CN113344058B - 基于云计算的信息融合的预警方法、装置及云服务器 - Google Patents

基于云计算的信息融合的预警方法、装置及云服务器 Download PDF

Info

Publication number
CN113344058B
CN113344058B CN202110599050.6A CN202110599050A CN113344058B CN 113344058 B CN113344058 B CN 113344058B CN 202110599050 A CN202110599050 A CN 202110599050A CN 113344058 B CN113344058 B CN 113344058B
Authority
CN
China
Prior art keywords
information
information set
real
time
identification
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
CN202110599050.6A
Other languages
English (en)
Other versions
CN113344058A (zh
Inventor
董超
陈晓峰
姚俊虎
包治华
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.)
Shanghai Blue Bodi Intelligent Engineering Co ltd
Original Assignee
Shanghai Blue Bodi Intelligent Engineering 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 Shanghai Blue Bodi Intelligent Engineering Co ltd filed Critical Shanghai Blue Bodi Intelligent Engineering Co ltd
Priority to CN202110599050.6A priority Critical patent/CN113344058B/zh
Publication of CN113344058A publication Critical patent/CN113344058A/zh
Application granted granted Critical
Publication of CN113344058B publication Critical patent/CN113344058B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • 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
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Image Analysis (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本申请的基于云计算的信息融合的预警方法、装置及云服务器，在样本信息集合识别之前，将实时信息集合信息量与信息集合信息量进行相似度判断，以对信息集合信息量进行检测，若实时信息集合信息量与信息集合信息量融合，则检测通过，然后在样本信息集合识别完成之后，将实时信息集合标签与预设信息集合标准进行相似度判断，以及将实时识别轨迹信息与识别轨迹信息进行相似度判断等，以对预设信息集合标准和识别轨迹信息进行检测，若检测不通过则确定识别得到的目标样本信息集合为预警信息集合，而不需要基于预设计算值进行检测，提高了预警准确性和效率。

Description

基于云计算的信息融合的预警方法、装置及云服务器
技术领域
本公开涉及云计算及信息融合技术领域，特别涉及基于云计算的信息融合的预警方法、装置及云服务器。
背景技术
在相关信息融合是将一个对从单个和多个信息源获取的数据和信息进行关联、相关和综合，相关信息融合过程中是将重复的相关信息进行剔除，从而将大量的信息量进行简化，这样能有效地避免信息量过大，以导致云服务器崩溃的问题。然而，在相关信息融合技术还存在一些缺陷。
发明内容
为改善相关技术中存在的技术问题，本公开提供了基于云计算的信息融合的预警方法、装置及云服务器。
本申请提供了一种基于云计算的信息融合的预警方法，包括：
获取样本信息集合中的关键策略，所述样本信息集合中的关键策略包括信息集合信息量、预设信息集合标准以及识别轨迹信息；
响应样本信息集合识别结果，与云服务器构建识别网络，并基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量；
当所述实时信息集合信息量与所述信息集合信息量融合时，从所述云服务器上识别当前待识别样本信息集合，得到目标样本信息集合；
从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息；
当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
进一步地，所述基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量，包括：
搜索所述识别网络的关键描述信息中的内容特征提取指标；从所述内容特征提取指标中提取内容特征，基于所述内容特征确定所述当前待识别样本信息集合的实时信息集合信息量。
进一步地，所述从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息，包括：
对所述目标样本信息集合进行分析，得到分析后的样本信息内容；
从所述样本信息内容中第一特征向量提取实时信息集合标签，以及从所述样本信息内容中第二特征向量提取实时识别轨迹信息。
进一步地，所述当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合，包括：
将所述实时信息集合标签与所述预设信息集合标准进行相似度判断；
当所述实时信息集合标签与所述预设信息集合标准融合时，将所述实时识别轨迹信息与所述识别轨迹信息进行相似度判断；
当所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
本申请提供了一种基于云计算的信息融合的预警装置，包括：
关键策略获取模块，用于获取样本信息集合中的关键策略，所述样本信息集合中的关键策略包括信息集合信息量、预设信息集合标准以及识别轨迹信息；
样本信息获取模块，用于响应样本信息集合识别结果，与云服务器构建识别网络，并基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量；
样本信息确定模块，用于当所述实时信息集合信息量与所述信息集合信息量融合时，从所述云服务器上识别当前待识别样本信息集合，得到目标样本信息集合；
轨迹信息识别模块，用于从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息；
预警信息确定模块，用于当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
进一步地，所述样本信息获取模块基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量，包括：
搜索所述识别网络的关键描述信息中的内容特征提取指标；从所述内容特征提取指标中提取内容特征，基于所述内容特征确定所述当前待识别样本信息集合的实时信息集合信息量。
进一步地，所述轨迹信息识别模块从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息，包括：
对所述目标样本信息集合进行分析，得到分析后的样本信息内容；
从所述样本信息内容中第一特征向量提取实时信息集合标签，以及从所述样本信息内容中第二特征向量提取实时识别轨迹信息。
进一步地，所述预警信息确定模块当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合，包括：
将所述实时信息集合标签与所述预设信息集合标准进行相似度判断；
当所述实时信息集合标签与所述预设信息集合标准融合时，将所述实时识别轨迹信息与所述识别轨迹信息进行相似度判断；
当所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
本申请提供了一种电子设备，包括：存储器，用于存储计算机程序；与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现上述方法。
本申请提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时执行上述方法。
本公开的实施例提供的技术方案可以包括以下有益效果。
基于云计算的信息融合的预警方法、装置及云服务器，获取样本信息集合中的关键策略，该样本信息集合中的关键策略可以包括信息集合信息量、预设信息集合标准以及识别轨迹信息，以及响应样本信息集合识别结果，与云服务器构建识别网络，并基于识别网络获取当前待识别样本信息集合的实时信息集合信息量。当实时信息集合信息量与信息集合信息量融合时，可以从云服务器上识别当前待识别样本信息集合，得到目标样本信息集合，然后可以从目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息。当实时信息集合标签与预设信息集合标准不融合，或实时识别轨迹信息与识别轨迹信息不融合时，可以确定目标样本信息集合为预警信息集合。该方案通过在样本信息集合识别之前，将实时信息集合信息量与信息集合信息量进行相似度判断，以对信息集合信息量进行检测，若实时信息集合信息量与信息集合信息量融合，则检测通过，然后在样本信息集合识别完成之后，将实时信息集合标签与预设信息集合标准进行相似度判断，以及将实时识别轨迹信息与识别轨迹信息进行相似度判断等，以对预设信息集合标准和识别轨迹信息进行检测，若检测不通过则确定识别得到的目标样本信息集合为预警信息集合，而不需要基于预设计算值进行检测，提高了预警准确性和效率。。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并于说明书一起用于解释本申请的原理。
图1为本申请实施例所提供的基于云计算的信息融合的预警系统的架构示意图；
图2为本申请实施例所提供的基于云计算的信息融合的预警方法的流程图；
图3为本申请实施例所提供的基于云计算的信息融合的预警装置的功能模块框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了便于对上述的基于云计算的信息融合的预警方法、装置及云服务器进行阐述，请集合参考图1，提供了本申请实施例所公开的基于云计算的信息融合的预警系统100的通信架构示意图。其中，所述基于云计算的信息融合的预警系统100可以包括信息采集端200以及云服务器300，所述信息采集端200与所述云服务器300通信连接。
在具体的实施方式中，云服务器300可以是台式电脑、平板电脑、笔记本电脑、手机或者其他能够实现数据处理以及数据通信的云服务器，在此不作过多限定。
在上述基础上，请集合参阅图2，为本申请实施例所提供的基于云计算的信息融合的预警方法的流程示意图，所述基于云计算的信息融合的预警方法可以应用于图1中的云服务器300，进一步地，所述基于云计算的信息融合的预警方法具体可以包括以下步骤S21-步骤S25所描述的内容。
步骤S21，获取样本信息集合中的关键策略。
可以理解的是，所述样本信息集合中的关键策略包括信息集合信息量、预设信息集合标准以及识别轨迹信息。
步骤S22，响应样本信息集合识别结果，与云服务器构建识别网络，并基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量。
步骤S23，当所述实时信息集合信息量与所述信息集合信息量融合时，从所述云服务器上识别当前待识别样本信息集合，得到目标样本信息集合。
可以理解的是，目标样本信息集合表示融合后的信息集合。
步骤S24，从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息。
示例性的，识别轨迹信息表示相关信息融合对应的路径。
步骤S25，当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
举例而言，预警信息集合表示相关信息融合发生异常的信息。
可以理解，在执行上述步骤S21-步骤S25所描述的内容时，获取样本信息集合中的关键策略，该样本信息集合中的关键策略可以包括信息集合信息量、预设信息集合标准以及识别轨迹信息，以及响应样本信息集合识别结果，与云服务器构建识别网络，并基于识别网络获取当前待识别样本信息集合的实时信息集合信息量。当实时信息集合信息量与信息集合信息量融合时，可以从云服务器上识别当前待识别样本信息集合，得到目标样本信息集合，然后可以从目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息。当实时信息集合标签与预设信息集合标准不融合，或实时识别轨迹信息与识别轨迹信息不融合时，可以确定目标样本信息集合为预警信息集合。该方案通过在样本信息集合识别之前，将实时信息集合信息量与信息集合信息量进行相似度判断，以对信息集合信息量进行检测，若实时信息集合信息量与信息集合信息量融合，则检测通过，然后在样本信息集合识别完成之后，将实时信息集合标签与预设信息集合标准进行相似度判断，以及将实时识别轨迹信息与识别轨迹信息进行相似度判断等，以对预设信息集合标准和识别轨迹信息进行检测，若检测不通过则确定识别得到的目标样本信息集合预警，而不需要预设计算值进行检测，提高了对基于云计算的信息融合的预警准确性和效率。
在另一种可替换的实施例中，基于所述识别网络获取当前待识别样本信息集合时，存在关键描述信息不准确的问题，从而难以准确地获得实时信息集合信息量，为了改善上述技术问题，步骤S22所描述的基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量的步骤，具体可以包括以下步骤S221所描述的内容。
步骤S221，搜索所述识别网络的关键描述信息中的内容特征提取指标；从所述内容特征提取指标中提取内容特征，基于所述内容特征确定所述当前待识别样本信息集合的实时信息集合信息量。
可以理解，在执行上述步骤S221所描述的内容时，基于所述识别网络获取当前待识别样本信息集合时，避免关键描述信息不准确的问题，从而能够准确地获得实时信息集合信息量。
在另一种可替换的实施例中，从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息时，存在分析错误的问题，从而难以精确地提取实时信息集合标签以及实时识别轨迹信息，为了改善上述技术问题，步骤S24所描述的从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息的步骤，具体可以包括以下步骤S241和步骤S242所描述的内容。
步骤S241，对所述目标样本信息集合进行分析，得到分析后的样本信息内容。
步骤S242，从所述样本信息内容中第一特征向量提取实时信息集合标签，以及从所述样本信息内容中第二特征向量提取实时识别轨迹信息。
可以理解，在执行上述步骤S241和步骤S242所描述的内容时，从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息时，避免分析错误的问题，从而能够精确地提取实时信息集合标签以及实时识别轨迹信息。
在另一种可替换的实施例中，当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，存在融合错误的问题，从而难以精确地确定所述目标样本信息集合为预警信息集合，为了改善上述技术问题，步骤S25所描述的当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合的步骤，具体可以包括以下步骤S251-步骤S253所描述的内容。
步骤S251，将所述实时信息集合标签与所述预设信息集合标准进行相似度判断。
步骤S252，当所述实时信息集合标签与所述预设信息集合标准融合时，将所述实时识别轨迹信息与所述识别轨迹信息进行相似度判断。
步骤S253，当所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
可以理解，在执行上述步骤S251-步骤S253所描述的内容时，当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，避免融合错误的问题，从而能够精确地确定所述目标样本信息集合为预警信息集合。
在另一种可替换的实施例中，获取样本信息集合中的关键策略，存在请求反馈不准确的问题，从而难以准确地获取样本信息集合中的关键策略，为了改善上述技术问题，步骤S21所描述的获取样本信息集合中的关键策略的步骤，具体可以包括以下步骤S211和步骤S212所描述的内容。
步骤S211，响应识别指令加载结果，向所述云服务器发送信息获取请求。
步骤S212，接收所述云服务器基于所述信息获取请求反馈的样本信息集合中的关键策略，并在识别指令内加载所述识别关键策略。
可以理解，在执行上述步骤S211和步骤S212所描述的内容时，获取样本信息集合中的关键策略，避免请求反馈不准确的问题，从而能够准确地获取样本信息集合中的关键策略。
基于上述基础，确定所述目标样本信息集合为预警信息集合之后，所述基于云计算的信息融合的预警，还包括以下步骤q1所描述的内容。
步骤q1，将所述目标样本信息集合剔除，并重新识别样本信息集合，以及对重新识别的样本信息集合进行检测。
可以理解，在执行上述步骤q1所描述的内容时，通过将目标样本信息集合不准确的信息剔除，从而能更加精确地重新识别样本信息集合。
在另一种可替换的实施例中，重新识别样本信息集合时，存在转换错误的问题，从而难以精确地重新识别样本信息集合，为了改善上述技术问题，步骤q1所描述的重新识别样本信息集合的步骤，具体可以包括以下步骤w1和步骤w2所描述的内容。
步骤w1，加载识别模型转换信息。
步骤w2，当基于所述识别模型转换信息接收到用户输入的确认结果时，对当前的识别网络进行转换，并基于转换后的识别网络重新识别样本信息集合。
可以理解，在执行上述步骤w1和步骤w2所描述的内容时，重新识别样本信息集合时，避免转换错误的问题，从而能够精确地重新识别样本信息集合
在另一种可替换的实施例中，重新识别样本信息集合时，存在识别预警信息不准确的问题，从而难以准确地重新识别样本信息集合，为了改善上述技术问题，步骤q1所描述的重新识别样本信息集合的步骤，具体可以包括以下步骤e1和步骤e2所描述的内容。
步骤e1，加载识别预警信息，所述识别预警信息用于指示用户通过目标识别样本信息集合。
步骤e2，从所述目标上获取已识别的样本信息集合。
可以理解，在执行上述步骤e1和步骤e2所描述的内容时，新识别样本信息集合时，避免识别预警信息不准确的问题，从而能够准确地重新识别样本信息集合。
基于上述基础，还包括以下步骤r1-步骤r3所描述的内容。
步骤r1，当所述实时信息集合信息量与所述信息集合信息量不融合时，确定所述当前待识别样本信息集合为预警信息集合，基于所述识别网络获取所述当前待识别样本信息集合的实时识别序列，以基于所述实时识别序列分析预警原因。
步骤r2，或者，当所述实时信息集合标签与所述预设信息集合标准不融合时，基于所述实时信息集合标签分析预警原因。
步骤r3，或者，当所述实时识别轨迹信息与所述识别轨迹信息不融合时，基于所述实时识别轨迹信息分析预警原因。
可以理解，在执行上述步骤r1-步骤r3所描述的内容时，通过精确地分析预警原因，能有效地确定识别轨迹信息分析预警原因。
基于同样的发明构思，还提供了基于云计算的信息融合的预警系统，所述系统包括信息采集端和云服务器，所述信息采集端与所述云服务器通信连接，云服务器具体用于：
获取样本信息集合中的关键策略，所述样本信息集合中的关键策略包括信息集合信息量、预设信息集合标准以及识别轨迹信息；
响应样本信息集合识别结果，与云服务器构建识别网络，并基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量；
当所述实时信息集合信息量与所述信息集合信息量融合时，从所述云服务器上识别当前待识别样本信息集合，得到目标样本信息集合；
从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息；
当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
进一步的，云服务器具体用于：
搜索所述识别网络的关键描述信息中的内容特征提取指标；从所述内容特征提取指标中提取内容特征，基于所述内容特征确定所述当前待识别样本信息集合的实时信息集合信息量。
进一步的，云服务器具体用于：
对所述目标样本信息集合进行分析，得到分析后的样本信息内容；
从所述样本信息内容中第一特征向量提取实时信息集合标签，以及从所述样本信息内容中第二特征向量提取实时识别轨迹信息。
进一步的，云服务器具体用于：
将所述实时信息集合标签与所述预设信息集合标准进行相似度判断；
当所述实时信息集合标签与所述预设信息集合标准融合时，将所述实时识别轨迹信息与所述识别轨迹信息进行相似度判断；
当所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
进一步的，云服务器具体用于：
响应识别指令加载结果，向所述云服务器发送信息获取请求；
接收所述云服务器基于所述信息获取请求反馈的样本信息集合中的关键策略，并在识别指令内加载所述识别关键策略。
进一步的，云服务器具体用于：
将所述目标样本信息集合剔除，并重新识别样本信息集合，以及对重新识别的样本信息集合进行检测。
进一步的，云服务器具体用于：
加载识别模型转换信息；
当基于所述识别模型转换信息接收到用户输入的确认结果时，对当前的识别网络进行转换，并基于转换后的识别网络重新识别样本信息集合。
进一步的，云服务器具体用于：
加载识别预警信息，所述识别预警信息用于指示用户通过目标识别样本信息集合；
从所述目标上获取已识别的样本信息集合。
进一步的，云服务器具体用于：
当所述实时信息集合信息量与所述信息集合信息量不融合时，确定所述当前待识别样本信息集合为预警信息集合，基于所述识别网络获取所述当前待识别样本信息集合的实时识别序列，以基于所述实时识别序列分析预警原因；
或者，当所述实时信息集合标签与所述预设信息集合标准不融合时，基于所述实时信息集合标签分析预警原因；
或者，当所述实时识别轨迹信息与所述识别轨迹信息不融合时，基于所述实时识别轨迹信息分析预警原因。
基于上述同样的发明构思，请集合参阅图3，还提供了基于云计算的信息融合的预警装置500的功能模块框图，关于所述基于云计算的信息融合的预警装置500的详细描述如下。
基于云计算的信息融合的预警装置500，应用于云服务器，所述装置500包括：
关键策略获取模块510，用于获取样本信息集合中的关键策略，所述样本信息集合中的关键策略包括信息集合信息量、预设信息集合标准以及识别轨迹信息；
样本信息获取模块520，用于响应样本信息集合识别结果，与云服务器构建识别网络，并基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量；
样本信息确定模块530，用于当所述实时信息集合信息量与所述信息集合信息量融合时，从所述云服务器上识别当前待识别样本信息集合，得到目标样本信息集合；
轨迹信息识别模块540，用于从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息；
预警信息确定模块550，用于当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
本申请提供了一种电子设备，包括：存储器，用于存储计算机程序；与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现上述任意一项所述的方法。
本申请提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时执行上述方法。
综上，基于云计算的信息融合的预警方法、装置及云服务器，获取样本信息集合中的关键策略，该样本信息集合中的关键策略可以包括信息集合信息量、预设信息集合标准以及识别轨迹信息，以及响应样本信息集合识别结果，与云服务器构建识别网络，并基于识别网络获取当前待识别样本信息集合的实时信息集合信息量。当实时信息集合信息量与信息集合信息量融合时，可以从云服务器上识别当前待识别样本信息集合，得到目标样本信息集合，然后可以从目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息。当实时信息集合标签与预设信息集合标准不融合，或实时识别轨迹信息与识别轨迹信息不融合时，可以确定目标样本信息集合为预警信息集合。该方案通过在样本信息集合识别之前，将实时信息集合信息量与信息集合信息量进行相似度判断，以对信息集合信息量进行检测，若实时信息集合信息量与信息集合信息量融合，则检测通过，然后在样本信息集合识别完成之后，将实时信息集合标签与预设信息集合标准进行相似度判断，以及将实时识别轨迹信息与识别轨迹信息进行相似度判断等，以对预设信息集合标准和识别轨迹信息进行检测，若检测不通过则确定识别得到的目标样本信息集合为预警信息集合，而不需要基于预设计算值进行检测，提高了预警准确性和效率。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (8)

1.一种基于云计算的信息融合的预警方法，其特征在于，包括：
获取样本信息集合中的关键策略，所述样本信息集合中的关键策略包括信息集合信息量、预设信息集合标准以及识别轨迹信息；
响应样本信息集合识别结果，与云服务器构建识别网络，并基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量；
当所述实时信息集合信息量与所述信息集合信息量融合时，从所述云服务器上识别当前待识别样本信息集合，得到目标样本信息集合；
从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息；
当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合；
其中；识别轨迹信息表示相关信息融合对应的路径；
其中；所述当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合，包括：
将所述实时信息集合标签与所述预设信息集合标准进行相似度判断；
当所述实时信息集合标签与所述预设信息集合标准融合时，将所述实时识别轨迹信息与所述识别轨迹信息进行相似度判断；
当所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
2.根据权利要求1所述的基于云计算的信息融合的预警方法，其特征在于，所述基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量，包括：
搜索所述识别网络的关键描述信息中的内容特征提取指标；从所述内容特征提取指标中提取内容特征，基于所述内容特征确定所述当前待识别样本信息集合的实时信息集合信息量。
3.根据权利要求1所述的基于云计算的信息融合的预警方法，其特征在于，所述从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息，包括：
对所述目标样本信息集合进行分析，得到分析后的样本信息内容；
从所述样本信息内容中第一特征向量提取实时信息集合标签，以及从所述样本信息内容中第二特征向量提取实时识别轨迹信息。
4.一种基于云计算的信息融合的预警装置，其特征在于，包括：
关键策略获取模块，用于获取样本信息集合中的关键策略，所述样本信息集合中的关键策略包括信息集合信息量、预设信息集合标准以及识别轨迹信息；
样本信息获取模块，用于响应样本信息集合识别结果，与云服务器构建识别网络，并基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量；
样本信息确定模块，用于当所述实时信息集合信息量与所述信息集合信息量融合时，从所述云服务器上识别当前待识别样本信息集合，得到目标样本信息集合；
轨迹信息识别模块，用于从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息；
预警信息确定模块，用于当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合；
其中；识别轨迹信息表示相关信息融合对应的路径；
其中；所述当所述实时信息集合标签与所述预设信息集合标准不融合，或所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合，包括：
将所述实时信息集合标签与所述预设信息集合标准进行相似度判断；
当所述实时信息集合标签与所述预设信息集合标准融合时，将所述实时识别轨迹信息与所述识别轨迹信息进行相似度判断；
当所述实时识别轨迹信息与所述识别轨迹信息不融合时，确定所述目标样本信息集合为预警信息集合。
5.根据权利要求4所述的基于云计算的信息融合的预警装置，其特征在于，所述样本信息获取模块基于所述识别网络获取当前待识别样本信息集合的实时信息集合信息量，包括：
搜索所述识别网络的关键描述信息中的内容特征提取指标；从所述内容特征提取指标中提取内容特征，基于所述内容特征确定所述当前待识别样本信息集合的实时信息集合信息量。
6.根据权利要求4所述的基于云计算的信息融合的预警装置，其特征在于，所述轨迹信息识别模块从所述目标样本信息集合中提取实时信息集合标签以及实时识别轨迹信息，包括：
对所述目标样本信息集合进行分析，得到分析后的样本信息内容；
从所述样本信息内容中第一特征向量提取实时信息集合标签，以及从所述样本信息内容中第二特征向量提取实时识别轨迹信息。
7.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现权利要求1-3任意一项所述的方法。
8.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时执行权利要求1-3任意一项所述的方法。
CN202110599050.6A 2021-05-31 2021-05-31 基于云计算的信息融合的预警方法、装置及云服务器 Active CN113344058B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110599050.6A CN113344058B (zh) 2021-05-31 2021-05-31 基于云计算的信息融合的预警方法、装置及云服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110599050.6A CN113344058B (zh) 2021-05-31 2021-05-31 基于云计算的信息融合的预警方法、装置及云服务器

Publications (2)

Publication Number Publication Date
CN113344058A CN113344058A (zh) 2021-09-03
CN113344058B true CN113344058B (zh) 2022-08-16

Family

ID=77472405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110599050.6A Active CN113344058B (zh) 2021-05-31 2021-05-31 基于云计算的信息融合的预警方法、装置及云服务器

Country Status (1)

Country Link
CN (1) CN113344058B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111614499A (zh) * 2020-05-25 2020-09-01 郁健兰 基于5g和区块链的信息处理方法及云计算服务器

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109447048B (zh) * 2018-12-25 2020-12-25 苏州闪驰数控系统集成有限公司 一种人工智能预警系统
CN112182007A (zh) * 2020-10-19 2021-01-05 詹启新 基于人工智能的云计算的数据处理方法及人工智能平台
CN112461246B (zh) * 2020-12-01 2023-04-18 上海交通大学 融合多源异构定位路径数据的方法和系统
CN113177235A (zh) * 2020-12-01 2021-07-27 李孔雀 结合大数据和云计算的数据处理方法及大数据服务器
CN112615742A (zh) * 2020-12-18 2021-04-06 北京百度网讯科技有限公司 用于预警的方法、装置、设备以及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111614499A (zh) * 2020-05-25 2020-09-01 郁健兰 基于5g和区块链的信息处理方法及云计算服务器

Also Published As

Publication number Publication date
CN113344058A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
US11004234B2 (en) Method and apparatus for annotating point cloud data
WO2020207167A1 (zh) 文本分类方法、装置、设备及计算机可读存储介质
CN110826494B (zh) 标注数据质量评价方法、装置、计算机设备及存储介质
CN104700033A (zh) 病毒检测的方法及装置
CN110737689B (zh) 数据标准符合性检测方法、装置、系统及存储介质
CA3052846A1 (en) Character recognition method, device, electronic device and storage medium
US10803861B2 (en) Method and apparatus for identifying information
CN109241998B (zh) 模型训练方法、装置、设备及存储介质
CN116881430B (zh) 一种产业链识别方法、装置、电子设备及可读存储介质
CN112084761B (zh) 一种水利工程信息管理方法及装置
CN115098679A (zh) 文本分类标注样本的异常检测方法、装置、设备及介质
CN112181835A (zh) 自动化测试方法、装置、计算机设备及存储介质
CN111368824A (zh) 一种仪表识别方法、移动设备及存储介质
CN104112003A (zh) 对游戏终端的性能进行检测的方法及系统
CN114692778A (zh) 用于智能巡检的多模态样本集生成方法、训练方法及装置
CN108388513B (zh) 一种自动化测试方法及装置
CN113344058B (zh) 基于云计算的信息融合的预警方法、装置及云服务器
CN105354224A (zh) 知识数据的处理方法和装置
CN115687406B (zh) 一种调用链数据的采样方法、装置、设备及存储介质
CN114531340B (zh) 日志获取方法、装置、电子设备、芯片及存储介质
CN109446330B (zh) 网络服务平台情感倾向识别方法、装置、设备和存储介质
CN113779255A (zh) 一种基于lstm神经网络和知识图谱的识别方法及装置
US11227186B2 (en) Method and device for training image recognition model and related device
CN117647697B (zh) 一种基于知识图谱的电力计量流水线故障定位方法及系统
CN110580243A (zh) 一种文件比对方法、装置、电子设备及存储介质

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