法、装置、系统和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111199174A CN111199174A CN201811381671.1A CN201811381671A CN111199174A CN 111199174 A CN111199174 A CN 111199174A CN 201811381671 A CN201811381671 A CN 201811381671A CN 111199174 A CN111199174 A CN 111199174A
- Authority
- CN
- China
- Prior art keywords
- signal data
- parameters
- filtering model
- module
- determining
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 43
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 94
- 230000004044 response Effects 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 description 33
- 238000004891 communication Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 11
- 230000015654 memory Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开提供了一种信息处理方法,包括接收多个电子设备发送的信号数据,基于所述信号数据,确定过滤模型的参数是否需要被更新,在所述过滤模型的参数需要被更新的情况下,更新并发送更新后的过滤模型的参数至所述多个电子设备中的至少一个,其中,所述过滤模型用于识别至少一个所述电子设备获得的信号数据。本公开的另一方面还提供了另一种信息处理方法、一种信息处理装置、另一种信息处理装置、一种信息处理系统以及一种计算机可读存储介质。
Description
技术领域
本公开涉及计算机技术领域,更具体地,涉及一种信息处理方法、装置、系统和计算机可读存储介质。
背景技术
随着人工智能、自动控制、通信和计算机技术的快速发展,含有传感器的各类智能设备在人们的生活中得到广泛的应用。例如,智能设备通过识别传感器获得的信号数据来感知使用者的动作,从而为用户提供相应的服务。
在实现本公开构思的过程中,发明人发现现有技术中至少存在如下问题:智能设备对传感器获得的信号数据的识别准确度较低。
发明内容
有鉴于此,本公开提供了一种信息处理方法、装置、系统和计算机可读存储介质。
本公开的一个方面提供了一种信息处理方法,包括接收多个电子设备发送的信号数据,基于所述信号数据,确定过滤模型的参数是否需要被更新,在所述过滤模型的参数需要被更新的情况下,更新并发送更新后的过滤模型的参数至所述多个电子设备中的至少一个,其中,所述过滤模型用于识别至少一个所述电子设备获得的信号数据。
根据本公开的实施例,过滤模型包括窗函数。
根据本公开的实施例,基于所述信号数据,确定过滤模型的参数是否需要被更新包括,对所述信号数据分类,获得分类结果,基于所述分类结果,确定属于特定类别的信号数据的特征,基于所述特征以及所述特定类别的历史信号数据的所述特征,确定所述特定类别的信号数据的特征的取值范围,以及在所述取值范围与根据历史信号数据确定的所述特征的取值范围不同的情况下,确定过滤模型的参数需要被更新。
本公开的另一个方面提供了一种信息处理方法,包括获得信号数据,基于所述信号数据,确定第一特征数据,所述第一特征数据表明所述信号数据的特征,以及基于过滤模型,去除所述第一特征数据中的噪声,获得第二特征数据,所述第二特征数据用于识别所述信号数据,其中,所述方法还包括,响应于接收到所述过滤模型的参数,使用所述参数更新所述过滤模型。
根据本公开的实施例,所述过滤模型包括窗函数,所述响应于接收到所述过滤模型的参数,使用所述参数更新所述过滤模型包括,响应于接收到服务器发送的窗函数的参数,使用所述窗函数的参数更新所述过滤模型,其中,所述窗函数的参数是服务器根据多个电子设备的信号数据确定的。
本公开的另一个方面提供了一种信息处理装置包括,接收模块用于接收多个电子设备发送的信号数据,第一确定模块用于基于所述信号数据,确定过滤模型的参数是否需要被更新,更新模块用于在所述过滤模型的参数需要被更新的情况下,更新并发送更新后的过滤模型的参数至所述多个电子设备中的至少一个,其中,所述过滤模型用于识别至少一个所述电子设备获得的信号数据。
根据本公开的实施例,所述过滤模型包括窗函数。
根据本公开的实施例,第一确定模块包括,分类子模块用于对所述信号数据分类,获得分类结果,第一确定子模块用于基于所述分类结果,确定属于特定类别的信号数据的特征,第二确定子模块用于基于所述特征以及所述特定类别的历史信号数据的所述特征,确定所述特定类别的信号数据的特征的取值范围,以及第三确定子模块用于在所述取值范围与根据历史信号数据确定的所述特征的取值范围不同的情况下,确定过滤模型的参数需要被更新。
本公开的另一个方面提供了一种信息处理装置包括,获得模块用于获得信号数据,第二确定模块用于基于所述信号数据,确定第一特征数据,所述第一特征数据表明所述信号数据的特征,以及过滤模块用于基于过滤模型,去除所述第一特征数据中的噪声,获得第二特征数据,所述第二特征数据用于识别所述信号数据,其中,所述信息处理装置还包括,响应更新模块,用于响应于接收到所述过滤模型的参数,使用所述参数更新所述过滤模型。
根据本公开的实施例,过滤模型包括窗函数,所述响应更新模块包括响应子模块,用于响应于接收到服务器发送的窗函数的参数,使用所述窗函数的参数更新所述过滤模型,其中,所述窗函数的参数是服务器根据多个电子设备的信号数据确定的。
本公开的另一个方面提供了一种信息处理系统包括,一个或多个处理器,存储装置,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行上述任意一项的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,可以至少部分地解决智能设备对传感器获得的信号数据的识别准确度较低问题,并因此可以实现提高识别准确度的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的可以应用信息处理方法的示例性系统架构;
图2示意性示出了根据本公开实施例的信息处理方法的流程图;
图3示意性示出了根据本公开实施例的基于所述信号数据,确定过滤模型的参数是否需要被更新的流程图;
图4示意性示出了根据本公开实施例的信息处理方法的流程图;
图5示意性示出了根据本公开实施例的信息处理方法的框图;
图6示意性示出了根据本公开的实施例的信息处理装置的框图;
图7示意性示出了根据本公开的实施例的第一确定模块的框图;
图8示意性示出了根据本公开的实施例的信息处理装置的框图;以及
图9示意性示出了根据本公开实施例的适于实现信息处理方法的计算机系统的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种信息处理方法,包括接收多个电子设备发送的信号数据,基于所述信号数据,确定过滤模型的参数是否需要被更新,在所述过滤模型的参数需要被更新的情况下,更新并发送更新后的过滤模型的参数至所述多个电子设备中的至少一个,其中,所述过滤模型用于识别至少一个所述电子设备获得的信号数据。
图1示意性示出了根据本公开实施例的可以应用信息处理方法的示例性系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括多个传感器101,网络102和服务器103。其中,多个传感器101分别设置于不同用户的终端设备中。
网络102用以在传感器101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
传感器101例如可以是加速度传感器、重力传感器、温度传感器等。
根据本公开的实施例,传感器101获得信号数据,并将信号数据通过网络102发送到服务器103。服务器103根据对接收到的信号数据进行处理,获得处理结果,并将处理结果发送到至少一个传感器101。
需要说明的是,本公开实施例所提供的信息处理方法一般可以由服务器103和传感器101执行。相应地,本公开实施例所提供的信息处理装置一般可以设置于服务器103和传感器101中。本公开实施例所提供的信息处理方法也可以由不同于服务器103且能够与传感器101和/或服务器103通信的服务器或服务器集群执行。相应地,本公开实施例所提供的信息处理装置也可以设置于不同于服务器103且能够与传感器101和/或服务器103通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的信息处理方法的流程图。
如图2所示,该方法包括操作S210~S230。
在操作S210,接收多个电子设备发送的信号数据。
在操作S220,基于所述信号数据,确定过滤模型的参数是否需要被更新。
在操作S230,在所述过滤模型的参数需要被更新的情况下,更新并发送更新后的过滤模型的参数至所述多个电子设备中的至少一个,其中,所述过滤模型用于识别至少一个所述电子设备获得的信号数据。
该方法例如可以应用于服务器,服务器根据接收到的多个信号数据,在确定过滤模型需要更新的情况下,更新过滤模型的参数并发送至多个电子设备,使多个电子设备的过滤模型及时得到更新,优化电子设备的识别结果。
根据本公开的实施例,在操作S210,多个电子设备例如可以是不同用户佩戴的电子设备,其中,电子设备可以包括传感器,以通过传感器获得信号数据。例如,接收不同用户的手机发送的加速度信号,其中手机中设置有加速度传感器。
根据本公开的实施例,在操作S220,过滤模型可以用于去除电子设备计算得到的特征数据中的异常值。例如,在图1所示的情景中,服务器103接收到的多个信号数据在3.2-3.8之间,确定过滤模型的参数为3.2和3.8,使传感器101将小于3.2或者大于3.8的特征数据去除。根据本公开的实施例,过滤模型包括窗函数。过滤模型的参数例如可以是窗函数的上边界和下边界。
图3示意性示出了根据本公开实施例的基于所述信号数据,确定过滤模型的参数是否需要被更新的流程图。
如图3所示,该方法包括操作S221~S224。
在操作S221,对所述信号数据分类,获得分类结果。
在操作S222,基于所述分类结果,确定属于特定类别的信号数据的特征。
在操作S223,基于所述特征以及所述特定类别的历史信号数据的所述特征,确定所述特定类别的信号数据的特征的取值范围。
在操作S224,在所述取值范围与根据历史信号数据确定的所述特征的取值范围不同的情况下,确定过滤模型的参数需要被更新。
根据本公开的实施例,在操作S221,例如可以使用分类器对信号数据分类,获得分类结果。分类器例如可以是多种算法的集合,例如朴素贝叶斯、离散傅里叶变换、快速傅里叶变换、离散余弦变换等。
根据本公开的实施例,在操作S222,例如可以通过对信号数据分类,确定了跑步的信号数据,从而根据跑步的信号数据确定跑步的信号数据的特征。例如可以是通过卷积神经网络确定跑步的信号数据的特征。
根据本公开的实施例,在操作S223,例如可以将本次计算得到的特征与跑步的历史信号数据得到的特征趋势线拟合,确定跑步信号数据的特征的取值范围。
根据本公开的实施例,在操作S224,例如根据历史信号数据确定的跑步的信号数据的取值范围为3.0-3.6,而本次计算重新得到的跑步的信号数据的取值范围是3.2-3.8,确定过滤模型的参数需要被更新。
返回参考图2,在操作S230,例如,在操作S224描述的场景中,将过滤模型的上边界3.2和下边界3.8发送至多个电子设备中的至少一个,使电子设备使用过滤模型对计算得到的计算结果进行过滤。
根据本公开的实施例,信息处理方法还可以包括按照数据来源对信号数据进行格式处理、汇总以及标记时间戳。例如,通过聚类算法,确定信号数据的来源,信号数据来源例如分为老人、青少年、中年等。通过标记信号数据的来源,可以识别不同来源的信号数据的特征。将信号数据标记时间戳,例如可以是,标记信号数据格式处理、汇总完成的时间,使得信号数据进行下一步的处理,例如分类器按照时间戳依次对信号数据分类。
图4示意性示出了根据本公开实施例的信息处理方法的流程图。
如图4所示,信息处理方法包括操作S410~S440。
在操作S410,获得信号数据。
在操作S420,基于所述信号数据,确定第一特征数据,所述第一特征数据表明所述信号数据的特征。
在操作S430,基于过滤模型,去除所述第一特征数据中的噪声,获得第二特征数据,所述第二特征数据用于识别所述信号数据。
在操作S440,响应于接收到所述过滤模型的参数,使用所述参数更新所述过滤模型。
该方法可以应用于电子设备,使得电子设备使用的过滤模型的参数能够被更新,使得电子设备能够自我改进,从而天电子设备的识别准确性。
根据本公开的实施例,在操作S410,例如某用户的电子设备上设置有加速度传感器,加速度传感器获得由于用户的动作变化而产生的信号数据。
根据本公开的实施例,在操作S420,例如对所述信号数据进行傅里叶变换、时域特征识别等处理,获得第一特征数据。
根据本公开的实施例,在操作S430,过滤模型例如可以是窗函数,使用窗函数去除第一特征数据中的噪声,获得第二特征数据,以根据第二特征数据识别信号数据。例如根据第二特征数据判断用户是否正在跑步等。
根据本公开的实施例,在操作S440,根据本公开的实施例,过滤模型包括窗函数,所述响应于接收到所述过滤模型的参数,使用所述参数更新所述过滤模型包括,响应于接收到服务器发送的窗函数的参数,使用所述窗函数的参数更新所述过滤模型,其中,所述窗函数的参数是服务器根据多个电子设备的信号数据确定的。例如在图1所示的情景中,传感器101接收服务器103发送的过滤模型的参数,并使用该参数更新传感器101中的过滤模型。
图5示意性示出了根据本公开实施例的信息处理方法的框图。
如图5所示,在该框图中包括传感器510和服务器520。
传感器510例如设置于一用户的可穿戴式电子设备上,能够采集用户动作产生的信号数据。
服务器520能够接收多个用户的传感器发送的信号数据,并对信号数据处理,获得处理结果。
如图5所示,传感器510包括感知模块511、第一网络通信模块512、特征向量计算模块513、过滤窗口模块514以及计算模块515。服务器520包括第二网络通信模块521、信号处理模块522、训练数据集模块523、分类器524以及窗函数计算模块525。
根据本公开的实施例,传感器510的感知模块511感知到信号变化后,将信号数据流分别传给特征向量计算模块513和第一网络通信模块512。特征向量计算模块513可以利用任意的计算方法,例如傅里叶变换、时域特征识别等对信号数据进行处理,得到分析后的特征向量中间结果。计算模块515调用过滤窗口模块对特征向量中间结果进行过滤,去除异常值,形成最终的特征向量计算结果并输出该结果,以根据该结果对信号数据进行识别。
根据本公开的实施例,服务器520的第二网络通信模块521接收到第一网络通信模块512的信号数据流,将该信号数据流发送到信号处理模块522。信号处理模块522例如可以按照数据来源对信号数据进行格式处理、汇总,并标记处理完成的时间戳。信号处理模块522将处理完的信号数据发送至训练数据集523。
分类器524从训练数据集523中获取新的信号数据流,对新的信号数据流进行分类,例如例如卷积神经网络分别对新的信号数据进行识别,以识别信号特征,获得具有特定特征的信号数据流,例如获得跑步的信号数据流。
窗函数计算模块525根据新的跑步的信号数据流以及历史跑步的信号数据流,确定是否需要更新窗函数的上下边界。例如,历史跑步的信号数据的范围可以是3.0-3.6,而根据新的跑步信号数据流确定的跑步的信号数据的范围可以是3.2-3.8,与历史范围不同。窗函数计算模块525确定需要更新过滤模型的参数,并将参数发送到第二网络通信模块521。
第二网络通信模块521将更新后的参数发送到第一网络通信模块512,再由第一网络通信模块512将更新后的参数写入传感器510的过滤窗口模块514,覆盖原值。
图6示意性示出了根据本公开的实施例的信息处理装置600的框图。
如图6所示,信息处理装置600包括接收模块610、第一确定模块620和更新模块630。
接收模块610,例如执行上文参考图2描述的操作S210,接收多个电子设备发送的信号数据。
第一确定模块620,例如执行上文参考图2描述的操作S220,基于所述信号数据,确定过滤模型的参数是否需要被更新。
更新模块630,例如执行上文参考图2描述的操作S230,在所述过滤模型的参数需要被更新的情况下,更新并发送更新后的过滤模型的参数至所述多个电子设备中的至少一个,其中,过滤模型用于识别至少一个所述电子设备获得的信号数据。
根据本公开的实施例,过滤模型包括窗函数。
图7示意性示出了根据本公开的实施例的第一确定模块620的框图。
如图7所示,第一确定模块620包括分类子模块621、第一确定子模块622、第二确定子模块623以及第三确定子模块624。
分类子模块621,例如执行上文参考图3描述的操作S221,用于对所述信号数据分类,获得分类结果。
第一确定子模块622,例如执行上文参考图3描述的操作S222,用于基于所述分类结果,确定属于特定类别的信号数据的特征。
第二确定子模块623,例如执行上文参考图3描述的操作S223,用于基于所述特征以及所述特定类别的历史信号数据的所述特征,确定所述特定类别的信号数据的特征的取值范围。
第三确定子模块624,例如执行上文参考图3描述的操作S224,用于在所述取值范围与根据历史信号数据确定的所述特征的取值范围不同的情况下,确定过滤模型的参数需要被更新。
图8示意性示出了根据本公开的实施例的信息处理装置800的框图。
如图8所示,信息处理装置800包括获得模块810、第二确定模块820、过滤模块830以及响应更新模块840。
获得模块810,例如执行上文参考图4描述的操作S410,用于获得信号数据。
第二确定模块820,例如执行上文参考图4描述的操作S420,用于基于所述信号数据,确定第一特征数据,所述第一特征数据表明所述信号数据的特征。
过滤模块830,例如执行上文参考图4描述的操作S430,用于基于过滤模型,去除所述第一特征数据中的噪声,获得第二特征数据,所述第二特征数据用于识别所述信号数据。
响应更新模块840,例如执行上文参考图4描述的操作S440,用于响应于接收到所述过滤模型的参数,使用所述参数更新所述过滤模型。
根据本公开的实施例,过滤模型包括窗函数,所述响应更新模块包括响应子模块,用于响应于接收到服务器发送的窗函数的参数,使用所述窗函数的参数更新所述过滤模型,其中,所述窗函数的参数是服务器根据多个电子设备的信号数据确定的。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,接收模块610、第一确定模块620、更新模块630、分类子模块621、第一确定子模块622、第二确定子模块623、第三确定子模块624、获得模块810、第二确定模块820、过滤模块830以及响应更新模块840中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,接收模块610、第一确定模块620、更新模块630、分类子模块621、第一确定子模块622、第二确定子模块623、第三确定子模块624、获得模块810、第二确定模块820、过滤模块830以及响应更新模块840中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,接收模块610、第一确定模块620、更新模块630、分类子模块621、第一确定子模块622、第二确定子模块623、第三确定子模块624、获得模块810、第二确定模块820、过滤模块830以及响应更新模块840中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图9示意性示出了根据本公开实施例的适于实现信息处理方法的计算机系统的方框图。图9示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,根据本公开实施例的计算机系统900包括处理器901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 903中,存储有系统900操作所需的各种程序和数据。处理器901、ROM 902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,系统900还可以包括输入/输出(I/O)接口905,输入/输出(I/O)接口905也连接至总线904。系统900还可以包括连接至I/O接口905的以下部件中的一项或多项:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (12)
1.一种信息处理方法,包括:
接收多个电子设备发送的信号数据;
基于所述信号数据,确定过滤模型的参数是否需要被更新;
在所述过滤模型的参数需要被更新的情况下,更新并发送更新后的过滤模型的参数至所述多个电子设备中的至少一个,
其中,所述过滤模型用于识别至少一个所述电子设备获得的信号数据。
2.根据权利要求1所述的方法,其中,所述过滤模型包括窗函数。
3.根据权利要求1所述的方法,其中,所述基于所述信号数据,确定过滤模型的参数是否需要被更新包括:
对所述信号数据分类,获得分类结果;
基于所述分类结果,确定属于特定类别的信号数据的特征;
基于所述特征以及所述特定类别的历史信号数据的所述特征,确定所述特定类别的信号数据的特征的取值范围;以及
在所述取值范围与根据历史信号数据确定的所述特征的取值范围不同的情况下,确定过滤模型的参数需要被更新。
4.一种信息处理方法,包括:
获得信号数据;
基于所述信号数据,确定第一特征数据,所述第一特征数据表明所述信号数据的特征;以及
基于过滤模型,去除所述第一特征数据中的噪声,获得第二特征数据,所述第二特征数据用于识别所述信号数据,
其中,所述方法还包括:
响应于接收到所述过滤模型的参数,使用所述参数更新所述过滤模型。
5.根据权利要求1所述的方法,其中,所述过滤模型包括窗函数,所述响应于接收到所述过滤模型的参数,使用所述参数更新所述过滤模型包括:
响应于接收到服务器发送的窗函数的参数,使用所述窗函数的参数更新所述过滤模型,其中,所述窗函数的参数是服务器根据多个电子设备的信号数据确定的。
6.一种信息处理装置,包括:
接收模块,用于接收多个电子设备发送的信号数据;
第一确定模块,用于基于所述信号数据,确定过滤模型的参数是否需要被更新;
更新模块,用于在所述过滤模型的参数需要被更新的情况下,更新并发送更新后的过滤模型的参数至所述多个电子设备中的至少一个,
其中,所述过滤模型用于识别至少一个所述电子设备获得的信号数据。
7.根据权利要求6所述的装置,其中,所述过滤模型包括窗函数。
8.根据权利要求6所述的装置,其中,所述第一确定模块包括:
分类子模块,用于对所述信号数据分类,获得分类结果;
第一确定子模块,用于基于所述分类结果,确定属于特定类别的信号数据的特征;
第二确定子模块,用于基于所述特征以及所述特定类别的历史信号数据的所述特征,确定所述特定类别的信号数据的特征的取值范围;以及
第三确定子模块,用于在所述取值范围与根据历史信号数据确定的所述特征的取值范围不同的情况下,确定过滤模型的参数需要被更新。
9.一种信息处理装置,包括:
获得模块,用于获得信号数据;
第二确定模块,用于基于所述信号数据,确定第一特征数据,所述第一特征数据表明所述信号数据的特征;以及
过滤模块,用于基于过滤模型,去除所述第一特征数据中的噪声,获得第二特征数据,所述第二特征数据用于识别所述信号数据,
其中,所述信息处理装置还包括:
响应更新模块,用于响应于接收到所述过滤模型的参数,使用所述参数更新所述过滤模型。
10.根据权利要求9所述的装置,其中,所述过滤模型包括窗函数,所述响应更新模块包括:
响应子模块,用于响应于接收到服务器发送的窗函数的参数,使用所述窗函数的参数更新所述过滤模型,其中,所述窗函数的参数是服务器根据多个电子设备的信号数据确定的。
11.一种信息处理系统,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1~5所述任意一项的方法。
12.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行如权利要求1~5所述任意一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811381671.1A CN111199174A (zh) | 2018-11-19 | 2018-11-19 | 信息处理方法、装置、系统和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811381671.1A CN111199174A (zh) | 2018-11-19 | 2018-11-19 | 信息处理方法、装置、系统和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111199174A true CN111199174A (zh) | 2020-05-26 |
Family
ID=70746102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811381671.1A Pending CN111199174A (zh) | 2018-11-19 | 2018-11-19 | 信息处理方法、装置、系统和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199174A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1140869A (zh) * | 1995-02-17 | 1997-01-22 | 索尼公司 | 用于降低噪声的方法 |
CN101221365A (zh) * | 2007-12-25 | 2008-07-16 | 上海微电子装备有限公司 | 基于自适应纠正处理提高对准信号处理精度的方法 |
US20130163766A1 (en) * | 2010-09-03 | 2013-06-27 | Edgar Y. Choueiri | Spectrally Uncolored Optimal Crosstalk Cancellation For Audio Through Loudspeakers |
CN103186707A (zh) * | 2011-12-30 | 2013-07-03 | 中国移动通信集团公司 | 一种诊疗信息处理方法、服务器及系统 |
-
2018
- 2018-11-19 CN CN201811381671.1A patent/CN111199174A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1140869A (zh) * | 1995-02-17 | 1997-01-22 | 索尼公司 | 用于降低噪声的方法 |
CN101221365A (zh) * | 2007-12-25 | 2008-07-16 | 上海微电子装备有限公司 | 基于自适应纠正处理提高对准信号处理精度的方法 |
US20130163766A1 (en) * | 2010-09-03 | 2013-06-27 | Edgar Y. Choueiri | Spectrally Uncolored Optimal Crosstalk Cancellation For Audio Through Loudspeakers |
CN103186707A (zh) * | 2011-12-30 | 2013-07-03 | 中国移动通信集团公司 | 一种诊疗信息处理方法、服务器及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10637783B2 (en) | Method and system for processing data in an internet of things (IoT) environment | |
CN107622240B (zh) | 人脸检测方法和装置 | |
CN110288082B (zh) | 卷积神经网络模型训练方法、装置和计算机可读存储介质 | |
CN108108743B (zh) | 异常用户识别方法和用于识别异常用户的装置 | |
CN111523640B (zh) | 神经网络模型的训练方法和装置 | |
CN108182515B (zh) | 智能规则引擎规则输出方法、设备及计算机可读存储介质 | |
CN109214421B (zh) | 一种模型训练方法、装置、及计算机设备 | |
CN110929799B (zh) | 用于检测异常用户的方法、电子设备和计算机可读介质 | |
US11562179B2 (en) | Artificial intelligence system for inspecting image reliability | |
CN114494935B (zh) | 视频信息的处理方法、装置、电子设备和介质 | |
US10705940B2 (en) | System operational analytics using normalized likelihood scores | |
CN111931809A (zh) | 数据的处理方法、装置、存储介质及电子设备 | |
CN110287817B (zh) | 目标识别及目标识别模型的训练方法、装置和电子设备 | |
CN112994960A (zh) | 业务数据异常检测方法、装置及计算设备 | |
CN110928889A (zh) | 训练模型更新方法、设备以及计算机存储介质 | |
CN115358914B (zh) | 用于视觉检测的数据处理方法、装置、计算机设备及介质 | |
CN111199174A (zh) | 信息处理方法、装置、系统和计算机可读存储介质 | |
CN113596011B (zh) | 流量识别方法及装置,计算设备和介质 | |
CN113033682B (zh) | 视频分类方法、装置、可读介质、电子设备 | |
CN115278757A (zh) | 一种检测异常数据的方法、装置及电子设备 | |
CN112819030A (zh) | 图像识别模型训练方法、装置、存储介质及终端 | |
CN109840535B (zh) | 实现地形分类的方法和装置 | |
CN115100461B (zh) | 图像分类模型训练方法、装置、电子设备、介质 | |
CN111860070A (zh) | 识别发生改变的对象的方法和装置 | |
CN113011580B (zh) | 一种嵌入表征的处理方法以及相关设备 |
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 |