CN114911850A - 一种基于虚拟现实的磁悬浮失重控制方法及系统 - Google Patents

Abstract

本申请提供的一种基于虚拟现实的磁悬浮失重控制方法及系统，基于用户偏好数据获取磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表，通过人工智能磁悬浮量化线程获取各用户兴趣侧重描述的兴趣描述分布列表，通过兴趣描述分布列表可确定分布情况；通过人工智能线程，基于磁悬浮空间仓定位数据集和磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据，通过获取的用户兴趣侧重描述的用户兴趣偏好控制数据结合兴趣描述分布列表，即可确定磁悬浮空间仓定位数据集中用户兴趣侧重描述的关键语义，从而精准定位不同的磁悬浮失重需求挖掘结果。

Description

一种基于虚拟现实的磁悬浮失重控制方法及系统

技术领域

本申请涉及数据控制及虚拟现实技术领域，具体而言，涉及一种基于虚拟现实的磁悬浮失重控制方法及系统。

背景技术

虚拟现实技术是20世纪发展起来的一项全新的实用技术。虚拟现实技术囊括计算机、电子信息、仿真技术，其基本实现方式是计算机模拟虚拟环境从而给人以环境沉浸感。

随着社会的不断发展，不断地改善用户生活品质，用户对生活需求越来越高，然而在现实生活中用户很难感到磁悬浮失重。随着VR技术逐渐进入用户的生活，可以给用户提供磁悬浮失重体验感。但是个性化、针对性的磁悬浮失重体验技术在当下难以顺利实施，其中的一个原因便是难以挖掘用户的不同体验需求。

发明内容

为改善相关技术中存在的技术问题，本申请提供了一种基于虚拟现实的磁悬浮失重控制方法及系统。

第一方面，提供一种基于虚拟现实的磁悬浮失重控制方法，应用于磁悬浮失重控制系统，所述方法至少包括：

通过磁悬浮量化线程，基于磁悬浮空间仓定位数据集获取不少于一个用户偏好数据；其中，各个所述用户偏好数据对应一个用户兴趣侧重描述；

结合所述用户偏好数据获取所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表，所述磁悬浮空间仓定位数据集包括不少于一个用户兴趣侧重描述；

通过人工智能线程，结合所述磁悬浮空间仓定位数据集和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取所述用户兴趣侧重描述的用户兴趣偏好控制数据；其中，所述人工智能磁悬浮量化线程和所述人工智能线程通过与优化线程进行迭代配置获取；

结合所述用户兴趣侧重描述的兴趣描述分布列表和用户兴趣偏好控制数据确定所述磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果。

在一种独立实施的实施例中，所述用户偏好数据包括得偏好种类分类数据集；结合所述用户偏好数据获取所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表，包括：结合所述得偏好种类分类数据集中最大区分度的分布情况，将该最大区分度的分布情与所述磁悬浮空间仓定位数据集进行关联，得到对应所述用户兴趣侧重描述的兴趣描述分布列表。

在一种独立实施的实施例中，所述通过人工智能线程，结合所述磁悬浮空间仓定位数据集和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据，包括：

所述磁悬浮空间仓定位数据集通过所述人工智能磁悬浮量化线程中的不少于一个描述提取单元传输出过渡磁悬浮空间仓定位数据集描述；

通过人工智能线程，结合所述过渡磁悬浮空间仓定位数据集描述和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据。

在一种独立实施的实施例中，所述通过人工智能线程，结合所述过渡磁悬浮空间仓定位数据集描述和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据，包括：

结合不少于一个描述提取单元逐一对所述过渡磁悬浮空间仓定位数据集描述和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表进行特征提取处理，得到磁悬浮空间仓定位数据集描述和定位描述；

结合压缩单元，结合所述磁悬浮空间仓定位数据集描述和所述定位描述得到一个描述内容；

结合分类单元，结合所述描述内容获取用户兴趣侧重描述的用户兴趣偏好控制数据。

在一种独立实施的实施例中，所述通过人工智能线程，结合所述磁悬浮空间仓定位数据集和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据，包括：

结合不少于一个描述提取单元逐一对所述磁悬浮空间仓定位数据集和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表进行特征提取处理，得到磁悬浮空间仓定位数据集描述和定位描述；

结合压缩单元，结合所述磁悬浮空间仓定位数据集描述和所述定位描述得到一个描述内容；结合分类单元，结合所述描述内容获取用户兴趣侧重描述的用户兴趣偏好控制数据。

在一种独立实施的实施例中，所述结合压缩单元，结合所述磁悬浮空间仓定位数据集描述和所述定位描述得到一个描述内容，包括：

关联所述磁悬浮空间仓定位数据集描述和所述定位描述获取关联描述，结合压缩单元对所述关联描述进行分类处理得到一个描述内容。

在一种独立实施的实施例中，所述结合压缩单元，结合所述磁悬浮空间仓定位数据集描述和所述定位描述得到一个描述内容，包括：结合压缩单元对所述磁悬浮空间仓定位数据集描述和所述定位描述逐一进行分类处理，将得到的两个描述内容匹配得到一个描述内容。

在一种独立实施的实施例中，所述结合分类单元，结合所述描述内容获取用户兴趣侧重描述的用户兴趣偏好控制数据，包括：结合分类单元，将该描述内容进行方向切换处理，得到切换方向后的更新描述内容，所述更新描述内容的方向量化结果对应所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述数目；结合所述更新描述内容中各方向绑定的目标值，得到对应所述用户兴趣侧重描述的用户兴趣偏好控制数据。

在一种独立实施的实施例中，结合所述用户兴趣侧重描述的兴趣描述分布列表和用户兴趣偏好控制数据确定所述磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果，包括：结合所述用户兴趣侧重描述的兴趣描述分布列表确定所述磁悬浮空间仓定位数据集中的各用户兴趣侧重描述；结合所述用户兴趣侧重描述的用户兴趣偏好控制数据匹配所述各用户兴趣侧重描述，确定所述磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果。

在一种独立实施的实施例中，还包括：将该磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义加载至优化线程，得到优化结果，所述用户兴趣侧重描述的关键语义包括兴趣描述分布列表和用户兴趣偏好控制数据，所述优化结果涵盖所述关键语义是否为准确标签；结合所述优化结果配置所述人工智能磁悬浮量化线程、人工智能线程和优化线程。

在一种独立实施的实施例中，所述将该磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义加载至优化线程，结合所述磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义，得到优化结果，包括：将该用户兴趣侧重描述的关键语义逐一解析为不少于一个描述集，匹配所述不少于一个描述集得到融合描述；结合描述提取单元对所述融合描述进行特征提取处理，得到重要描述；结合压缩单元对所述重要描述进行筛选处理，得到重要描述内容；

结合分类单元对所述重要描述内容进行筛选处理，得到二值化的优化结果，所述二值化的优化结果包括：所述用户兴趣侧重描述的关键语义为准确标签，或所述用户兴趣侧重描述的关键语义为线程标签。

在一种独立实施的实施例中，结合所述优化结果配置所述人工智能磁悬浮量化线程、人工智能线程和优化线程，包括：每次结合所述优化结果修正所述人工智能磁悬浮量化线程和人工智能线程中的量化结果，或修正所述优化线程中的量化结果。

在一种独立实施的实施例中，还包括：将该磁悬浮空间仓定位数据集、所述磁悬浮空间仓定位数据集绑定的定位数据、和所述磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义加载至优化线程，得到优化结果；结合所述优化结果配置所述人工智能磁悬浮量化线程、人工智能线程和优化线程。

第二方面，提供一种基于虚拟现实的磁悬浮失重控制系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现上述的方法。

本申请实施例所提供的一种基于虚拟现实的磁悬浮失重控制方法及系统，通过磁悬浮量化线程，基于磁悬浮空间仓定位数据集获取不少于一个用户偏好数据；基于用户偏好数据获取磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表，通过人工智能磁悬浮量化线程获取磁悬浮空间仓定位数据集中各用户兴趣侧重描述的兴趣描述分布列表，通过兴趣描述分布列表可确定用户兴趣侧重描述在磁悬浮空间仓定位数据集中所属的分布情况；通过人工智能线程，基于磁悬浮空间仓定位数据集和磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据，通过获取的用户兴趣侧重描述的用户兴趣偏好控制数据结合兴趣描述分布列表，即可确定磁悬浮空间仓定位数据集中用户兴趣侧重描述的关键语义，从而精准定位不同的磁悬浮失重需求挖掘结果。

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范围的限定，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一种基于虚拟现实的磁悬浮失重控制方法的流程图。

图2为本申请实施例所提供的一种一种基于虚拟现实的磁悬浮失重控制装置的框图。

图3为本申请实施例所提供的一种一种基于虚拟现实的磁悬浮失重控制系统的架构图。

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，示出了一种一种基于虚拟现实的磁悬浮失重控制方法，该方法可以包括以下step101-step103所描述的技术方案。

step101，通过磁悬浮量化线程，基于磁悬浮空间仓定位数据集获取不少于一个用户偏好数据。

获取的用户偏好数据中对用户兴趣侧重描述进行筛选，优选地，各个用户偏好数据对应一个用户兴趣侧重描述，即，对于用户兴趣侧重描述的数目生成对应数目的用户偏好数据；优选地，筛选用户偏好数据的每一个描述节点对应磁悬浮空间仓定位数据集中用户兴趣侧重描述的可能性，当一个描述节点绑定的量化可能性最大时，表示这个描述节点绑定的磁悬浮空间仓定位数据集是用户兴趣侧重描述的可能性很大。

step102，基于用户偏好数据获取磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表。

进一步地，磁悬浮空间仓定位数据集包括不少于一个用户兴趣侧重描述；通过在各个用户偏好数据中逐一确定一个用户兴趣侧重描述的描述节点，将描述节点关联到磁悬浮空间仓定位数据集中，即可在磁悬浮空间仓定位数据集中确定用户兴趣侧重描述的兴趣描述分布列表。

step103，通过人工智能线程，基于磁悬浮空间仓定位数据集和磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据。

优选地，人工智能磁悬浮量化线程和人工智能线程通过与优化线程比较配置获取，通过与优化线程比较配置获取的人工智能磁悬浮量化线程和人工智能线程具有更加的计算性能。

step104，结合所述用户兴趣侧重描述的兴趣描述分布列表和用户兴趣偏好控制数据确定所述磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果。

基于本申请上述实施例提供的基于虚拟现实的磁悬浮失重控制方法，通过磁悬浮量化线程，基于磁悬浮空间仓定位数据集获取不少于一个用户偏好数据；基于用户偏好数据获取磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表，通过人工智能磁悬浮量化线程获取磁悬浮空间仓定位数据集中各用户兴趣侧重描述的兴趣描述分布列表，通过兴趣描述分布列表可确定用户兴趣侧重描述在磁悬浮空间仓定位数据集中所属的分布情况；通过人工智能线程，基于磁悬浮空间仓定位数据集和磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据，通过获取的用户兴趣侧重描述的用户兴趣偏好控制数据结合兴趣描述分布列表，即可确定磁悬浮空间仓定位数据集中用户兴趣侧重描述的关键语义，从而精准定位不同的磁悬浮失重需求挖掘结果。

本申请基于虚拟现实的磁悬浮失重控制方法的另一个实施例中，在上述实施例的前提下，用户偏好数据包括得偏好种类分类数据集；

执行step102，包括：基于得偏好种类分类数据集中最大区分度的分布情况，将最大区分度的分布情与磁悬浮空间仓定位数据集进行关联，得到对应用户兴趣侧重描述的兴趣描述分布列表。

在一种可能实施的实施例中，在上述各实施例的前提下，执行step103，包括：磁悬浮空间仓定位数据集通过人工智能磁悬浮量化线程中的不少于一个描述提取单元传输出过渡磁悬浮空间仓定位数据集描述；通过人工智能线程，基于过渡磁悬浮空间仓定位数据集描述和磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据。

优选地，在一种可能实施的实施例中加载至到人工智能线程的是通过人工智能磁悬浮量化线程中的至少一个描述提取单元通过特征提取得到的过渡磁悬浮空间仓定位数据集描述和磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表，可以挑选最后一个描述提取单元传输出的磁悬浮空间仓定位数据集描述，若需要获取更多磁悬浮空间仓定位数据集数据，还可以加载至每一个描述提取单元传输出的磁悬浮空间仓定位数据集描述，人工智能线程的包括不少于一个描述提取单元、压缩单元和分类单元等。

优选地，结合不少于一个描述提取单元逐一对过渡磁悬浮空间仓定位数据集描述和磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表进行特征提取处理，得到磁悬浮空间仓定位数据集描述和定位描述；结合压缩单元，基于磁悬浮空间仓定位数据集描述和定位描述得到一个描述内容；结合分类单元，基于描述内容获取用户兴趣侧重描述的用户兴趣偏好控制数据。

对于一种可能的实施的实施例而言，在上述各实施例的前提下，执行step103，包括：结合不少于一个描述提取单元逐一对磁悬浮空间仓定位数据集和磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表进行特征提取处理，得到磁悬浮空间仓定位数据集描述和定位描述；结合压缩单元，基于磁悬浮空间仓定位数据集描述和定位描述得到一个描述内容；结合分类单元，基于描述内容获取用户兴趣侧重描述的用户兴趣偏好控制数据。

在一种可能实施的实施例中，基于用户兴趣侧重描述的兴趣描述分布列表获取的定位描述可以是得偏好种类分类数据集，即执行step101获取的用户偏好数据；此时执行step103包括：结合不少于一个描述提取单元对磁悬浮空间仓定位数据集进行特征提取处理，得到磁悬浮空间仓定位数据集描述；或结合不少于一个描述提取单元对过渡磁悬浮空间仓定位数据集描述进行特征提取处理，得到磁悬浮空间仓定位数据集描述。

结合压缩单元，基于磁悬浮空间仓定位数据集描述和得偏好种类分类数据集得到一个描述内容，结合分类单元，基于描述内容获取用户兴趣侧重描述的用户兴趣偏好控制数据。

优选地，结合压缩单元，基于磁悬浮空间仓定位数据集描述和定位描述得到一个描述内容，包括：匹配磁悬浮空间仓定位数据集描述和定位描述获取关联描述，结合压缩单元对关联描述进行分类处理得到一个描述内容。

或，优选地，结合压缩单元，基于磁悬浮空间仓定位数据集描述和定位描述得到一个描述内容，包括：结合压缩单元对磁悬浮空间仓定位数据集描述和定位描述逐一进行分类处理，将得到的两个描述内容匹配得到一个描述内容。

在一种可能实施的实施例中，先对磁悬浮空间仓定位数据集描述和定位描述进行分类处理之后在匹配两个描述内容，或先将磁悬浮空间仓定位数据集描述和定位描述匹配之后再进行分类处理都可以，最后得到的是匹配组成第一描述内容，该描述内容即表现磁悬浮空间仓定位数据集的描述，又表现用户兴趣侧重描述的定位的描述，其中定位描述可以是定位得分布集。

在一种可能实施的实施例中，结合分类单元，基于描述内容获取用户兴趣侧重描述的用户兴趣偏好控制数据，包括：结合分类单元，将描述内容进行方向切换处理，得到切换方向后的更新描述内容，更新描述内容的方向量化结果对应磁悬浮空间仓定位数据集中的用户兴趣侧重描述数目；基于更新描述内容中各方向绑定的目标值，得到对应用户兴趣侧重描述的用户兴趣偏好控制数据。

在一种可能实施的实施例中，通过分类单元对描述内容进行方向切换处理，方向切换处理前，压缩单元得到的描述内容是随机方向的，此时各个描述结果不能与局部描述节点相对应，因此，需要进行方向切换处理，切换后，更新描述内容的方向为用户兴趣侧重描述数目，即各个用户兴趣侧重描述对应一个描述，该描述即作为绑定的用户兴趣侧重描述的用户兴趣偏好控制数据。

本申请基于虚拟现实的磁悬浮失重控制方法，还包括：基于用户兴趣侧重描述的兴趣描述分布列表和用户兴趣偏好控制数据确定磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果。

在一种可能实施的实施例中，已知磁悬浮空间仓定位数据集中所有用户兴趣侧重描述的关键语义（兴趣描述分布列表和用户兴趣偏好控制数据），将各用户兴趣侧重描述进行匹配。

在本申请基于虚拟现实的磁悬浮失重控制方法，基于用户兴趣侧重描述的兴趣描述分布列表和用户兴趣偏好控制数据确定磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果，包括：基于用户兴趣侧重描述的兴趣描述分布列表确定磁悬浮空间仓定位数据集中的各用户兴趣侧重描述；基于用户兴趣侧重描述的用户兴趣偏好控制数据匹配各用户兴趣侧重描述，确定磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果。

本申请基于虚拟现实的磁悬浮失重控制方法的还一个实施例中，在上述实施例的前提下，还包括：将磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义加载至优化线程，得到优化结果；其中，用户兴趣侧重描述的关键语义包括兴趣描述分布列表和用户兴趣偏好控制数据，优化结果包括关键语义是否为准确标签，即关键语义是准确标签或关键语义不是准确标签两种优化结果。

基于优化结果配置人工智能磁悬浮量化线程、人工智能线程和优化线程。

在本申请基于虚拟现实的磁悬浮失重控制方法的一个具体示例中，在上述实施例的前提下，结合优化线程，基于磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义，得到优化结果，包括：将用户兴趣侧重描述的关键语义逐一解析为不少于一个描述集，匹配不少于一个描述集得到融合描述；结合描述提取单元对融合描述进行特征提取处理，得到重要描述；结合压缩单元对重要描述进行筛选处理，得到重要描述内容；结合分类单元对重要描述内容进行筛选处理，得到二值化的优化结果。

优选地，基于优化结果配置人工智能磁悬浮量化线程、人工智能线程和优化线程，包括：每次基于优化结果修正人工智能磁悬浮量化线程和人工智能线程中的量化结果，或修正优化线程中的量化结果。

本申请基于虚拟现实的磁悬浮失重控制方法的再一个实施例中，在上述实施例的前提下，还包括：将磁悬浮空间仓定位数据集、磁悬浮空间仓定位数据集绑定的定位数据、和磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义加载至优化线程，得到优化结果；基于优化结果配置人工智能磁悬浮量化线程、人工智能线程和优化线程。

在上述基础上，请结合参阅图2，提供了一种一种基于虚拟现实的磁悬浮失重控制装置200，应用于一种基于虚拟现实的磁悬浮失重控制系统，所述装置包括：

用户数据获取模块210，用于通过磁悬浮量化线程，基于磁悬浮空间仓定位数据集获取不少于一个用户偏好数据；其中，各个所述用户偏好数据对应一个用户兴趣侧重描述；

兴趣描述分布模块220，用于结合所述用户偏好数据获取所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表，所述磁悬浮空间仓定位数据集包括不少于一个用户兴趣侧重描述；

兴趣偏好控制模块230，用于通过人工智能线程，结合所述磁悬浮空间仓定位数据集和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取所述用户兴趣侧重描述的用户兴趣偏好控制数据；其中，所述人工智能磁悬浮量化线程和所述人工智能线程通过与优化线程进行迭代配置获取；

失重需求挖掘模块240，用于结合所述用户兴趣侧重描述的兴趣描述分布列表和用户兴趣偏好控制数据确定所述磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果。

在上述基础上，请结合参阅图3，示出了一种一种基于虚拟现实的磁悬浮失重控制系统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，通过磁悬浮量化线程，基于磁悬浮空间仓定位数据集获取不少于一个用户偏好数据；基于用户偏好数据获取磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表，通过人工智能磁悬浮量化线程获取磁悬浮空间仓定位数据集中各用户兴趣侧重描述的兴趣描述分布列表，通过兴趣描述分布列表可确定用户兴趣侧重描述在磁悬浮空间仓定位数据集中所属的分布情况；通过人工智能线程，基于磁悬浮空间仓定位数据集和磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据，通过获取的用户兴趣侧重描述的用户兴趣偏好控制数据结合兴趣描述分布列表，即可确定磁悬浮空间仓定位数据集中用户兴趣侧重描述的关键语义，从而精准定位不同的磁悬浮失重需求挖掘结果。

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、Visual Basic、Fortran 2003、Perl、COBOL 2002、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 (10)

1.一种基于虚拟现实的磁悬浮失重控制方法，其特征在于，应用于磁悬浮失重控制系统，所述方法至少包括：

通过磁悬浮量化线程，基于磁悬浮空间仓定位数据集获取不少于一个用户偏好数据；其中，各个所述用户偏好数据对应一个用户兴趣侧重描述；

结合所述用户偏好数据获取所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表，所述磁悬浮空间仓定位数据集包括不少于一个用户兴趣侧重描述；

通过人工智能线程，结合所述磁悬浮空间仓定位数据集和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取所述用户兴趣侧重描述的用户兴趣偏好控制数据；其中，所述人工智能磁悬浮量化线程和所述人工智能线程通过与优化线程进行迭代配置获取；

结合所述用户兴趣侧重描述的兴趣描述分布列表和用户兴趣偏好控制数据确定所述磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果。

2.如权利要求1所述的方法，其特征在于，所述用户偏好数据包括得偏好种类分类数据集；结合所述用户偏好数据获取所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表，包括：结合所述得偏好种类分类数据集中最大区分度的分布情况，将该最大区分度的分布情与所述磁悬浮空间仓定位数据集进行关联，得到对应所述用户兴趣侧重描述的兴趣描述分布列表。

3.如权利要求1所述的方法，其特征在于，所述通过人工智能线程，结合所述磁悬浮空间仓定位数据集和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据，包括：

所述磁悬浮空间仓定位数据集通过所述人工智能磁悬浮量化线程中的不少于一个描述提取单元传输出过渡磁悬浮空间仓定位数据集描述；

通过人工智能线程，结合所述过渡磁悬浮空间仓定位数据集描述和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据。

4.如权利要求3所述的方法，其特征在于，所述通过人工智能线程，结合所述过渡磁悬浮空间仓定位数据集描述和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据，包括：

结合不少于一个描述提取单元逐一对所述过渡磁悬浮空间仓定位数据集描述和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表进行特征提取处理，得到磁悬浮空间仓定位数据集描述和定位描述；

结合压缩单元，结合所述磁悬浮空间仓定位数据集描述和所述定位描述得到一个描述内容；

结合分类单元，结合所述描述内容获取用户兴趣侧重描述的用户兴趣偏好控制数据。

5.如权利要求1所述的方法，其特征在于，所述通过人工智能线程，结合所述磁悬浮空间仓定位数据集和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表获取用户兴趣侧重描述的用户兴趣偏好控制数据，包括：

结合不少于一个描述提取单元逐一对所述磁悬浮空间仓定位数据集和所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述的兴趣描述分布列表进行特征提取处理，得到磁悬浮空间仓定位数据集描述和定位描述；

结合压缩单元，结合所述磁悬浮空间仓定位数据集描述和所述定位描述得到一个描述内容；结合分类单元，结合所述描述内容获取用户兴趣侧重描述的用户兴趣偏好控制数据。

6.如权利要求4所述的方法，其特征在于，所述结合压缩单元，结合所述磁悬浮空间仓定位数据集描述和所述定位描述得到一个描述内容，包括：

关联所述磁悬浮空间仓定位数据集描述和所述定位描述获取关联描述，结合压缩单元对所述关联描述进行分类处理得到一个描述内容。

7.如权利要求4所述的方法，其特征在于，所述结合压缩单元，结合所述磁悬浮空间仓定位数据集描述和所述定位描述得到一个描述内容，包括：结合压缩单元对所述磁悬浮空间仓定位数据集描述和所述定位描述逐一进行分类处理，将得到的两个描述内容匹配得到一个描述内容；

其中，所述结合分类单元，结合所述描述内容获取用户兴趣侧重描述的用户兴趣偏好控制数据，包括：结合分类单元，将该描述内容进行方向切换处理，得到切换方向后的更新描述内容，所述更新描述内容的方向量化结果对应所述磁悬浮空间仓定位数据集中的用户兴趣侧重描述数目；结合所述更新描述内容中各方向绑定的目标值，得到对应所述用户兴趣侧重描述的用户兴趣偏好控制数据。

8.如权利要求1所述的方法，其特征在于，结合所述用户兴趣侧重描述的兴趣描述分布列表和用户兴趣偏好控制数据确定所述磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果，包括：结合所述用户兴趣侧重描述的兴趣描述分布列表确定所述磁悬浮空间仓定位数据集中的各用户兴趣侧重描述；结合所述用户兴趣侧重描述的用户兴趣偏好控制数据匹配所述各用户兴趣侧重描述，确定所述磁悬浮空间仓定位数据集中的磁悬浮失重需求挖掘结果；

其中，还包括：将该磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义加载至优化线程，得到优化结果，所述用户兴趣侧重描述的关键语义包括兴趣描述分布列表和用户兴趣偏好控制数据，所述优化结果涵盖所述关键语义是否为准确标签；结合所述优化结果配置所述人工智能磁悬浮量化线程、人工智能线程和优化线程；

其中，所述将该磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义加载至优化线程，结合所述磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义，得到优化结果，包括：将该用户兴趣侧重描述的关键语义逐一解析为不少于一个描述集，匹配所述不少于一个描述集得到融合描述；结合描述提取单元对所述融合描述进行特征提取处理，得到重要描述；结合压缩单元对所述重要描述进行筛选处理，得到重要描述内容；

结合分类单元对所述重要描述内容进行筛选处理，得到二值化的优化结果，所述二值化的优化结果包括：所述用户兴趣侧重描述的关键语义为准确标签，或所述用户兴趣侧重描述的关键语义为线程标签；

其中，结合所述优化结果配置所述人工智能磁悬浮量化线程、人工智能线程和优化线程，包括：每次结合所述优化结果修正所述人工智能磁悬浮量化线程和人工智能线程中的量化结果，或修正所述优化线程中的量化结果。

9.如权利要求1所述的方法，其特征在于，还包括：将该磁悬浮空间仓定位数据集、所述磁悬浮空间仓定位数据集绑定的定位数据、和所述磁悬浮空间仓定位数据集的用户兴趣侧重描述的关键语义加载至优化线程，得到优化结果；结合所述优化结果配置所述人工智能磁悬浮量化线程、人工智能线程和优化线程。

10.一种基于虚拟现实的磁悬浮失重控制系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现权利要求1-9任一项所述的方法。

Images