CN115080641A - 一种基于深度学习的大数据类型分类与挖掘方法、系统及装置 - Google Patents
一种基于深度学习的大数据类型分类与挖掘方法、系统及装置 Download PDFInfo
- Publication number
- CN115080641A CN115080641A CN202210915564.2A CN202210915564A CN115080641A CN 115080641 A CN115080641 A CN 115080641A CN 202210915564 A CN202210915564 A CN 202210915564A CN 115080641 A CN115080641 A CN 115080641A
- Authority
- CN
- China
- Prior art keywords
- data sources
- deep learning
- mining
- control unit
- data
- 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.)
- Pending
Links
- 238000005065 mining Methods 0.000 title claims abstract description 31
- 238000013135 deep learning Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 230000008054 signal transmission Effects 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000009412 basement excavation Methods 0.000 claims description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于深度学习的大数据类型分类与挖掘方法、系统及装置，涉及大数据分类领域，包括控制系统，所述控制系统包括信号传输模块、接收解析模块、对比检测模块与分类挖掘装置，所述分类与挖掘装置包括处理器、第一控制单元、第二控制单元与用户终端。本发明通过接收解析模块与对比检测模块对多组数据源同时进行分流计算与检测，无需多组数据源进行大量时间的等待即可对其进行智能识别与精细化的分类，并通过处理器与控制单元将其直接传输至用户终端，实现大数据价值的深度挖掘，满足了的用户的使用需求。
Description
技术领域
本发明涉及大数据分类领域，具体为一种基于深度学习的大数据类型分类与挖掘方法、系统及装置。
背景技术
当前，面向多源异构海量数据的实时分析应用场景已经越来越普遍，如何对未知的多源数据流进行智能识别与精细化分类，从而对后续的业务运营提供实时大数据的分析处理，是本领域的一大难题。
大数据的类型大致可分为三类：传统企业数据、机器和传感器数据与社交数据，在传统的技术方案中，通常针对单一来源的数据流进行智能识别与分类，随后将其传输至用户终端。
由于上述结构虽然可以对数据源进行识别与分类，但是在面对多种数据源分类解析时，无法针对其同时进行智能识别与分类，浪费大量时间与物力，从而导致其工作效率较慢，影响了用户终端的使用体验，且出现了限制业务运行的情况。
发明内容
基于此，本发明的目的是提供一种基于深度学习的大数据类型分类与挖掘方法、系统及装置，以解决由于上述结构无法针对其同时进行智能识别与分类，浪费大量时间与物力，从而导致其工作效率较慢，影响了用户终端的使用体验的技术问题。
为实现上述目的，本发明提供如下技术方案：一种基于深度学习的大数据类型分类与挖掘方法，包括以下步骤：
步骤一：控制系统内通过信号传输模块将多组数据源输送至接收解析模块内，其多组数据源通过接收解析模块对其进行参数分析，同时将多组数据源进行存储，随后将其进一步输送至对比检测模块内；
步骤二：对比检测模块在接收到多组数据源时，可对其进行同时分流计算，控制系统通过控制器将接收解析模块与对比检测模块的数据源进行组合分析，每个数据源对象可作为控制系统的一个数据字段，并将多类数据源进行分类传入处理器内；
步骤三：处理器将将接收解析模块与对比检测模块分类的数据源，进行逐一输送至多组控制单元内，通过多组控制单元对分类后的数据源进行重新编码操作，并对其相似的编码特征信息进行合并，随后将相似的数据源分类呈现在用户终端。
通过采用上述技术方案，通过接收解析模块与对比检测模块对多组数据源同时进行分流计算与检测，无需多组数据源进行大量时间的等待即可对其进行智能识别与精细化的分类，并通过处理器与控制单元将其直接传输至用户终端，实现大数据价值的深度挖掘，满足了的用户的使用需求。
本发明进一步设置为，所述步骤一中信号传输模块用于将多组数据源进行同时传输，且可将其数据源进行存储。
通过采用上述技术方案，便于使用者将数据源内的初始状态进行保存。
本发明进一步设置为，所述步骤二中控制器用于将解析后的数据与分流计算后的数据进行组合分析。
通过采用上述技术方案，将多组数据源进行同时计算分析，每组数据源可作为控制系统内的一个数据字段。
本发明进一步设置为，所述步骤三中控制单元皆通过与其对应的用户终端进行传输分类后的数据源。
通过采用上述技术方案，可将多组数据源计算分类后，重新通过用户终端展现出来，实现大数据价值的深度挖掘。
一种基于深度学习的大数据类型分类与挖掘系统，包括控制系统，所述控制系统包括信号传输模块、接收解析模块与对比检测模块。
本发明进一步设置为，所述信号传输模块包括传输器与存储器。
通过采用上述技术方案，传输器可将初始状态的数据源进行以此传输，存储器便于对其进行保存。
本发明进一步设置为，所述接收解析模块包括参数分析器与控制器。
通过采用上述技术方案，通过将数据源解析成参数化，每个数据参数可作为数据源内的一个数据字段。
本发明进一步设置为，所述对比检测模块包括分流计算器与控制器。
通过采用上述技术方案，通过分流计算器将多组数据源进行同时计算，节省大量时间。
一种基于深度学习的大数据类型分类与挖掘装置，包括分类与挖掘装置，所述分类与挖掘装置包括处理器、第一控制单元与第二控制单元。
本发明进一步设置为，所述处理器能够分别与第一控制单元、第二控制单元相连接，且第一控制单元与第二控制单元皆对应设置有用户终端。
通过采用上述技术方案，控制单元将重新解析计算后的多组数据源通过用户终端呈现给使用者。
综上所述，本发明主要具有以下有益效果：
本发明通过接收解析模块与对比检测模块对多组数据源同时进行分流计算与检测，无需多组数据源进行大量时间的等待即可对其进行智能识别与精细化的分类，并通过处理器与控制单元将其直接传输至用户终端，实现大数据价值的深度挖掘，满足了的用户的使用需求。
附图说明
图1为本发明的系统图。
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。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
下面根据本发明的整体结构，对其实施例进行说明。
一种基于深度学习的大数据类型分类与挖掘方法，包括以下步骤：
步骤一：控制系统内通过信号传输模块将多组数据源输送至接收解析模块内，其多组数据源通过接收解析模块对其进行参数分析，随后将其进一步输送至对比检测模块内，所述信号传输模块用于将多组数据源进行同时传输，且可将其数据源进行存储；
步骤二：对比检测模块在接收到多组数据源时，可对其进行同时分流计算，控制系统通过控制器将接收解析模块与对比检测模块的数据源进行组合分析，每个数据源对象可作为控制系统的一个数据字段，并将多类数据源进行分类传入处理器内，通过接收解析模块与对比检测模块对多组数据源同时进行分流计算与检测，无需多组数据源进行大量时间的等待即可对其进行智能识别与精细化的分类；
步骤三：处理器将将接收解析模块与对比检测模块分类的数据源，进行逐一输送至多组控制单元内，通过多组控制单元对分类后的数据源进行重新编码操作，并对其相似的编码特征信息进行合并，随后将相似的数据源分类呈现在用户终端。所述控制单元皆通过与其对应的用户终端进行传输分类后的数据源，并通过处理器与控制单元将其直接传输至用户终端，实现大数据价值的深度挖掘，满足了的用户的使用需求。
一种基于深度学习的大数据类型分类与挖掘系统，包括控制系统，所述控制系统包括信号传输模块、接收解析模块与对比检测模块，所述信号传输模块包括传输器与存储器，传输器可将初始状态的数据源进行以此传输，存储器便于对其进行保存，所述接收解析模块包括参数分析器与控制器，通过将数据源解析成参数化，每个数据参数可作为数据源内的一个数据字段，所述对比检测模块包括分流计算器与控制器，通过分流计算器将多组数据源进行同时计算，节省大量时间。
一种基于深度学习的大数据类型分类与挖掘装置，包括分类与挖掘装置，所述分类与挖掘装置包括处理器、第一控制单元与第二控制单元，所述处理器能够分别与第一控制单元、第二控制单元相连接，且第一控制单元与第二控制单元皆对应设置有用户终端，通过处理器将检测后的数据源通过控制单元传输至用户终端，实现大数据价值的深度挖掘，满足了的用户的使用需求。
使用时，通过信号传输模块将数据传入存储器内进行保存，并通过传输器的作用出入参数分析器，同时接收解析模块将数据输送至对比检测模块内，通过其内部的分流计算器与参数分析器的配合，实现对多组数据源同时进行分流计算与检测，通过处理器将检测后的数据源通过控制单元传输至用户终端，实现大数据价值的深度挖掘，满足了的用户的使用需求。
尽管已经示出和描述了本发明的实施例，但本具体实施例仅仅是对本发明的解释，其并不是对发明的限制，描述的具体特征、结构、材料或者特点可以在任何一个或多个实施例或示例中以合适的方式结合，本领域技术人员在阅读完本说明书后可在不脱离本发明的原理和宗旨的情况下，可以根据需要对实施例做出没有创造性贡献的修改、替换和变型等，但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (10)
1.一种基于深度学习的大数据类型分类与挖掘方法，其特征在于：包括以下步骤：
步骤一：控制系统内通过信号传输模块将多组数据源输送至接收解析模块内，其多组数据源通过接收解析模块对其进行参数分析，同时将多组数据源进行存储，随后将其进一步输送至对比检测模块内；
步骤二：对比检测模块在接收到多组数据源时，可对其进行同时分流计算，控制系统通过控制器将接收解析模块与对比检测模块的数据源进行组合分析，每个数据源对象可作为控制系统的一个数据字段，并将多类数据源进行分类传入处理器内；
步骤三：处理器将将接收解析模块与对比检测模块分类的数据源，进行逐一输送至多组控制单元内，通过多组控制单元对分类后的数据源进行重新编码操作，并对其相似的编码特征信息进行合并，随后将相似的数据源分类呈现在用户终端。
2.根据权利要求1所述的一种基于深度学习的大数据类型分类与挖掘方法，其特征在于：所述步骤一中信号传输模块用于将多组数据源进行同时传输，且可将其数据源进行存储。
3.根据权利要求1所述的一种基于深度学习的大数据类型分类与挖掘方法，其特征在于：所述步骤二中控制器用于将解析后的数据与分流计算后的数据进行组合分析。
4.根据权利要求1所述的一种基于深度学习的大数据类型分类与挖掘方法，其特征在于：所述步骤三中控制单元皆通过与其对应的用户终端进行传输分类后的数据源。
5.一种基于深度学习的大数据类型分类与挖掘系统，包括控制系统，其特征在于：所述控制系统包括信号传输模块、接收解析模块与对比检测模块。
6.根据权利要求5所述的一种基于深度学习的大数据类型分类与挖掘系统，其特征在于：所述信号传输模块包括传输器与存储器。
7.根据权利要求5所述的一种基于深度学习的大数据类型分类与挖掘系统，其特征在于：所述接收解析模块包括参数分析器与控制器。
8.根据权利要求5所述的一种基于深度学习的大数据类型分类与挖掘系统，其特征在于：所述对比检测模块包括分流计算器与控制器。
9.一种基于深度学习的大数据类型分类与挖掘装置，包括分类与挖掘装置，其特征在于：所述分类与挖掘装置包括处理器、第一控制单元与第二控制单元。
10.根据权利要求9所述的一种基于深度学习的大数据类型分类与挖掘装置，其特征在于：所述处理器能够分别与第一控制单元、第二控制单元相连接，且第一控制单元与第二控制单元皆对应设置有用户终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210915564.2A CN115080641A (zh) | 2022-08-01 | 2022-08-01 | 一种基于深度学习的大数据类型分类与挖掘方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210915564.2A CN115080641A (zh) | 2022-08-01 | 2022-08-01 | 一种基于深度学习的大数据类型分类与挖掘方法、系统及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115080641A true CN115080641A (zh) | 2022-09-20 |
Family
ID=83242780
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210915564.2A Pending CN115080641A (zh) | 2022-08-01 | 2022-08-01 | 一种基于深度学习的大数据类型分类与挖掘方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115080641A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115800368A (zh) * | 2022-11-30 | 2023-03-14 | 国网江苏省电力有限公司南通供电分公司 | 一种新能源发电系统 |
-
2022
- 2022-08-01 CN CN202210915564.2A patent/CN115080641A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115800368A (zh) * | 2022-11-30 | 2023-03-14 | 国网江苏省电力有限公司南通供电分公司 | 一种新能源发电系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110572435B (zh) | 一种云计算系统的数据处理方法 | |
| CN115080641A (zh) | 一种基于深度学习的大数据类型分类与挖掘方法、系统及装置 | |
| CN111786988A (zh) | 一种基于5g的船岸数据交互系统 | |
| US20220092018A1 (en) | Method of Signal Conversion, A Device, An Electronic Device and A Storage Medium | |
| CN109597652B (zh) | 规约解析方法、系统、计算机可读存储介质及通讯管理机 | |
| CN112255984A (zh) | 一种基于分布式工业协议解析技术的多源数据采集系统 | |
| CN112181549B (zh) | 变电站监控界面电力图符动态感知的识别系统及方法 | |
| CN115567563B (zh) | 基于端边云的综合交通枢纽监测预警系统及其控制方法 | |
| CN111145539A (zh) | 基于arm处理器的交通信息数据采集系统及方法 | |
| CN113485793B (zh) | 基于容器技术的多源异构数据接入通道在线弹性扩展方法 | |
| CN115187086A (zh) | 一种应急管理智能化管控系统 | |
| CN104787634A (zh) | 电梯一体机的监控方法、电梯一体机及其监控系统 | |
| CN115002885A (zh) | 标签数据采集方法、装置、电子设备及存储介质 | |
| CN114546780A (zh) | 数据监控方法、装置、设备、系统及存储介质 | |
| CN212909578U (zh) | 一种基于5g的船岸数据交互系统 | |
| CN209803613U (zh) | 一种塑料机械设备监控装置和系统 | |
| CN103593488B (zh) | 一种多功能数据采集器及其数据采集方法 | |
| CN113838477A (zh) | 音频数据包的丢包恢复方法、装置、电子设备及存储介质 | |
| CN112668912A (zh) | 人工神经网络的训练方法、动态计算切分调度方法、存储介质及系统 | |
| CN110856208A (zh) | 一种网络式资源环境数据采集通信平台 | |
| CN110955709A (zh) | 一种数据的处理方法、装置及电子设备 | |
| CN112087474B (zh) | 一种基于集群的端口信息的获取方法及装置 | |
| CN213462020U (zh) | 一种视频监控装置 | |
| CN219643660U (zh) | 一种智能用电管理系统 | |
| CN212515792U (zh) | 一种船用便携式多通信接口检测装置 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220920 |