CN111858551A - 一种磁性存储介质特征识别数据库的构建及更新方法 - Google Patents

一种磁性存储介质特征识别数据库的构建及更新方法 Download PDF

Info

Publication number
CN111858551A
CN111858551A CN202010644733.4A CN202010644733A CN111858551A CN 111858551 A CN111858551 A CN 111858551A CN 202010644733 A CN202010644733 A CN 202010644733A CN 111858551 A CN111858551 A CN 111858551A
Authority
CN
China
Prior art keywords
case
magnetic storage
storage medium
characteristic
medium
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.)
Granted
Application number
CN202010644733.4A
Other languages
English (en)
Other versions
CN111858551B (zh
Inventor
徐喆
刘晓鸽
李鹏昇
汤健
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.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
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 Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN202010644733.4A priority Critical patent/CN111858551B/zh
Publication of CN111858551A publication Critical patent/CN111858551A/zh
Application granted granted Critical
Publication of CN111858551B publication Critical patent/CN111858551B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21Design, administration or maintenance of databases
    • G06F16/219Managing data history or versioning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23Updating

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)

Abstract

本发明提供一种磁性存储介质特征识别数据库的构建及更新方法,包括磁性存储介质基础信息案例构建模块、待消磁磁性存储介质特征识别模块、特征数据比对模块、未匹配案例判别模块、未知案例提取模块、可优化案例更新模块。采用本发明的技术方案,可构建磁性存储介质特征识别库,以便得到不同类型的磁性存储介质的介质特征信息,进一步制定差异化且高效的消磁方案;同时,为适应规格众多的磁性存储介质需要对数据库进行更新。

Description

一种磁性存储介质特征识别数据库的构建及更新方法
技术领域
本发明属于数据存储技术领域,尤其涉及一种磁性存储介质特征识别数据库的构建及更新方法。
背景技术
磁性存储介质因其大容量、可重复记录等优点已成为计算机存储的主要部件[1]。随着计算机的发展与社会要求,磁性存储介质也朝着容量更大、读写速度更快的方向发展,使其已成为消费电子领域的主要信息存储媒介之一。然而,也正是由于磁性存储介质记录信息和传递信息的高效性、稳定性、便捷性,信息持有者也同时面临着信息、数据被非法窃取、复制、使用等安全问题[2]。目前,磁性存储介质信息的安全消除办法主要有覆写法、高温消磁法、机械粉碎法、化学溶蚀法以及磁场消磁法。其中磁场消磁法因其处理过后数据不易恢复、安全性能高等优点,近年来被军事、工业、金融等行业广泛研究并应用。
磁性存储介质记录数据是通过磁头将代表数据“0”和“1”的电信号转化为磁记录介质上方向相反的剩磁位的过程。磁性介质信息擦除的本质上是通过外加强磁场,将代表数据的剩磁位极性变为无序排列,使磁性介质转换为剩磁为零的磁中性状态或磁化方向相同的单向饱和状态的过程。根据磁性存储介质的介质特性,一般使用矫顽力(Oe)来衡量数据擦除的难度。
研究表明,消磁磁场强度是影响消磁效果的最主要因素[3]。当消磁磁场强度小于磁性存储介质的矫顽力时,由于介质的磁化处于可逆反转状态,所以介质上记录的信息不能被擦除;当磁场强度大于介质矫顽力时,介质磁化将发生不可逆反转,此时介质上记录的信息才能被擦除。为保证消磁效果,针对消磁磁场强度与磁性存储介质材料矫顽力间的倍数关系,不同文献给出了不同的建议,如:文献[4]指出外加磁场强度至少需要达到待消磁磁性介质矫顽力的2倍以上;文献[5]指出磁场强度至少为磁性介质矫顽磁性的5倍。另一方面,消磁磁场的方向对消磁效果也有显著影响[3]。文献[3]指出,对于纵向磁记录介质,水平磁场的消磁效果优于垂直磁场,增加信息擦除次数也可以提高消磁效果。除此以外,磁性存储介质的磁记录材料也是影响消磁效果的因素之一。文献[6]指出,磁记录材料主要分为氧化铁和金属两类,它们都具有较高的矫顽力。
针对磁性存储介质的研究表明,不同的磁性存储介质,所用的磁性材料、磁记录方式以及矫顽力都有一定差异。磁性存储介存储技术最初采用纵向磁记录方式,后为扩大存储容量,2005年以后垂直磁记录方式发展成熟并大量使用,2017年推出了叠瓦式记录技术,这种方式使得单盘容量能够达到2TB。由此可见,不同生产时间的磁性存储介质所采取的磁记录方式有所不同,进而其矫顽力大小有存在明显差异。
由上述研究可知,目前针对磁性存储介质消磁方案还未有统一的标准,并缺少详实确切的机理分析与数据支撑。通过磁性存储介质的标签信息,也无法直接获取磁性存储介质的磁记录材料、矫顽力等详细信息。但明确的是:不同品牌、规格、生产时间的磁性存储介质,其磁性介质特征有所不同,进而实现其彻底消磁的磁场强度、消磁方式也具有差异性。因此,有必要研究不同品牌、规格、生产时间的磁性存储介质的磁记录材料、记录方式、矫顽力等介质特征信息。
综上可知,为了获得相对高效且快速的的磁性介质消磁方案,需要构建磁性存储介质特征识别库,以便得到不同类型的磁性存储介质的介质特征信息,进一步制定差异化且高效的消磁方案;同时,为适应规格众多的磁性存储介质需要对数据库进行更新。
发明内容
本发明提出了一种磁性存储介质特征识别数据库的构建及更新方法,其中包括磁性存储介质基础信息案例构建模块、待消磁磁性存储介质特征识别模块、特征数据比对模块、未匹配案例判别模块、未知案例提取模块、可优化案例更新模块。
步骤1、通过磁性存储介质基础信息案例构建模块,基于不同品牌、不同规格的磁性存储介质,采用人工收集的方式获取磁性存储介质的品牌、型号码、容量、转速、生产时间等基础信息。通过线下调研的方式获取不同磁性存储介质的介质特征信息,包括磁记录材料、记录方式、矫顽力等。磁性存储介质的基础信息与介质特征信息共同构成“磁性存储介质基础信息案例”,构建基本的磁性存储介质特征识别数据库。
步骤2、通过待消磁磁性存储介质特征识别模块,对待消磁磁性存储介质进行条码扫描与图像识别,获取该待消磁磁性存储介质的基础信息。
步骤3、通过特征数据比对模块,将获取到的待消磁磁性存储介质的基础信息进行特征数据提取,与磁性存储介质特征识别数据库中的特征数据进行比对。若比对得到相同案例,则将该相同案例对应的特征数据作为该待消磁磁性存储介质的最终特征数据,输出其对应的介质特征信息。若未比对的到相同案例,则将其视为未匹配案例。
步骤4、通过未匹配案例判别模块,对未匹配案例进行特征数据提取与分析,通过未匹配案例判别模块进行相似度判别。具体的,将提取到的特征数据与磁性存储介质特征识别数据库中的案例进行相似度匹配,若匹配到相似案例,则将该案例视为可优化案例并储存。若未匹配到相似案例,则将该案例视为未知案例并储存;同时将介质特征信息默认设置中的设定值作为该未知案例的最终介质特征数据输出,称为介质特征信息默认值。
步骤5、通过未知案例提取模块,对未知案例进行特征数据提取,然后根据磁性存储介质特征识别库中的特征模型将特征数据进行标准化,将标准化后的特征集作为未知案例的的初始特征集,并储存至磁性存储介质特征识别数据库中,对数据库案例进行更新。
步骤6、通过可优化案例更新模块,对于可优化案例,通过相似度匹配得到可优化案例的相似案例。然后通过案例优选机制,依据优选规则得到最优相似案例,提取最优相似案例对应的特征数据作为可优化案例的特征数据,称为介质特征数据优化值。最后将可优化案例以及介质特征数据优化值作为一条可优化案例信息,并以可优化案例初始特征集的形式储存至磁性存储介质特征识别数据库中,实现数据库案例的添加与更新。
附图说明
图1.磁性存储介质特征识别数据库的构建及更新总体结构图;
图2磁性存储介质基础信息案例构建模块功能流程图;
图3待消磁磁性存储介质特征识别模块功能流程图;
图4特征数据比对模块功能流程图;
图5未匹配案例判别模块功能流程图;
图6未知案例提取模块功能流程图;
图7可优化案例更新模块功能流程图。
具体实施方式
本发明提出了一种磁性存储介质特征识别数据库的构建及更新方法,其中包括磁性存储介质基础信息案例构建模块、待消磁磁性存储介质特征识别模块、特征数据比对模块、未匹配案例判别模块、未知案例提取模块、可优化案例更新模块。总体结构如图1所示。
(1)磁性存储介质基础信息案例构建模块
该模块的输入为磁性存储介质,输出为特征集模型和特征数据。依据离线收集的不同品牌、不同规格的磁性存储介质的基础信息,以及磁性存储介质的介质特征信息,构建标准特征集模型,并据此进行磁性存储介质特征数据案例的收集与管理。
(2)待消磁磁性存储介质特征识别模块
该模块的输入为待消磁磁性存储介质,输出为待消磁磁性存储介质基础信息。通过扫码枪与图像采集协同工作的方式对待消磁磁性存储介质进行条码扫描和标签图像识别,获取其品牌、型号码、容量、转速、生产时间等基础信息,为特征数据比对模块提供支撑。
(3)特征数据比对模块
该模块的输入为待消磁磁性存储介质基础信息,输出为介质特征信息匹配值或未匹配案例。将得到的待消磁磁性介质的基础信息与磁性存储介质特征识别数据库中的案例信息进行数据比对,若比对得到相同案例,则将该相同案例的初始特征数据作为该待消磁磁性存储介质的最终特征数据,输出对应案例的介质特征信息,称为介质特征信息匹配值;若未比对到相同案例,则将其视为未匹配案例。
(4)未匹配案例判别模块
该模块的输入为未匹配案例,输出为未知案例信息和介质特征信息默认值或可优化案例。将未匹配案例信息与磁性存储介质特征识别数据库中的案例进行相似度匹配,得到匹配率,若匹配率小于或等于设定阈值,则将该案例视为可优化案例并进行储存,并且向上位机发出可优化案例提醒;若匹配率大于设定阈值,则采用系统设置的介质特征信息默认值作为此待消磁磁性存储介质的介质特征数据,称为介质特征信息默认值。同时将该未匹配案例与介质特征信息默认值进行整合,视为未知案例信息进行储存。
(5)未知案例提取模块
该模块的输入为未知案例信息,包括未知案例基础信息与介质特征信息默认值,输出为未知案例初始特征集。首先对未知案例信息进行特征数据提取,然后根据磁性存储介质特征识别库中的特征模型将特征数据进行标准化,得到未知案例初始特征集,并将其保存至磁性存储介质特征识别数据库中,并对数据库案例进行更新。
(6)可优化案例更新模块
该模块的输入为可优化案例,输出为可优化案例初始特征集。首先提取可优化案例的特征数据,与磁性存储介质特征识别数据库中的案例进行数据比对,得到总体差异值,筛选出总体差异值在允许范围内的案例视为相似案例。然后根据总体差异值的比较,选取总体差异值最小的案例作为最优相似案例,并提取最优相似案例对应的特征数据作为该待消磁磁性存储介质的介质特征数据,称为介质特征数据优化值。最后将可优化案例以及介质特征数据优化值进行数据整合,以可优化案例初始特征集的形式储存至磁性存储介质特征识别数据库中。
如图2所示,所述磁性存储介质基础信息案例构建模块的工作流程如下:
该模块的实现需要人工手段实现。构建的磁性存储介质特征识别数据库用于存储人工收集的磁性存储介质的基础信息以及介质特征信息,其中基础信息包括品牌、型号码、容量、转速、生产时间等,介质特征信息包括磁记录材料、记录方式、矫顽力等。这些信息以标准特征集的形式储存,特征集中包含特征集模型和特征数据,其中,特征项的集合称为特征集模型,它规定了需要收集、提取磁性存储介质的哪些特征数据。磁性存储介质特征识别数据库中针对不同品牌、不同规格的磁性存储介质设计相同的特征集模型。在构建磁性存储介质特征识别数据库的前期需要通过构造标准的特征集模型,并输入对应的特征数据。
该模块的输入为现可搜集到的并且已有记录信息的磁性存储介质,输出为特征集模型和与之对应的特征数据,具体过程如下:
首先,从收集的磁性存储介质的参数信息中提取相关信息,如磁性存储介质的品牌、型号码、容量、转速、生产时间等基础信息,以及磁性材料、磁记录方式以及矫顽力等介质特征信息。其中磁性存储介质的基础信息和介质特征信息称为特征项,“品牌、型号码、容量、转速、生产时间、磁性材料、磁记录方式、矫顽力”统称为特征数据。接着,以磁性存储介质特征项为基础构建标准特征模型,表现形式为[{Plant,SN,Capicity,Revolution,ProTime,…},{ηmaterialrecordforce,…}],其中,{Plant,SN,Capicity,Revolution,ProTime,…}表示由磁性存储介质品牌、型号码、容量、转速、生产时间等组成的基础信息,{ηmaterialrecordforce,…}}表示为磁性存储介质的介质特征信息,包括磁性材料、磁记录方式、矫顽力等。同时基于特征集模型对获取到的磁性存储介质的相关参数进行整合标准化,生成案例的初始特征数据集,包含磁性存储介质的基础信息以及介质特征信息两项,如[{Seagate,ST500DM002,500GB,7200,2013,…},{Fe2O3,1,5400,…}]。其中第一项的第一位“Seagate”表示磁性存储介质品牌为“希捷”;第二位“ST500DM002”表示此磁性存储介质的“型号码”;第三、四、五位特征数据依次表示磁性存储介质的容量、转速(统一单位为rpm)、生产时间等。第二项的第一位特征数据表示存储介质的磁性材料主要成分为“Fe2O3”,第二位特征数据“1”表示记录方式为垂直记录,若为“2”则表示水平记录方式,“3”表示叠瓦式记录方式;第三位数据“5400”表示其矫顽力大小(统一单位为Oe(奥斯特))。最后,将构建成功的磁性存储介质基础信息案例的特征集储存于磁性存储介质特征识别数据库中。
如图3所示,所述待消磁磁性存储介质特征识别模块共工作流程如下:
该模块的输入为待消磁磁性存储介质,输出为待消磁磁性存储介质基础信息,具体过程如下:
首先,采用条码扫描枪对待消磁磁性介质的型号码等条码进行扫描,并将这些光学信号转换为电信号,进而转换为数字信号;在条码处理模块中,基于译码算法进行处理,获得待消磁磁性存储介质的识别码。
同时,采用摄像设备对待消磁磁性存储介质的标签进行图像采集,得到的标签图像;在图像处理模块中,基于图像识别算法提取的品牌、容量、转速、生产时间等信息。
接着,将通过扫描以及图像识别处理得到的待消磁磁性存储介质的基础信息,按照标准特征集模型的形式输出。
如图4所示,所述特征数据比对模块工作流程如下:
该模块的输入为待消磁磁性存储介质基础信息,包括品牌、型号码、转速、容量、生产时间等,输出为介质特征信息匹配值或未匹配案例,具体过程如下:
首先,根据已形成标准格式的待消磁磁性存储介质的基础信息,与磁性存储介质特征识别库中的特征数据进行比对,该过程在特征数据比对器中进行。若比对得到相同案例,则将该案例的初始特征数据作为该待消磁磁性存储介质的最终特征数据,并输出其对应的介质特征信息,称为介质特征信息匹配值。若没有比对得到相同案例,则该案例为未匹配案例。
如图5所示,所述未匹配案例判别模块工作流程如下:
该模块的输入为未匹配案例,输出为未知案例信息和介质特征信息默认值,或可优化案例,具体过程如下:
首先,对未匹配案例进行特征数据提取与分析。具体的,从磁性存储介质特征识别库中调取标准特征集模型,依据标准特征集模型来提取未匹配案例的特征数据。然后,将提取到的特征数据与磁性存储介质特征识别数据库中的案例数据进行相似度匹配,得到匹配率
Figure BDA0002572604190000071
接着,将得到的匹配率
Figure BDA0002572604190000072
与领域专家所给出的设定阈值
Figure BDA0002572604190000073
进行比较,若
Figure BDA0002572604190000074
即匹配程度在领域专家知识允许的范围内,此时认为匹配到的特征数据符合实际磁性存储介质的介质特征,将该案例视为可优化案例并进行标记储存。若
Figure BDA0002572604190000075
即匹配程度未在领域专家知识允许的范围内,此时认为没有匹配到符合实际磁性存储介质介质特征信息的案例,将该案例视为未知案例进行标记储存;同时从介质特征默认参数设定中提取默认的介质特征信息
Figure BDA0002572604190000076
作为该未知案例的介质特征信息,称为介质特征信息默认值,其中
Figure BDA0002572604190000081
表示磁记录材料默认值,
Figure BDA0002572604190000082
表示磁记录方式默认值,
Figure BDA0002572604190000083
表示矫顽力默认值。最后将未知案例与介质特征信息默认值整合为一条完整案例信息,视为未知案例信息进行储存。
如图6所示,所述未知案例提取模块工作流程如下:
该模块的输入为未知案例信息,未知案例信息包括待消磁磁性存储介质的基础信息和介质特征信息默认值,输出为未知案例初始特征集,具体过程如下:
首先,从磁性存储介质特征识别数据库中调取标准特征集模型,依据该模型从未知案例信息中提取相应特征数据,将未知案例所有信息依据该模型进行标准化,包括特征项的标准化和特征数据的标准化。然后,将标准化后的特征集作为未知案例的初始特征集,并将其储存至磁性存储介质特征识别数据库中,对数据库中的案例进行更新。
如图7所示,所述可优化案例更新模块工作流程如下:
该模块的输入为可优化案例,输出为介质特征信息优化值和可优化案例初始特征集,具体过程如下:
首先,对输入的可优化案例进行特征数据提取,将提取到的特征数据与磁性存储介质特征识别数据库中的案例进行特征数据比对,在特征数据比对器中根据各项数据比对规则计算出总体差异值。然后通过案例优选机制,将总体差异值在允许范围内的案例筛选出来,进行差异值排序。总体差异值越小,则认为对应案例的初始特征数据越接近待消磁磁性存储介质的实际介质特征情况。
接着,通过案例优选机制,选取差异值最小的相似案例,提取该案例对应的介质特征信息作为该待消磁磁性存储介质的最终介质特征数据,称为介质特征信息优化值。同时,将最优相似案例信息与介质特征信息优化值进行案例整合及标准化,将标准化后的特征集作为可优化案例初始特征集,储存至磁性存储介质特征识别数据库中,并进行数据库的案例更新。
本发明的创新性体现在:
(1)针对品牌和型号众多的磁性存储介质,首次提出了构建磁性存储介质特征识别数据库,对待消磁磁性存储介质进行特征识别,并提取其基础特征信息;
(2)在待消磁磁性存储介质的基础信息与磁性存储介质特征识别数据库中案例信息进行相似度匹配过程中,根据匹配程度,将介质特征信息划分为匹配值、默认值以及优化值,并对数据库案例进行更新。
参考文献
[1]迟玉山,沈菊云,陈学贤.计算机硬盘基板材料的研究[J].陶瓷学报,2000(02):115-120.
[2]闫国卿.计算机硬盘和内存存储器的安全销毁与资源化处理[D].上海交通大学,2013.
[3]孙维平,韩俊民.磁性数据存储介质的信息消除[J].记录媒体技术,2006(3):31-34.
[4]美国国防部数据清除和处理标准.DOD5220.22M[S],2006.
[5]卢兴华,刘增良.数据残留与安全删除方法研究[J].微计算机信息,2005(23):11-13.
[6]王灿.磁记录介质材料的研究[D].河北科技大学,2012.

Claims (4)

1.一种磁性存储介质特征识别数据库的构建及更新方法,其特征在于,包括以下步骤:
步骤1、通过磁性存储介质基础信息案例构建模块,基于不同品牌、不同规格的磁性存储介质,采用人工收集的方式获取磁性存储介质的品牌、型号码、容量、转速、生产时间基础信息;通过线下调研的方式获取不同磁性存储介质的介质特征信息,包括磁记录材料、记录方式、矫顽力;磁性存储介质的基础信息与介质特征信息共同构成“磁性存储介质基础信息案例”,构建基本的磁性存储介质特征识别数据库;
步骤2、通过待消磁磁性存储介质特征识别模块,对待消磁磁性存储介质进行条码扫描与图像识别,获取该待消磁磁性存储介质的基础信息;
步骤3、通过特征数据比对模块,将获取到的待消磁磁性存储介质的基础信息进行特征数据提取,与磁性存储介质特征识别数据库中的特征数据进行比对;若比对得到相同案例,则将该相同案例对应的特征数据作为该待消磁磁性存储介质的最终特征数据,输出其对应的介质特征信息,称为介质特征信息匹配值;若未比对得到相同案例,则将其视为未匹配案例;
步骤4、通过未匹配案例判别模块,对未匹配案例进行特征数据提取与分析,通过未匹配案例判别模块进行相似度判别;
步骤5、通过未知案例提取模块,对未知案例进行特征数据提取,然后根据磁性存储介质特征识别数据库中的特征模型将特征数据进行标准化,将标准化后的特征集作为未知案例初始特征集,并储存至磁性存储介质特征识别数据库中,对数据库案例进行更新;
步骤6、通过可优化案例更新模块,对于可优化案例,通过相似度匹配得到可优化案例的相似案例;然后通过案例优选机制,依据优选规则得到最优相似案例,提取最优相似案例对应的特征数据作为可优化案例的特征数据,称为介质特征数据优化值;最后将可优化案例以及介质特征数据优化值作为一条可优化案例信息,并以可优化案例初始特征集的形式储存至磁性存储介质特征识别数据库中,实现数据库案例的添加与更新。
2.如权利要求1所述的磁性存储介质特征识别数据库的构建及更新方法,其特征在于,步骤2具体为:
首先,采用条码扫描枪对待消磁磁性介质的型号码条码进行扫描,并将这些光学信号转换为电信号,进而转换为数字信号;在条码处理模块中,基于译码算法进行处理,获得待消磁磁性存储介质的识别码;同时,采用摄像设备对待消磁磁性存储介质的标签进行图像采集,得到的标签图像;在图像处理模块中,基于图像识别算法提取的品牌、容量、转速、生产时间信息;
其次,将通过扫描以及图像识别处理得到的待消磁磁性存储介质的基础信息,按照标准特征集模型的形式输出。
3.如权利要求1所述的磁性存储介质特征识别数据库的构建及更新方法,其特征在于,步骤4具体为:
首先,从磁性存储介质特征识别数据库中调取标准特征集模型,依据标准特征集模型来提取未匹配案例的特征数据;然后,将提取到的特征数据与磁性存储介质特征识别数据库中的案例数据进行相似度匹配,得到匹配率
Figure FDA0002572604180000021
接着,将得到的匹配率
Figure FDA0002572604180000022
与领域专家所给出的设定阈值
Figure FDA0002572604180000023
进行比较,若
Figure FDA0002572604180000024
即匹配程度在领域专家知识允许的范围内,此时认为匹配到的特征数据符合实际磁性存储介质的介质特征,将该案例视为可优化案例并进行标记储存;若
Figure FDA0002572604180000025
即匹配程度未在领域专家知识允许的范围内,此时认为没有匹配到符合实际磁性存储介质介质特征信息的案例,将该案例视为未知案例进行标记存储;同时从介质特征人参数库中提取默认的介质特征信息
Figure FDA0002572604180000026
作为该未知案例的介质特征信息,称为介质特征信息默认值,其中
Figure FDA0002572604180000027
表示磁记录材料默认值,
Figure FDA0002572604180000028
表示记录方式默认值,
Figure FDA0002572604180000029
表示矫顽力默认值;最后将未知案例与介质特征信息默认值整合为一条完整案例信息,视为未知案例信息进行存储。
4.如权利要求1所述的磁性存储介质特征识别数据库的构建及更新方法,其特征在于,步骤6具体为:
首先,对输入的可优化案例进行特征数据提取,将提取到的特征数据与磁性存储介质特征识别数据库中的案例信息进行特征数据比对,在特征数据比对器中根据各项数据比对规则计算出总体差异值;然后通过案例优选机制,将总体差异值在允许范围内的案例筛选出来,进行差异值排序;总体差异值越小,则认为对应案例的初始特征数据越接近待消磁磁性存储介质的实际介质特征情况;
接着,选取差异值最小的相似案例,提取该案例对应的介质特征信息作为该待消磁磁性存储介质的最终介质特征数据,称为介质特征信息优化值;同时,将可优化案例与介质特征信息优化值进行案例整合以及标准化,然后将标准化后的特征集作为可优化案例初始特征集,储存至磁性存储介质特征识别数据库中,并进行数据库的案例更新。
CN202010644733.4A 2020-07-07 2020-07-07 一种磁性存储介质特征识别数据库的构建及更新方法 Active CN111858551B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010644733.4A CN111858551B (zh) 2020-07-07 2020-07-07 一种磁性存储介质特征识别数据库的构建及更新方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010644733.4A CN111858551B (zh) 2020-07-07 2020-07-07 一种磁性存储介质特征识别数据库的构建及更新方法

Publications (2)

Publication Number Publication Date
CN111858551A true CN111858551A (zh) 2020-10-30
CN111858551B CN111858551B (zh) 2022-06-10

Family

ID=73153521

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010644733.4A Active CN111858551B (zh) 2020-07-07 2020-07-07 一种磁性存储介质特征识别数据库的构建及更新方法

Country Status (1)

Country Link
CN (1) CN111858551B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081648A (zh) * 2010-12-20 2011-06-01 北京航空航天大学 一种支持复杂产品先进制造的案例库系统及方法
CN110797052A (zh) * 2019-10-21 2020-02-14 北京工业大学 一种基于磁性介质特性的快速消磁方法
CN110866279A (zh) * 2019-11-15 2020-03-06 北京工业大学 一种基于废旧电子产品特征的信息清除参数获取方法
CN110866291A (zh) * 2019-11-15 2020-03-06 北京工业大学 一种基于双重安全机制的废旧电子产品信息清除方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081648A (zh) * 2010-12-20 2011-06-01 北京航空航天大学 一种支持复杂产品先进制造的案例库系统及方法
CN110797052A (zh) * 2019-10-21 2020-02-14 北京工业大学 一种基于磁性介质特性的快速消磁方法
CN110866279A (zh) * 2019-11-15 2020-03-06 北京工业大学 一种基于废旧电子产品特征的信息清除参数获取方法
CN110866291A (zh) * 2019-11-15 2020-03-06 北京工业大学 一种基于双重安全机制的废旧电子产品信息清除方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
侯玉梅: "基于案例推理法研究综述", 《燕山大学学报》 *

Also Published As

Publication number Publication date
CN111858551B (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
CN110797052B (zh) 一种基于磁性介质特性的快速消磁方法
Budennyy et al. Image processing and machine learning approaches for petrographic thin section analysis
WO2008144647A2 (en) Image exchange send non-bofd identification
CN104462433A (zh) 一种恢复fat32分区数据的方法
CN1598844A (zh) 电子收据管理方法和装置
CN115600194A (zh) 一种基于XGBoost和LGBM的入侵检测方法、存储介质及设备
CN111858551B (zh) 一种磁性存储介质特征识别数据库的构建及更新方法
CN111667000A (zh) 自适应领域深度神经网络的地震预警方法
CN117688596A (zh) 基于人工智能的数据销毁识别处理系统及方法
CN111858552B (zh) 一种磁性存储介质消磁参数数据库的构建及更新方法
CN113781404A (zh) 基于自监督预训练的道路病害检测方法和系统
CN117349786B (zh) 基于数据均衡的证据融合变压器故障诊断方法
CN103514426A (zh) 一种条码标识与射频识别标识的双向转换的系统与方法
Huang et al. A weakly supervised method for mud detection in ores based on deep active learning
CN116070248B (zh) 一种用于保证电力数据安全的数据处理系统及方法
CN117113403A (zh) 一种数据脱敏的方法、装置、电子设备及存储介质
CN117217929A (zh) 注册对象风险识别方法、装置、计算机设备和存储介质
CN111816404B (zh) 一种消磁方法及系统
CN113361481A (zh) 一种高光谱图像分类方法、装置、设备及存储介质
Liu et al. Structured collaborative sparse dictionary learning for monitoring of multimode processes
Kumar et al. Learning Noise-Assisted Robust Image Features for Fine-Grained Image Retrieval.
Yu et al. An apriori-based knowledge mining method for product configuration design
Samal et al. Smart attendance based decision support system for mid-day meal scheme
CN111666432B (zh) 一种图像存储方法、装置及设备、存储介质
Fogelman-Soulié et al. Industrial mining of massive data sets

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