CN113626494B - 基于自适应控制的数据多维维度分析的方法及系统 - Google Patents
基于自适应控制的数据多维维度分析的方法及系统 Download PDFInfo
- Publication number
- CN113626494B CN113626494B CN202110860416.0A CN202110860416A CN113626494B CN 113626494 B CN113626494 B CN 113626494B CN 202110860416 A CN202110860416 A CN 202110860416A CN 113626494 B CN113626494 B CN 113626494B
- Authority
- CN
- China
- Prior art keywords
- dimension
- data
- test
- processed
- preset
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 238000012360 testing method Methods 0.000 claims abstract description 174
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000001212 derivatisation Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 79
- 238000007405 data analysis Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004141 dimensional analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Debugging And Monitoring (AREA)
- Stored Programmes (AREA)
Abstract
本申请提供的基于自适应控制的数据多维维度分析的方法及系统,可进行操作程序识别得到操作程序识别结果,并且可针对待处理行为操作数据进行维度测试得到测试维度,基于测试维度进行数据维度种类识别,得到数据维度种类识别结果。最后,结合操作程序识别结果和/或数据维度种类识别结果分析门禁目标操作数据是否准确。本方案准确对待处理行为操作数据进行维度测试,在无需手动切换维度识别模式的情况下,待处理行为操作数据既可用于操作程序识别,又可用于数据维度种类识别,在满足操作程序识别的条件下同时兼顾数据维度种类识别,实现较为便捷。
Description
技术领域
本申请涉及数据分析技术领域,具体而言,涉及基于自适应控制的数据多维维度分析的方法及系统。
背景技术
随着数据多维维度分析技术的不断进步,数据分析大多采用汇总、对比、趋势预测、交叉等几类方法,尤其是交叉分析使用率颇高。通过多维度的分析方式,这样能从不同角度和不同分析步骤出发,进而能够数据分析的准确性,然而,数据多维维度分析技术中,还存在一些缺陷。
发明内容
鉴于此,本申请提供了基于自适应控制的数据多维维度分析的方法及系统。
第一方面,提供一种基于自适应控制的数据多维维度分析的方法,,所述方法包括:
对待处理行为操作数据进行操作程序识别,得到操作程序识别结果;
按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度;
对所述测试维度进行数据维度种类识别,得到数据维度种类识别结果;
根据所述操作程序识别结果和/或所述数据维度种类识别结果分析目标操作数据是否准确。
进一步地,所述方法还包括:
根据所述操作程序识别结果和所述数据维度种类识别结果对所述测试维度进行修正,基于修正后的测试维度进行数据维度种类识别。
进一步地,所述根据所述操作程序识别结果和/或所述数据维度种类识别结果对所述测试维度进行修正,基于修正后的测试维度进行数据维度种类识别的步骤,包括:
在所述操作程序识别结果表示所述待处理行为操作数据中存在未识别操作程序,且所述数据维度种类识别结果为识别错误时,获取与所述待处理行为操作数据间隔预先设置标准操作数据的其他标准操作数据,并对所述其他标准操作数据进行操作程序识别,若操作程序识别成功,则对所述测试维度进行修正,并基于所述其他标准操作数据中修正后的测试维度进行数据维度种类识别;
在所述操作程序识别结果表示所述待处理行为操作数据中不存在未识别操作程序,且所述数据维度种类识别结果为识别错误时,则对所述测试维度进行修正,基于所述待处理行为操作数据中修正后的测试维度进行数据维度种类识别。
进一步地,所述对所述测试维度进行修正的步骤,包括:
将所述测试维度按预先设置扩大参数,在预先设置方位上进行扩展衍生,得到扩展衍生后的测试维度,其中,所述预先设置扩大参数大于1,所述预先设置扩大参数根据数据维度种类识别的错误评率设定;
或,将所述测试维度按预先设置方位进行运行。
进一步地,在所述测试维度为多个时,所述按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤之后,所述方法还包括:
识别多个测试维度中是否存在重合维度的投影区间大于第一预先设置值的至少两个测试维度,若存在,则将该至少两个测试维度锁定,将锁定得到的维度作为新的测试维度;
或,识别多个测试维度中是否存在间隔周期小于第二预先设置值的至少两个测试维度,若存在,则将该至少两个测试维度锁定,将锁定得到的维度作为新的测试维度;
其中,所述按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤,包括:
将所述待处理行为操作数据区分为多个第一子维度;
针对每个所述第一子维度,计算该第一子维度内的多个视角的视觉差向量平均值,若所述视觉差向量平均值小于第一预先设置阈值,则确定该第一子维度为测试维度;
其中,所述按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤,包括:
将所述待处理行为操作数据区分为多个第二子维度;
针对每个所述第二子维度,获得该第二子维度内的视角的分析策略的关键分析内容,若该关键分析内容存在两个局部关键参数,则确定该第二子维度为测试维度;
其中,所述按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤,包括:
根据所述待处理行为操作数据以及该待处理行为操作数据之前的预先设置标准操作数据的多种行为操作数据,获得所述待处理行为操作数据中的多个层次维度;
将所述多个层次维度中维度投影区间属于第一预先设置区间内的层次维度作为所述测试维度。
第二方面,提供一种基于自适应控制的数据多维维度分析的系统包括数据采集端和数据处理终端,所述数据采集端和所述数据处理终端通过连接,所述数据处理终端具体用于:
对待处理行为操作数据进行操作程序识别,得到操作程序识别结果;
按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度;
对所述测试维度进行数据维度种类识别,得到数据维度种类识别结果;
根据所述操作程序识别结果和/或所述数据维度种类识别结果分析目标操作数据是否准确。
进一步地,所述数据处理终端具体用于
根据所述操作程序识别结果和所述数据维度种类识别结果对所述测试维度进行修正,基于修正后的测试维度进行数据维度种类识别。
进一步地,所述数据处理终端具体用于:
在所述操作程序识别结果表示所述待处理行为操作数据中存在未识别操作程序,且所述数据维度种类识别结果为识别错误时,获取与所述待处理行为操作数据间隔预先设置标准操作数据的其他标准操作数据,并对所述其他标准操作数据进行操作程序识别,若操作程序识别成功,则对所述测试维度进行修正,并基于所述其他标准操作数据中修正后的测试维度进行数据维度种类识别;
在所述操作程序识别结果表示所述待处理行为操作数据中不存在未识别操作程序,且所述数据维度种类识别结果为识别错误时,则对所述测试维度进行修正,基于所述待处理行为操作数据中修正后的测试维度进行数据维度种类识别。
进一步地,所述数据处理终端具体用于:
将所述测试维度按预先设置扩大参数,在预先设置方位上进行扩展衍生,得到扩展衍生后的测试维度,其中,所述预先设置扩大参数大于1,所述预先设置扩大参数根据数据维度种类识别的错误评率设定;
或,将所述测试维度按预先设置方位进行运行。
进一步地,所述数据处理终端具体用于:
识别多个测试维度中是否存在重合维度的投影区间大于第一预先设置值的至少两个测试维度,若存在,则将该至少两个测试维度锁定,将锁定得到的维度作为新的测试维度;
或,识别多个测试维度中是否存在间隔周期小于第二预先设置值的至少两个测试维度,若存在,则将该至少两个测试维度锁定,将锁定得到的维度作为新的测试维度;
其中,所述数据处理终端具体用于:
将所述待处理行为操作数据区分为多个第一子维度;
针对每个所述第一子维度,计算该第一子维度内的多个视角的视觉差向量平均值,若所述视觉差向量平均值小于第一预先设置阈值,则确定该第一子维度为测试维度;
其中,所述数据处理终端具体用于:
将所述待处理行为操作数据区分为多个第二子维度;
针对每个所述第二子维度,获得该第二子维度内的视角的分析策略的关键分析内容,若该关键分析内容存在两个局部关键参数,则确定该第二子维度为测试维度;
其中,所述数据处理终端具体用于:
根据所述待处理行为操作数据以及该待处理行为操作数据之前的预先设置标准操作数据的多种行为操作数据,获得所述待处理行为操作数据中的多个层次维度;
将所述多个层次维度中维度投影区间属于第一预先设置区间内的层次维度作为所述测试维度。
本申请实施例所提供的基于自适应控制的数据多维维度分析的方法及系统,可进行操作程序识别得到操作程序识别结果,并且可针对待处理行为操作数据进行维度测试得到测试维度,基于测试维度进行数据维度种类识别,得到数据维度种类识别结果。最后,结合操作程序识别结果和/或数据维度种类识别结果分析门禁目标操作数据是否准确。本方案准确对待处理行为操作数据进行维度测试,在无需手动切换维度识别模式的情况下,待处理行为操作数据既可用于操作程序识别,又可用于数据维度种类识别,在满足操作程序识别的条件下同时兼顾数据维度种类识别,实现较为便捷。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对区间的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种基于自适应控制的数据多维维度分析的方法的流程图。
图2为本申请实施例所提供的一种基于自适应控制的数据多维维度分析的装置的框图。
图3为本申请实施例所提供的一种基于自适应控制的数据多维维度分析的系统的架构图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种基于自适应控制的数据多维维度分析的方法,该方法可以包括以下步骤100-步骤400所描述的技术方案。
步骤100,对待处理行为操作数据进行操作程序识别,得到操作程序识别结果。
示例性的,操作程序识别用于表征待处理行为操作数据的操作步骤。
步骤200,按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度;
示例性的,待处理行为操作数据中的测试维度用于表征待处理行为操作数据的多角度测试方式。
步骤300,对所述测试维度进行数据维度种类识别,得到数据维度种类识别结果。
示例性的,数据维度种类识别结果用于表征测试维度对应的分贝结果。
步骤400,根据所述操作程序识别结果和/或所述数据维度种类识别结果分析目标操作数据是否准确。
可以理解,在执行上述步骤100-步骤400所描述的技术方案时,可进行操作程序识别得到操作程序识别结果,并且可针对待处理行为操作数据进行维度测试得到测试维度,基于测试维度进行数据维度种类识别,得到数据维度种类识别结果。最后,结合操作程序识别结果和/或数据维度种类识别结果分析门禁目标操作数据是否准确。本方案准确对待处理行为操作数据进行维度测试,在无需手动切换维度识别模式的情况下,待处理行为操作数据既可用于操作程序识别,又可用于数据维度种类识别,在满足操作程序识别的条件下同时兼顾数据维度种类识别,实现较为便捷。
基于上述基础,还可以包括以下步骤q1所描述的技术方案。
步骤q1,据所述操作程序识别结果和所述数据维度种类识别结果对所述测试维度进行修正,基于修正后的测试维度进行数据维度种类识别。
可以理解,在执行上述步骤q1所描述的技术方案时,通过对测试维度进行修正,能精确地确定数据维度种类识别。
在一种可替换的实施例中,发明人发现,根据所述操作程序识别结果和/或所述数据维度种类识别结果对所述测试维度进行修正时,存在待处理行为操作数据间隔预先设置标准操作数据的其他标准操作数据不准确的问题,从而难以准确地基于修正后的测试维度进行数据维度种类识别,为了改善上技术问题,步骤100所描述的根据所述操作程序识别结果和/或所述数据维度种类识别结果对所述测试维度进行修正,基于修正后的测试维度进行数据维度种类识别的步骤,具体可以包括以下步骤w1和步骤w2所描述的技术方案。
步骤w1,在所述操作程序识别结果表示所述待处理行为操作数据中存在未识别操作程序,且所述数据维度种类识别结果为识别错误时,获取与所述待处理行为操作数据间隔预先设置标准操作数据的其他标准操作数据,并对所述其他标准操作数据进行操作程序识别,若操作程序识别成功,则对所述测试维度进行修正,并基于所述其他标准操作数据中修正后的测试维度进行数据维度种类识别。
步骤w2,在所述操作程序识别结果表示所述待处理行为操作数据中不存在未识别操作程序,且所述数据维度种类识别结果为识别错误时,则对所述测试维度进行修正,基于所述待处理行为操作数据中修正后的测试维度进行数据维度种类识别。
可以理解,在执行上述步骤w1和步骤w2所描述的技术方案时,根据所述操作程序识别结果和/或所述数据维度种类识别结果对所述测试维度进行修正时,避免待处理行为操作数据间隔预先设置标准操作数据的其他标准操作数据不准确的问题,从而能够准确地基于修正后的测试维度进行数据维度种类识别。
在一种可替换的实施例中,发明人发现,对所述测试维度进行修正时,存在预先设置扩大参数不准确的问题,从而难以准确地进行修正,为了改善上述技术问题,步骤100所描述的对所述测试维度进行修正的步骤,具体可以包括以下步骤e1和步骤e2所描述的技术方案。
步骤e1,将所述测试维度按预先设置扩大参数,在预先设置方位上进行扩展衍生,得到扩展衍生后的测试维度。
示例性的,所述预先设置扩大参数大于1,所述预先设置扩大参数根据数据维度种类识别的错误评率设定。
步骤e2,或,将所述测试维度按预先设置方位进行运行。
可以理解,在执行上述步骤e1和步骤e2所描述的技术方案时,对所述测试维度进行修正时,避免预先设置扩大参数不准确的问题,从而能够准确地进行修正。
基于上述基础,在所述测试维度为多个时,所述按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度之后,还可以包括以下步骤r1和步骤r2所描述的技术方案。
步骤r1,识别多个测试维度中是否存在重合维度的投影区间大于第一预先设置值的至少两个测试维度,若存在,则将该至少两个测试维度锁定,将锁定得到的维度作为新的测试维度。
步骤r2,或,识别多个测试维度中是否存在间隔周期小于第二预先设置值的至少两个测试维度,若存在,则将该至少两个测试维度锁定,将锁定得到的维度作为新的测试维度。
可以理解,在执行上述步骤r1和步骤r2所描述的技术方案时,通过多种判断方式,从而提高锁定得到的维度作为新的测试维度的精度。
在一种可替换的实施例中,发明人发现,按预先设置操作步骤时,存在待处理行为操作数据区分不精确的问题,从而难以精确地确定出所述待处理行为操作数据中的测试维度,为了改善上述技术问题,步骤200所描述的按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤,具体可以包括以下步骤t1和步骤t2所描述的技术方案。
步骤t1,将所述待处理行为操作数据区分为多个第一子维度。
步骤t2,针对每个所述第一子维度,计算该第一子维度内的多个视角的视觉差向量平均值,若所述视觉差向量平均值小于第一预先设置阈值,则确定该第一子维度为测试维度。
可以理解,在执行上述步骤t1和步骤t2所描述的技术方案时,按预先设置操作步骤时,避免待处理行为操作数据区分不精确的问题,从而能够精确地确定出所述待处理行为操作数据中的测试维度。
在一种可替换的实施例中,发明人发现,按预先设置操作步骤时,存在待处理行为操作数据中的多个层次维度不可靠的问题,从而难以可靠地确定出所述待处理行为操作数据中的测试维度,为了改善上述技术问题,步骤200所描述的按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤,具体可以包括以下步骤a1和步骤a2所描述的技术方案。
步骤a1,根据所述待处理行为操作数据以及该待处理行为操作数据之前的预先设置标准操作数据的多种行为操作数据,获得所述待处理行为操作数据中的多个层次维度。
步骤a2,将所述多个层次维度中维度投影区间属于第一预先设置区间内的层次维度作为所述测试维度。
可以理解,在执行上述步骤a1和步骤a2所描述的技术方案时,按预先设置操作步骤时,避免待处理行为操作数据中的多个层次维度不可靠的问题,从而能够可靠地确定出所述待处理行为操作数据中的测试维度。
在一种可能的实施例中,发明人发现,按预先设置操作步骤时,存在第二预先设置阈值的维度不精确的问题,从而难以精确地确定出所述待处理行为操作数据中的测试维度,为了改善上述技术问题,步骤200所描述的按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤,具体可以包括以下步骤s1-步骤s3所描述的技术方案。
步骤s1,识别所述待处理行为操作数据中是否存在相关度大于第二预先设置阈值的维度。
步骤s2,若存在,识别所述相关度大于第二预先设置阈值的维度的投影区间是否处于第二预先设置区间内。
步骤s3,若处于所述第二预先设置区间内,则确定该相关度大于第二预先设置阈值的维度为所述测试维度。
可以理解,在执行上述步骤s1-步骤s3所描述的技术方案时,按预先设置操作步骤时,避免第二预先设置阈值的维度不精确的问题,从而能够精确地确定出所述待处理行为操作数据中的测试维度。
在一种可能的实施例中,发明人发现,按预先设置操作步骤时,存在操作程序行为操作数据的属性信息不准确的问题,从而难以准确地确定出所述待处理行为操作数据中的测试维度,为了了改善上述技术问题,步骤200所描述的按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤,具体可以包括以下步骤d1和步骤d2所描述的技术方案。
步骤d1,在所述操作程序识别结果表示所述待处理行为操作数据中包含操作程序行为操作数据时,获得所述操作程序行为操作数据的属性信息。
步骤d2,获取预存的相对属性映射关系,根据所述操作程序行为操作数据的属性信息和所述相对属性映射关系,获得所述待处理行为操作数据中的目标属性信息,将所述待处理行为操作数据中该目标属性信息对应的维度作为所述测试维度。
可以理解,在执行上述步骤d1和步骤d2所描述的技术方案时,按预先设置操作步骤时,避免操作程序行为操作数据的属性信息不准确的问题,从而能够准确地确定出所述待处理行为操作数据中的测试维度。
在上述基础上,请结合参阅图2,提供了一种基于自适应控制的数据多维维度分析的装置200,应用于数据处理终端,所述装置包括:
结果识别模型210,用于对待处理行为操作数据进行操作程序识别,得到操作程序识别结果;
维度测试模型220,用于按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度;
种类识别模块230,用于对所述测试维度进行数据维度种类识别,得到数据维度种类识别结果;
数据分析模块240,用于根据所述操作程序识别结果和/或所述数据维度种类识别结果分析目标操作数据是否准确。
在上述基础上,请结合参阅图3,示出了一种基于自适应控制的数据多维维度分析的系统300,包括互相之间通信的处理器310和存储器320,所述处理器310用于从所述存储器320中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,可进行操作程序识别得到操作程序识别结果,并且可针对待处理行为操作数据进行维度测试得到测试维度,基于测试维度进行数据维度种类识别,得到数据维度种类识别结果。最后,结合操作程序识别结果和/或数据维度种类识别结果分析门禁目标操作数据是否准确。本方案准确对待处理行为操作数据进行维度测试,在无需手动切换维度识别模式的情况下,待处理行为操作数据既可用于操作程序识别,又可用于数据维度种类识别,在满足操作程序识别的条件下同时兼顾数据维度种类识别,实现较为便捷。
应当理解,上述所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (2)
1.一种基于自适应控制的数据多维维度分析的方法,其特征在于,所述方法包括:
对待处理行为操作数据进行操作程序识别,得到操作程序识别结果;
按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度;
对所述测试维度进行数据维度种类识别,得到数据维度种类识别结果;
根据所述操作程序识别结果和/或所述数据维度种类识别结果分析目标操作数据是否准确;
其中,所述方法还包括:
根据所述操作程序识别结果和所述数据维度种类识别结果对所述测试维度进行修正,基于修正后的测试维度进行数据维度种类识别;
其中,所述根据所述操作程序识别结果和/或所述数据维度种类识别结果对所述测试维度进行修正,基于修正后的测试维度进行数据维度种类识别的步骤,包括:
在所述操作程序识别结果表示所述待处理行为操作数据中存在未识别操作程序,且所述数据维度种类识别结果为识别错误时,获取与所述待处理行为操作数据间隔预先设置标准操作数据的其他标准操作数据,并对所述其他标准操作数据进行操作程序识别,若操作程序识别成功,则对所述测试维度进行修正,并基于所述其他标准操作数据中修正后的测试维度进行数据维度种类识别;
在所述操作程序识别结果表示所述待处理行为操作数据中不存在未识别操作程序,且所述数据维度种类识别结果为识别错误时,则对所述测试维度进行修正,基于所述待处理行为操作数据中修正后的测试维度进行数据维度种类识别;
其中,所述对所述测试维度进行修正的步骤,包括:
将所述测试维度按预先设置扩大参数,在预先设置方位上进行扩展衍生,得到扩展衍生后的测试维度,其中,所述预先设置扩大参数大于1,所述预先设置扩大参数根据数据维度种类识别的错误评率设定;
或,将所述测试维度按预先设置方位进行运行;
其中,在所述测试维度为多个时,所述按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤之后,所述方法还包括:
识别多个测试维度中是否存在重合维度的投影区间大于第一预先设置值的至少两个测试维度,若存在,则将该至少两个测试维度锁定,将锁定得到的维度作为新的测试维度;
或,识别多个测试维度中是否存在间隔周期小于第二预先设置值的至少两个测试维度,若存在,则将该至少两个测试维度锁定,将锁定得到的维度作为新的测试维度;
其中,所述按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤,包括:
将所述待处理行为操作数据区分为多个第一子维度;
针对每个所述第一子维度,计算该第一子维度内的多个视角的视觉差向量平均值,若所述视觉差向量平均值小于第一预先设置阈值,则确定该第一子维度为测试维度;
其中,所述按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤,包括:
将所述待处理行为操作数据区分为多个第二子维度;
针对每个所述第二子维度,获得该第二子维度内的视角的分析策略的关键分析内容,若该关键分析内容存在两个局部关键参数,则确定该第二子维度为测试维度;
其中,所述按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度的步骤,包括:
根据所述待处理行为操作数据以及该待处理行为操作数据之前的预先设置标准操作数据的多种行为操作数据,获得所述待处理行为操作数据中的多个层次维度;
将所述多个层次维度中维度投影区间属于第一预先设置区间内的层次维度作为所述测试维度。
2.一种基于自适应控制的数据多维维度分析的系统,其特征在于,包括数据采集端和数据处理终端,所述数据采集端和所述数据处理终端通过连接,所述数据处理终端具体用于:
对待处理行为操作数据进行操作程序识别,得到操作程序识别结果;
按预先设置操作步骤确定出所述待处理行为操作数据中的测试维度;
对所述测试维度进行数据维度种类识别,得到数据维度种类识别结果;
根据所述操作程序识别结果和/或所述数据维度种类识别结果分析目标操作数据是否准确;
其中,所述数据处理终端具体用于
根据所述操作程序识别结果和所述数据维度种类识别结果对所述测试维度进行修正,基于修正后的测试维度进行数据维度种类识别;
其中,所述数据处理终端具体用于:
在所述操作程序识别结果表示所述待处理行为操作数据中存在未识别操作程序,且所述数据维度种类识别结果为识别错误时,获取与所述待处理行为操作数据间隔预先设置标准操作数据的其他标准操作数据,并对所述其他标准操作数据进行操作程序识别,若操作程序识别成功,则对所述测试维度进行修正,并基于所述其他标准操作数据中修正后的测试维度进行数据维度种类识别;
在所述操作程序识别结果表示所述待处理行为操作数据中不存在未识别操作程序,且所述数据维度种类识别结果为识别错误时,则对所述测试维度进行修正,基于所述待处理行为操作数据中修正后的测试维度进行数据维度种类识别;
其中,所述数据处理终端具体用于:
将所述测试维度按预先设置扩大参数,在预先设置方位上进行扩展衍生,得到扩展衍生后的测试维度,其中,所述预先设置扩大参数大于1,所述预先设置扩大参数根据数据维度种类识别的错误评率设定;
或,将所述测试维度按预先设置方位进行运行;
其中,所述数据处理终端具体用于:
识别多个测试维度中是否存在重合维度的投影区间大于第一预先设置值的至少两个测试维度,若存在,则将该至少两个测试维度锁定,将锁定得到的维度作为新的测试维度;
或,识别多个测试维度中是否存在间隔周期小于第二预先设置值的至少两个测试维度,若存在,则将该至少两个测试维度锁定,将锁定得到的维度作为新的测试维度;
其中,所述数据处理终端具体用于:
将所述待处理行为操作数据区分为多个第一子维度;
针对每个所述第一子维度,计算该第一子维度内的多个视角的视觉差向量平均值,若所述视觉差向量平均值小于第一预先设置阈值,则确定该第一子维度为测试维度;
其中,所述数据处理终端具体用于:
将所述待处理行为操作数据区分为多个第二子维度;
针对每个所述第二子维度,获得该第二子维度内的视角的分析策略的关键分析内容,若该关键分析内容存在两个局部关键参数,则确定该第二子维度为测试维度;
其中,所述数据处理终端具体用于:
根据所述待处理行为操作数据以及该待处理行为操作数据之前的预先设置标准操作数据的多种行为操作数据,获得所述待处理行为操作数据中的多个层次维度;
将所述多个层次维度中维度投影区间属于第一预先设置区间内的层次维度作为所述测试维度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110860416.0A CN113626494B (zh) | 2021-07-28 | 2021-07-28 | 基于自适应控制的数据多维维度分析的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110860416.0A CN113626494B (zh) | 2021-07-28 | 2021-07-28 | 基于自适应控制的数据多维维度分析的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113626494A CN113626494A (zh) | 2021-11-09 |
CN113626494B true CN113626494B (zh) | 2024-03-29 |
Family
ID=78381419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110860416.0A Active CN113626494B (zh) | 2021-07-28 | 2021-07-28 | 基于自适应控制的数据多维维度分析的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113626494B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710876A (zh) * | 2018-04-20 | 2018-10-26 | 江苏理工学院 | 一种基于机器视觉的电池表面标识缺陷检测方法及系统 |
CN110290522A (zh) * | 2019-07-17 | 2019-09-27 | 中国工商银行股份有限公司 | 用于移动设备的风险识别方法、装置和计算机系统 |
CN110399925A (zh) * | 2019-07-26 | 2019-11-01 | 腾讯科技(武汉)有限公司 | 账号的风险识别方法、装置及存储介质 |
CN111612112A (zh) * | 2020-05-26 | 2020-09-01 | 八维通科技有限公司 | 一种基于数字孪生地铁台站门的识别方法和系统 |
CN111949530A (zh) * | 2020-08-07 | 2020-11-17 | 北京灵汐科技有限公司 | 测试结果的预测方法、装置、计算机设备及存储介质 |
CN112017180A (zh) * | 2020-10-06 | 2020-12-01 | 广州云莫凡信息科技有限公司 | 一种基于大数据的建筑物沉降测量方法、系统及存储介质 |
CN112138403A (zh) * | 2020-10-19 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 交互行为的识别方法和装置、存储介质及电子设备 |
CN113032241A (zh) * | 2019-12-09 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 一种测试数据处理方法、装置及存储介质 |
-
2021
- 2021-07-28 CN CN202110860416.0A patent/CN113626494B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710876A (zh) * | 2018-04-20 | 2018-10-26 | 江苏理工学院 | 一种基于机器视觉的电池表面标识缺陷检测方法及系统 |
CN110290522A (zh) * | 2019-07-17 | 2019-09-27 | 中国工商银行股份有限公司 | 用于移动设备的风险识别方法、装置和计算机系统 |
CN110399925A (zh) * | 2019-07-26 | 2019-11-01 | 腾讯科技(武汉)有限公司 | 账号的风险识别方法、装置及存储介质 |
CN113032241A (zh) * | 2019-12-09 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 一种测试数据处理方法、装置及存储介质 |
CN111612112A (zh) * | 2020-05-26 | 2020-09-01 | 八维通科技有限公司 | 一种基于数字孪生地铁台站门的识别方法和系统 |
CN111949530A (zh) * | 2020-08-07 | 2020-11-17 | 北京灵汐科技有限公司 | 测试结果的预测方法、装置、计算机设备及存储介质 |
CN112017180A (zh) * | 2020-10-06 | 2020-12-01 | 广州云莫凡信息科技有限公司 | 一种基于大数据的建筑物沉降测量方法、系统及存储介质 |
CN112138403A (zh) * | 2020-10-19 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 交互行为的识别方法和装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113626494A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8719791B1 (en) | Display of aggregated stack traces in a source code viewer | |
US10782942B1 (en) | Rapid onboarding of data from diverse data sources into standardized objects with parser and unit test generation | |
US8413246B2 (en) | Evaluating shellcode findings | |
CN117370767B (zh) | 基于大数据的用户信息评估方法及系统 | |
CN113626494B (zh) | 基于自适应控制的数据多维维度分析的方法及系统 | |
CN115359203B (zh) | 一种三维高精度地图生成方法、系统及云平台 | |
CN115373688B (zh) | 一种软件开发线程的优化方法、系统及云平台 | |
CN113610373B (zh) | 基于智能制造的信息决策处理方法及系统 | |
CN108763092B (zh) | 一种基于交叉验证的代码缺陷检测方法及装置 | |
CN116486269A (zh) | 基于图像分析的桥梁裂缝识别方法及系统 | |
CN115457340A (zh) | 基于人工智能的图像识别处理方法及系统 | |
CN113626538B (zh) | 基于大数据的医疗信息智能分类的方法及系统 | |
CN114897723B (zh) | 一种基于生成式对抗网络的图像生成与加噪方法 | |
US11853431B2 (en) | Use of word embeddings to locate sensitive text in computer programming scripts | |
CN113609931B (zh) | 基于神经网络的人脸识别方法及系统 | |
CN113610117B (zh) | 基于深度数据的水下传感数据处理方法及系统 | |
CN114217240B (zh) | 一种不间断电源检测方法及系统 | |
CN113918963B (zh) | 一种基于业务需求的权限授权处理方法及系统 | |
CN113608689B (zh) | 基于边缘计算的数据缓存方法及系统 | |
CN113609362B (zh) | 基于5g的数据管理方法及系统 | |
CN114691830B (zh) | 一种基于大数据的网络安全分析方法及系统 | |
CN114168999A (zh) | 基于数据中心的综合安保方法及系统 | |
CN112600939B (zh) | 一种监护仪控制信息检测方法、系统、服务器及存储介质 | |
CN114611478B (zh) | 一种基于人工智能的信息处理方法、系统及云平台 | |
CN113627490B (zh) | 基于多核异构处理器的运维多模态决策方法及系统 |
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 |