CN114547532B - 一种获取海参多肽制备工艺的数据处理方法、设备及介质 - Google Patents
一种获取海参多肽制备工艺的数据处理方法、设备及介质 Download PDFInfo
- Publication number
- CN114547532B CN114547532B CN202210210687.6A CN202210210687A CN114547532B CN 114547532 B CN114547532 B CN 114547532B CN 202210210687 A CN202210210687 A CN 202210210687A CN 114547532 B CN114547532 B CN 114547532B
- Authority
- CN
- China
- Prior art keywords
- sea cucumber
- sample
- polypeptide
- cucumber polypeptide
- parameter list
- 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
- 229920001184 polypeptide Polymers 0.000 title claims abstract description 134
- 102000004196 processed proteins & peptides Human genes 0.000 title claims abstract description 134
- 108090000765 processed proteins & peptides Proteins 0.000 title claims abstract description 134
- 241000251511 Holothuroidea Species 0.000 title claims abstract description 131
- 238000002360 preparation method Methods 0.000 title claims abstract description 62
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000003860 storage Methods 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000000843 powder Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Peptides Or Proteins (AREA)
Abstract
本发明提供了一种获取海参多肽制备工艺的数据处理方法、设备及介质,所述方法包括:通过获取任一样本ID的初始参数列表对应的海参多肽制备工艺,根据样本ID的初始参数列表对应的海参多肽制备工艺,获取样本ID对应的海参多肽含量,且通过同一工艺中不同海参种类的多肽含量和其工艺下的最大多肽含量确定出同一工艺中多肽含量占比,再对于不同海参种类的同一工艺中多肽含量占比,本发明能够确定出不同初始参数列表对应的制备工艺的优先级,有利于确定出优化的海参多肽制备工艺。
Description
技术领域
本发明涉及多肽工艺技术领域,具体涉及一种获取海参多肽制备工艺的数据处理方法、设备及介质。
背景技术
现有技术中,大多数是通过选择不同工艺参数反复试验确定出较为适合的海参多肽的制备工艺,但是在制备海参多肽时,由于海参种类繁多,也会对制备出海参多肽含量具有一定影响,进而无法获取稳定的海参多肽制备工艺,以保证海参多肽的产量;因此,研发一种通过大量数据,获取海参多肽制备工艺,通过大量数据获取出稳定的海参多肽制备工艺,保证保证海参多肽的产量。
发明内容
针对上述技术问题,本发明采用的技术方案为:
一种获取海参多肽制备工艺的数据处理方法,所述方法包括如下步骤:
S100、获取样本ID集合B={B1,B2,...,Bm},其中,Bi为第i个样本ID,i的取值范围是1到m,m为样本ID数量;
S200、获取制备海参多肽的数据集合C={C1,C2,...,Cn},其中,Cj为海参多肽的第j个初始参数列表,j的取值范围是1到n,n为海参多肽的初始参数列表数量;
S300、根据C和B,获取A={A1,A2,...,Am},Ai={A1i,A2i,...,Ani}T,其中,Aji是指在Cj对应的初始制备工艺下,获取的Bi对应的海参多肽含量值;
S400、根据Aji,获取C对应的第一优先级列表K={K1,K2,...,Kn},Kj是指Cj对应的第一优先级,其中,Kj符合如下条件:
A0 i是指在Ai中获取到的海参多肽含量最大值;
其中,
S500、遍历K且从K中获取最大第一优先级对应的初始参数列表作为第一指定参数列表。
本发明还保护了一种非瞬时性计算机可读存储介质,所述存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现上述的一种获取海参多肽制备工艺的数据处理方法。
本发明还保护了一种电子设备,包括处理器和上述非瞬时性计算机可读存储介质。
本发明至少具有以下技术效果:
本发明通过获取任一样本ID的初始参数列表对应的海参多肽制备工艺,根据样本ID的初始参数列表对应的海参多肽制备工艺,获取样本ID对应的海参多肽含量,通过同一工艺中不同海参种类的多肽含量和其工艺下的最大多肽含量确定出同一工艺中多肽含量占比,再对于不同海参种类的同一工艺中多肽含量占比,可以确定出不同初始参数列表对应的制备工艺的优先级,有利于确定出优化的海参多肽制备工艺;此外,通过数据确定的海参多肽制备工艺更加准确和稳定;同时,也能够获取出适合制备海参多肽的海参种类,便于选择适当的海参种类。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明实施例一提供的一种获取海参多肽制备工艺的数据处理方法的流程图。
图2为本发明实施例二提供的一种获取海参多肽制备工艺的数据处理方法的流程图。
图3为本发明实施例三提供的一种获取海参多肽制备工艺的数据处理方法的流程图。
图4为本发明实施例四提供的一种获取海参多肽制备工艺的数据处理方法的流程图。
图5为本发明实施例一提供的另一种获取海参多肽制备工艺的数据处理方法的流程图。
图6为本发明实施例一提供的另一种获取海参多肽制备工艺的数据处理方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图1所示,本发明实施例一提供一种获取海参多肽制备工艺的数据处理方法,包括如下步骤:
S100、获取样本ID集合B={B1,B2,...,Bm},其中,Bi为第i个样本ID,i的取值范围是1到m,m为样本ID数量。
具体地,所述样本ID是指表征样品的唯一身份标识,其中,所述样品为海参粉末。
具体地,B1对应的样品的重量=B2对应的样品的重量=……=Bm对应的样品的重量。
具体地,B中每一Bi对应的样品种类互不相同,可以理解为:每一Bi对应的样品均为海参粉末,但是每一Bi对应的样品种类即海参的品种互不相同。
具体地,本领域技术人员知晓采取任一方法制备海参粉末,在此不再赘述。
S200、获取制备海参多肽的数据集合C={C1,C2,...,Cn},其中,Cj为海参多肽的第j个初始参数列表,j的取值范围是1到n,n为海参多肽的初始参数列表数量。
具体地,所述初始参数列表是指海参多肽的初始制备工艺所需参数构建的数据列表。
具体地,Bi对应的样品可分为n份子样品,其中,每一份子样品的重量相同,可以理解为:每一份子样品用于通过一种初始制备工艺制备海参多肽。
具体地,C中每一Cj对应的初始参数列表互不相同;可以理解为:在海参多肽的原始参数列表上,只更改一个参数,其中,所述原始参数列表是指海参多肽的原始制备工艺所需参数构建的数据列表;本领域技术人员可以根据实际需求设置海参多肽的原始制备工艺,在此不再赘述。
S300、根据C和B,获取A={A1,A2,...,Am},Ai={A1i,A2i,...,Ani}T,其中,Aji是指在Cj对应的初始制备工艺下,获取的Bi对应的海参多肽含量值;T为转置符。
具体地,本领域技术人员知晓通过设置的工艺制备海参多肽的过程,在此不再赘述。
具体地,A为矩阵结构,例如,
S400、根据Aji,获取C对应的第一优先级列表K={K1,K2,...,Kn},Kj是指Cj对应的第一优先级,其中,Kj符合如下条件:
具体地,A0 i是指在Ai中获取到的海参多肽含量最大值;可以理解为:第i个样品ID在不同的初始参数列表对应的制备工艺下,获取到的海参多肽含量最大值;能够通过同一工艺中不同海参种类的多肽含量和其工艺下的最大多肽含量确定出同一工艺中多肽含量占比,再通过不同海参种类的同一工艺中多肽含量占比,可以确定出不同初始参数列表对应的制备工艺的优先级,有利于确定出优化的多肽制备工艺。
S500、遍历K且从K中获取最大第一优先级对应的初始参数列表作为第一指定参数列表;能够获取较为优化的制备海参多肽的工艺参数,可以根据工艺参数建立制备海参多肽的生产线,保证海参多肽的产量的稳定性。
如图5所示,在一个具体的实施例中,所述方法还包括如下步骤:
S600、当K中获取最大第一优先级对应的初始参数列表的数量≤预设的数量阈值时,第一指定参数列表作为第一目标参数列表。
S700、当K中获取最大第一优先级对应的初始参数列表的数量>预设的数量阈值时,获取第一指定参数列表集合C'={C'1,C'2,...,C's},其中,C'r是指第r个第一指定参数列表,r=1……s,s为第一指定参数列表数量。
优选地,所述第一数量阈值为1。
S800、根据C'和B,获取A'={A'1,A'2,...,A'm},A'i={A'1i,A'2i,...,A'si}T,其中,A'ri是指在C'r对应的第一指定制备工艺下,获取的Bi对应的海参多肽含量值。
具体地,A'为矩阵结构,例如,
S900、根据A',获取第一目标参数列表。
具体地,在S900步骤中还包括如下步骤:
S901、获取C'r对应的第一关键列表T'r=(T'r1,T'r2,……,T'rg),其中,T'rx是指在C'r对应的第一多肽含量区域内的第x个样本ID,x=1……g,g为第一多肽含量区域内所有样本ID数量。
具体地,C'r对应的第一多肽含量区域是指以Ur'为中心点且以Pr'为取值范围的多肽含量区域。
具体地,Ur'符合如下条件:
具体地,Pr'符合如下条件:
其中,符合如下条件:
其中,/>用于表征海参多肽含量值;进一步地,0.65≤λ≤0.8;优选地,λ=0.8。
进一步地,Qr'符合如下条件:
S903、从A'中获取T'rx对应的A'rx且获取C'对应的第二优先级列表K'={K'1,K'2,...,K's},K'r是指C'r对应的第二优先级,其中,K'r符合如下条件:
A0 x是指在第x个样品ID在不同第一指定参数列表对应的制备工艺下获取到的海参多肽含量最大值。
S905、遍历K'且从K'中获取最大优先级对应的第一指定参数列表作为第一目标参数列表;上述实施例能够在多个优选的制备海参多肽的工艺下,选择更加优选的制备工艺,该制备工艺能够更加稳定的制备海参多肽含量。
优选地,在S901步骤之后还包括如下步骤:
根据T'r,获取T'0,其中,T'0符合如下条件:
T'0=T'1∩T'2∩...∩T's。
根据T'0,获取T'0对应的样本ID作为第一目标样本ID;能够基于第一目标样本ID对获取的海参种类进行筛选,确定出品质良好的海参种类,保证了海参多肽的产量。
如图6所示,在一个具体的实施例中,所述方法还包括如下步骤:
S600、根据Aji,获取C对应的第四优先级列表D={D1,D2,...,Dn},Dj是指Cj对应的第四优先级,其中,Dj符合如下条件:
具体地,所述方法还包括如下步骤获取Hj:
获取Cj对应的实际能源消耗量列表Ij={Ij1,Ij2,...,Ijp},Ijq是指在Cj对应的制备工艺下的第q个参数维度的能源消耗量,q=1……p,p为参数维度数量;
根据Ij,获取Hj,Hj符合如下条件:
Hj=W1×Ij1+W2×Ij2+……+Wp×Ijp,Wq是指第q个参数维度的目标权重值。
进一步地,Wq符合如下条件:
其中,Vqβ是指第β个历史资源集合对应的第q个参数维度的初始权重值,β=1……α,α为历史资源集合数量。
进一步地,所述方法还包括如下步骤获取Vqβ:
获取第β个历史资源集合内的所有历史能源消耗量列表Gβ={Gβ1,Gβ2,...,Gβp},其中,Gβq是指从C中选取的所有初始工艺中第q个初始工艺对应的历史能源消耗量列表;
获取Gβ对应的历史资源列表Lβ={Lβ1,Lβ2,...,Lβp},其中,Lβq是指Gβq对应的能源消耗产生的资源量。
根据Gβ和Lβ,获取Vqβ;可以理解为:Lβq对应的关系式符合如下条件:Lβq=V1β×G1 βq+V2β×G2 βq+……+Vpβ×Gp βq,其中,Gq βq是指Gβq中第q个参数维度的历史能源消耗量;Lβ中除Lβq之外的任一资源量对应的关系可以参数Lβq对应的关系式进行获取;本领域技术人员可以知晓根根据p个资源量对应的关系获取Vqβ,在此不再赘述。
S700、遍历D且从D中获取最大第四优先级对应的初始参数列表作为第三指定参数列表。
S800、根据第一指定参数列表,构建第一指定参数集合E1。
S900、根据第三指定参数列表,构建第三指定参数集合E2。
S1000、根据E1和E2,确定出最终参数列表。
具体地,在S1000步骤中还包括如下步骤:
S1001、根据E1和E2,获取E0,E0符合如下条件:
E0=E1∩E2;
S1003、从E0中获取任一第一指定参数列表或者第三指定参数列表作为第一目标参数列表。
能够从资源消耗方面进一步筛选出最优的参数列表对应的工艺,实现兼顾海参多肽的产量和海参多肽的资源消耗,避免海参多肽产量过多且资源消耗也大,导致无法批量生产海参多肽或者增加海参多肽生产负担的情况。
实施例二
如图2所示,本发明实施例二提供一种获取海参多肽制备工艺的数据处理方法,包括如下步骤:
S100、获取样本ID集合B={B1,B2,...,Bm},其中,Bi为第i个样本ID,i的取值范围是1到m,m为样本ID数量。
S200、获取制备海参多肽的数据集合C={C1,C2,...,Cn},其中,Cj为海参多肽的第j个制备工艺参数列表,j的取值范围是1到n,n为海参多肽的制备工艺数量。
S300、根据C和B,获取A={A1,A2,...,Am},Ai={A1i,A2i,...,Ani}T,其中,Aji是指通过Cj对应的制备工艺,获取的Bi对应的海参多肽含量值。
S400、基于Cj,获取Cj对应的第二关键列表Tj=(Tj1,Tj2,……,Tjz),其中,Tjy是指在Cj对应的第二多肽含量区域内的第y个样本ID,y=1……z,z为第二多肽含量区域内所有样本ID数量。
S500、根据Tj,获取T0且根据T0,获取T0对应的所有样本ID均作为第二目标样本ID,其中,T0符合如下条件:
T0=T1∩T2∩...∩Tn;能够基于第二目标样本ID对获取的海参种类进行筛选,确定出品质良好的海参种类,保证了海参多肽的产量。
在一个具体的实施例中,所述方法还包括如下步骤:
S600、从A中获取Tjy对应的Ajy且获取C对应的第三优先级列表 是指Cj对应的第三优先级,其中,/>符合如下条件:
A0 y是指在第y个样品ID在不同初始参数列表对应的制备工艺下获取到的海参多肽含量最大值。
具体地,Cj对应的第二多肽含量区域是指以Uj为中心点且以Pj为取值范围的多肽含量区域。
具体地,Uj符合如下条件:
具体地,Pj符合如下条件:
其中,符合如下条件:
其中,/>用于表征海参多肽含量值;进一步地,0.65≤λ≤0.8;优选地,λ=0.8。
进一步地,Qj符合如下条件:
S700、遍历且从/>中获取最大优先级对应的初始参数列表作为第二目标参数列表;能够获取较为优化的制备海参多肽的工艺参数,可以根据工艺参数建立制备海参多肽的生产线,保证海参多肽的产量的稳定性。
在一个具体的实施中,所述方法还包括如下步骤:
S800、当中获取最大第三优先级对应的初始参数列表的数量≤预设的数量阈值时,第二指定参数列表作为第二目标参数列表。
S900、当中获取最大第三优先级对应的初始参数列表的数量>预设的数量阈值时,获取E'={E'1,E'2,...,E'ψ},E'δ是指第δ个第二指定参数列表。
S1000、根据E'δ,获取E'δ对应的D'δ符合如下条件:
其中,获取Hδ的方式可以参照Hj的获取方式,在此不再赘述。
进一步地,在S1000中当获取最大优先级对应的第二指定参数列表为若干个时,选择任一最大优先级对应的第二指定参数列表作为第二目标参数列表。
上述实施例二能够从资源消耗方面进一步筛选出最优的参数列表对应的工艺,实现兼顾海参质量和海参多肽的资源消耗,避免海参质量多且资源消耗也大,导致无法批量生产海参多肽或者增加海参多肽生产负担的情况。
实施例三
如图3所示,本实施例三提供了一种获取海参多肽制备工艺的数据处理方法,包括如下步骤:
S1、获取第一目标参数列表和第二目标参数列表。
具体地,所述第一目标参数列表的获取参照实施例一的方法。
具体地,所述第二目标参数列表的获取参照实施例二的方法。
S2、当所述第一目标参数列表与所述第二目标参数列表一致时,确定所述第一目标参数列表为最终制备工艺参数列表。
S3、当所述第一目标参数列表与所述第二目标参数列表不一致时,确定所述第二目标参数列表为最终制备工艺参数列表;这样可以尽可能地保证选出的第二目标制备工艺参数列表可以更加产出稳定的海参多肽,不管使用任何一种海参样品,只要通过所述第二目标制备工艺参数列表中的制备工艺来制作就可以保证更加稳定产出海参多肽,并节省了用户挑选海参样品的时间。
实施例四
如图4所示,本发明实施例四提供一种获取海参多肽制备工艺的数据处理方法,包括如下步骤:
S100、获取样本ID集合B={B1,B2,...,Bm},其中,Bi为第i个样本ID,i的取值范围是1到m,m为样本ID数量。
S200、获取制备海参多肽的数据集合C={C1,C2,...,Cn},其中,Cj为海参多肽的第j个初始参数列表,j的取值范围是1到n,n为海参多肽的初始参数列表数量。
S300、根据C和B,获取A={A1,A2,...,Am},Ai={A1i,A2i,...,Ani}T,其中,Aji是指在Cj对应的初始制备工艺下,获取的Bi对应的海参多肽含量值。
S400、根据Aji,获取C对应的第四优先级列表D={D1,D2,...,Dn},Dj是指Cj对应的第四优先级,其中,Dj符合如下条件:
具体地,所述方法还包括如下步骤获取Hj:
获取Cj对应的实际能源消耗量列表Ij={Ij1,Ij2,...,Ijp},Ijq是指在Cj对应的制备工艺下的第q个参数维度的能源消耗量,q=1……p,p为参数维度数量;
根据Ij,获取Hj,Hj符合如下条件:
Hj=W1×Ij1+W2×Ij2+……+Wp×Ijp,Wq是指第q个参数维度的目标权重值。
进一步地,Wq符合如下条件:
其中,Vqβ是指第β个历史资源集合对应的第q个参数维度的初始权重值,β=1……α,α为历史资源集合数量。
进一步地,所述方法还包括如下步骤获取Vqβ:
获取第β个历史资源集合内的所有历史能源消耗量列表Gβ={Gβ1,Gβ2,...,Gβp},其中,Gβq是指从C中选取的所有初始工艺中第q个初始工艺对应的历史能源消耗量列表;
获取Gβ对应的历史资源列表Lβ={Lβ1,Lβ2,...,Lβp},其中,Lβq是指Gβq对应的能源消耗产生的资源量。
根据Gβ和Lβ,获取Vqβ;可以理解为:Lβq对应的关系式符合如下条件:Lβq=V1β×G1 βq+V2β×G2 βq+……+Vpβ×Gp βq,其中,Gq βq是指Gβq中第q个参数维度的历史能源消耗量;Lβ中除Lβq之外的任一资源量对应的关系可以参数Lβq对应的关系式进行获取;本领域技术人员可以知晓根根据p个资源量对应的关系获取Vqβ,在此不再赘述。
具体地,A0 i是指在Ai中获取到的海参多肽含量最大值;可以理解为:第i个样品ID在不同的初始参数列表对应的制备工艺下,获取到的海参多肽含量最大值。
S500、遍历D且从D中获取最大第四优先级对应的初始参数列表作为第三指定参数列表;能够获取较为优化的制备海参多肽的工艺参数,可以根据工艺参数建立制备海参多肽的生产线,保证海参多肽的产量的稳定性。
在一个具体的实施例中,所述方法还包括如下步骤:
S600、当D中获取最大第四优先级对应的初始参数列表的数量≤预设的数量阈值时,第三指定参数列表作为第三目标参数列表。
S700、当D中获取最大第四优先级对应的初始参数列表的数量>预设的数量阈值时,获取时间列表ΔT={ΔT1,ΔT2,...,ΔTθ},其中,ΔTγ是指第γ个第三指定参数列表对应的消耗时间长,γ=1……θ,θ为第三指定参数列表数量。
S800、遍历ΔT且从ΔT中获取最大时间长对应的第三指定参数列表作为第三目标参数列表。
进一步地,在S800中当获取最大时间长对应的第三指定参数列表为若干个时,选择任一最大时间长对应的第三指定参数列表作为第三目标参数列表。
上述实施例四中能够有效的选择出资源消耗最优的参数列表对应的工艺,根据该工艺制备海参多肽,能够兼顾海参多肽的产量和海参多肽的资源消耗,避免海参多肽产量过多且资源消耗也大,导致无法批量生产海参多肽或者增加海参多肽生产负担的情况。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质,该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的一种获取海参多肽制备工艺的数据处理方法。
本发明的实施例还提供了一种电子设备,包括处理器和前述的非瞬时性计算机可读存储介质。
本发明实施例的计算机设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明公开的范围由所附权利要求来限定。
Claims (6)
1.一种获取海参多肽制备工艺的数据处理方法,其特征在于,所述方法包括如下步骤:
S100、获取样本ID集合B={B1,B2,...,Bm},其中,Bi为第i个样本ID,i的取值范围是1到m,m为样本ID数量;
S200、获取制备海参多肽的数据集合C={C1,C2,...,Cn},其中,Cj为海参多肽的第j个初始参数列表,j的取值范围是1到n,n为海参多肽的初始参数列表数量;
S300、根据C和B,获取A={A1,A2,...,Am},Ai={A1i,A2i,...,Ani}T,其中,Aji是指在Cj对应的初始制备工艺下,获取的Bi对应的海参多肽含量值;
S400、根据Aji,获取C对应的第一优先级列表K={K1,K2,...,Kn},Kj是指Cj对应的第一优先级,其中,Kj符合如下条件:
其中,A0 i是指在Ai中获取到的海参多肽含量最大值;
S500、遍历K且从K中获取最大第一优先级对应的初始参数列表作为第一指定参数列表;
S600、当K中获取最大第一优先级对应的初始参数列表的数量≤预设的数量阈值时,第一指定参数列表作为第一目标参数列表;
S700、当K中获取最大第一优先级对应的初始参数列表的数量>预设的数量阈值时,获取第一指定参数列表集合C'={C'1,C'2,...,C's},其中,C'r是指第r个第一指定参数列表,r=1……s,s为第一指定参数列表数量;
S800、根据C'和B,获取A'={A'1,A'2,...,A'm},A'i={A'1i,A'2i,...,A'si}T,其中,A'ri是指在C'r对应的第一指定制备工艺下,获取的Bi对应的海参多肽含量值;
S900、根据A',获取第一目标参数列表,在S900步骤中还包括如下步骤:
S901、获取C'r对应的第一关键列表T'r=(T'r1,T'r2,……,T'rg),其中,T'rx是指在C'r对应的第一多肽含量区域内的第x个样本ID,x=1……g,g为第一多肽含量区域内所有样本ID数量,其中,C'r对应的第一多肽含量区域是指以U′r为中心点且以P′r为取值范围的多肽含量区域;其中,U′r符合如下条件:
其中,P′r符合如下条件:
其中,符合如下条件:
其中,/>用于表征海参多肽含量值,其中,Q′r符合如下条件:
S903、从A'中获取T'rx对应的A'rx且获取C'对应的第二优先级列表K'={K'1,K'2,...,K's},K'r是指C'r对应的第二优先级,其中,K'r符合如下条件:
A0 x是指在第x个样品ID在不同第一指定参数列表对应的制备工艺下获取到的海参多肽含量最大值;
S905、遍历K'且从K'中获取最大优先级对应的第一指定参数列表作为第一目标参数列表。
2.根据权利要求1所述获取海参多肽制备工艺的数据处理方法,其特征在于,B1对应的样品的重量=B2对应的样品的重量=……=Bm对应的样品的重量。
3.根据权利要求2所述获取海参多肽制备工艺的数据处理方法,其特征在于,Bi对应的样品可分为n份子样品,其中,每一份子样品的重量相同。
4.根据权利要求1所述获取海参多肽制备工艺的数据处理方法,其特征在于,所述预设的数量阈值为1。
5.一种非瞬时性计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1~4中任意一项的所述方法。
6.一种电子设备,其特征在于,包括处理器和权利要求5中的所述非瞬时性计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210210687.6A CN114547532B (zh) | 2022-03-04 | 2022-03-04 | 一种获取海参多肽制备工艺的数据处理方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210210687.6A CN114547532B (zh) | 2022-03-04 | 2022-03-04 | 一种获取海参多肽制备工艺的数据处理方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114547532A CN114547532A (zh) | 2022-05-27 |
CN114547532B true CN114547532B (zh) | 2023-10-27 |
Family
ID=81660897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210210687.6A Active CN114547532B (zh) | 2022-03-04 | 2022-03-04 | 一种获取海参多肽制备工艺的数据处理方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114547532B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194655A (zh) * | 2010-03-15 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 半导体工艺机台参数优化调整的方法 |
CN109344328A (zh) * | 2018-09-21 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 获取推荐系统最优参数组合的方法及装置 |
EP3425528A4 (en) * | 2016-03-03 | 2019-10-09 | Tencent Technology (Shenzhen) Company Limited | METHOD FOR SELECTION OF SERVICE PARAMETERS AND RELATED DEVICE |
CN112925278A (zh) * | 2021-01-29 | 2021-06-08 | 重庆大学 | 一种多目标滚齿工艺参数优化与决策方法 |
CN112949850A (zh) * | 2021-01-29 | 2021-06-11 | 北京字节跳动网络技术有限公司 | 超参数确定方法、装置、深度强化学习框架、介质及设备 |
-
2022
- 2022-03-04 CN CN202210210687.6A patent/CN114547532B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194655A (zh) * | 2010-03-15 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 半导体工艺机台参数优化调整的方法 |
EP3425528A4 (en) * | 2016-03-03 | 2019-10-09 | Tencent Technology (Shenzhen) Company Limited | METHOD FOR SELECTION OF SERVICE PARAMETERS AND RELATED DEVICE |
CN109344328A (zh) * | 2018-09-21 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 获取推荐系统最优参数组合的方法及装置 |
CN112925278A (zh) * | 2021-01-29 | 2021-06-08 | 重庆大学 | 一种多目标滚齿工艺参数优化与决策方法 |
CN112949850A (zh) * | 2021-01-29 | 2021-06-11 | 北京字节跳动网络技术有限公司 | 超参数确定方法、装置、深度强化学习框架、介质及设备 |
Non-Patent Citations (2)
Title |
---|
响应面法优化假单胞菌koreensis产聚-β-羟基丁酸酯的发酵工艺参数;王璐 等;《粮油加工(电子版)》(第11期);第47-52、55页 * |
基于BAPM估测中国行业经营贝塔的研究;朱天霖;《中国优秀硕士学位论文全文数据库经济与管理科学辑》(第01期);第J152-1183页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114547532A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vogt et al. | Classification of non-parametric regression functions in longitudinal data models | |
CN110223186B (zh) | 用户相似度确定方法以及信息推荐方法 | |
CN109284412B (zh) | 给音频数据配图的方法和装置 | |
CN103294809A (zh) | 一种用户组匹配方法及装置 | |
CN112468852B (zh) | 媒资推荐方法、装置、系统及计算机可读存储介质 | |
CN114186053A (zh) | 一种用于事件消息的发送方法 | |
CN114547532B (zh) | 一种获取海参多肽制备工艺的数据处理方法、设备及介质 | |
CN114564692B (zh) | 一种获取海参多肽制备工艺的数据处理方法、设备及介质 | |
WO2021012691A1 (zh) | 用于检索图像的方法和装置 | |
CN117216371A (zh) | 基于联邦学习的个性化文旅景点智能推荐方法及系统 | |
US20140289334A1 (en) | System and method for recommending multimedia information | |
CN113962385A (zh) | 神经网络训练及数据处理方法和装置、介质及计算机设备 | |
CN117582652A (zh) | 围棋人机对弈方法、装置、计算机设备及存储介质 | |
Shanker et al. | A quasi Rama distribution | |
CN113891323B (zh) | 一种基于WiFi的用户标签获取系统 | |
CN104809166B (zh) | 一种业务需求的确定方法及设备 | |
Fu et al. | Using NearestGraph QoS prediction method for service recommendation in the cloud | |
Waxman | Fisher's geometrical model of evolutionary adaptation—beyond spherical geometry | |
CN113111273B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN111179238B (zh) | 面向水下图像集指导一致性增强评价的子集置信比例动态选取方法 | |
CN114912033A (zh) | 一种基于知识图谱的推荐流行度偏差自适应缓解方法 | |
CN113098974A (zh) | 一种确定设备数量的方法、服务器及存储介质 | |
CN112036979A (zh) | 评分预测方法、推荐方法、处理装置及存储介质 | |
CN109359182A (zh) | 一种应答方法及装置 | |
CN112765458B (zh) | 基于度量分解和标签自适应分配权重的混合推荐方法 |
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 |