CN115631829A - 一种基于穴位按摩设备的网络连接多模态检测方法及系统 - Google Patents

Abstract

本申请涉及穴位按摩设备与网络连接技术领域，涉及一种基于穴位按摩设备的网络连接多模态检测方法及系统。本申请可以基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据，并行地，由于各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据，以所得识别后的异常进程数据为异常优化后的异常进程数据，从而可得到基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据。本发明能够有效地提高基于穴位按摩设备的网络连接进程数据的准确性和可信度，从而保障正常的网络连接。

Description

一种基于穴位按摩设备的网络连接多模态检测方法及系统

技术领域

本申请涉及穴位按摩设备与网络连接技术领域，具体而言，涉及一种基于穴位按摩设备的网络连接多模态检测方法及系统。

背景技术

穴位按摩设备是一种融合中医按摩手法，采用智能仪器，对人体穴位进行按摩的设备。在穴位按摩设备应用过程中，需要与网络连接实现联网远程控制功能。在实际应用过程中，发明人发现，在穴位按摩设备的网络连接的过程中，可能存在数据异常的问题，进而可能会导致不能正常地进行网络连接，所以，亟需一种技术方案以解决上述问题。

发明内容

鉴于此，本申请提供了一种基于穴位按摩设备的网络连接多模态检测方法及系统。

第一方面，提供一种基于穴位按摩设备的网络连接多模态检测方法，所述方法至少包括：

获取网络连接进程数据；其中，所述网络连接进程数据具有网络连接异常字段的异常进程数据；

对应于所述网络连接进程数据中异常进程数据的各个异常进程单位，基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据；

各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据；其中，所述联系模型的配置步骤：

获取多个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据；

所述第一网络连接进程数据中具有网络连接异常字段，所述第二网络连接进程数据为未具有网络连接异常字段的网络连接进程数据，且所述第一网络连接进程数据和相应的第二网络连接进程数据除异常进程数据以外的异常进程部分相同；

依据多个第一网络连接进程数据和各个第一网络连接进程数据对应的第二网络连接进程数据，对初始化的异常进程数据的异常进程单位与模态数据之间的初始联系模型进行优化，获得所述联系模型；其中，基于所述联系模型进行调整后的各个第一网络连接进程数据的异常进程数据内各异常进程节点的模态数据与实际模态数据之间的差异参数值之和小于目标差异值，各个异常进程节点的实际模态数据为该第一网络连接进程数据关联的第二网络连接进程数据异常进程数据内，与该异常进程节点具有同样类别属性的异常进程节点的模态数据，所述差异参数值依据模态数据的差异数据进行确定。

在一种独立实施的实施例中，所述依据多个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据，对初始化的针对于异常进程数据内各异常进程单位与模态数据的初始联系模型进行优化，获得所述联系模型，包括：

对应于各个第一网络连接进程数据，依据如下方式对初始化的针对于异常进程数据内各位置与模态数据的初始联系模型进行优化：

依据初始化的针对于异常进程数据内各异常进程单位与模态数据的初始联系模型，确定该第一网络连接进程数据的异常进程数据内各异常进程单位联系的模态数据，获得调整后的该第一网络连接进程数据；

对应于调整后的该第一网络连接进程数据的异常进程数据内各个异常进程节点，计算该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，确定为该异常进程节点的差异参数值；

判断调整后的该第一网络连接进程数据的异常进程数据内各异常进程节点的差异参数值的加权值是否小于目标差异值，当所述加权值不小于所述目标差异值时，优化所述针对于异常进程数据内各异常进程单位与模态数据的初始联系模型，并进行下一次更新，当所述加权值小于所述目标差异值时，获得满足要求的联系模型。

在一种独立实施的实施例中，所述对应于调整后的该第一网络连接进程数据的异常进程数据内各个异常进程节点，计算该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，确定为该异常进程节点的差异参数值，包括：

对应于调整后的该第一网络连接进程数据的异常进程数据内各个异常进程节点，计算该异常进程节点模态数据，与该异常进程节点的实际模态数据的模态数据差异，并依据所述模态数据差异，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，确定为该异常进程节点的差异参数值。

在一种独立实施的实施例中，所述依据所述模态数据差异，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，包括：

将所述模态数据差异，确定为该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值；

或者，计算该异常进程节点的参考差异参数值；

依据所述模态数据差异和所述参考差异参数值，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值；

其中，所述参考差异参数值包括该异常进程节点的运行差异值和协同差异值中的至少一种。

在一种独立实施的实施例中，所述计算该异常进程节点的参考差异参数值，包括：

计算该异常进程节点的模态数据与该异常进程节点的实际模态数据在模态对比空间中的偏移值，确定为该异常进程节点的运行差异值；

和/或，计算该异常进程节点的异常进程偏移值，确定为该异常进程节点的协同差异值。

在一种独立实施的实施例中，所述依据所述模态数据差异和所述参考差异参数值，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，包括：

计算所述模态数据差异、所述运行差异值和历史差异值的加权值，确定为该异常进程节点的模态数据与该异常进程节点的实际模态数据的差异参数值。

在一种独立实施的实施例中，所述获取多个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据，包括：

基于下述步骤获取各个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据：

获取第一基础网络连接进程数据和所述第一基础网络连接进程数据对应的第二基础网络连接进程数据；

其中，所述第一基础网络连接进程数据基于存在异常连接字段的第一网络连接服务获取，所述第二基础网络连接进程数据基于不存在异常连接字段的第二网络连接服务获取，所述第一网络连接服务和所述第二网络连接服务在获得所述第一基础网络连接进程数据和所述第二基础网络连接进程数据时具有相同的网络连接配置信息、且所基于的网络连接域一致；

依据所述第一基础网络连接进程数据的异常进程数据的异常进程单位信息，优化所述第二基础网络连接进程数据中的异常进程数据，获得优化后的网络连接进程数据，确定为第一网络连接进程数据，并将所述第二基础网络连接进程数据确定为与该第一网络连接进程数据对应的第二网络连接进程数据；

其中，所述优化后的网络连接进程数据的异常进程数据与所述第一基础网络连接进程数据的异常进程数据一致，且所述优化后的网络连接进程数据除异常进程数据以外的异常进程部分与所述第二基础网络连接进程数据一致。

在一种独立实施的实施例中，所述依据所述第一基础网络连接进程数据的异常进程数据的异常进程单位信息，优化所述第二基础网络连接进程数据中的异常进程数据，获得优化后的网络连接进程数据，包括：

对应于所述第二基础网络连接进程数据中异常进程数据内各个异常进程节点，确定所述第一基础网络连接进程数据的异常进程数据内与该异常进程节点的类别属性联系的目标异常进程节点，并将该异常进程节点的模态数据调整为所述目标异常进程节点的模态数据。

第二方面，提供一种基于穴位按摩设备的网络连接多模态检测系统，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读取计算机程序并执行，以实现上述的方法。

本申请实施例所提供的一种基于穴位按摩设备的网络连接多模态检测方法及系统，可以基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据，并行地，由于各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据，以所得识别后的异常进程数据为异常优化后的异常进程数据，从而可得到基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据。通过本申请，可以去除网络连接进程数据中存在网络连接异常字段，这样一来，能够有效地提高基于穴位按摩设备的网络连接进程数据的准确性和可信度，从而保障正常的网络连接。

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基于穴位按摩设备的网络连接多模态检测方法的流程图。

图2为本申请实施例所提供的一种基于穴位按摩设备的网络连接多模态检测装置的框图。

图3为本申请实施例所提供的一种基于穴位按摩设备的网络连接多模态检测系统的架构图。

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，示出了一种基于穴位按摩设备的网络连接多模态检测方法，该方法可以包括以下步骤100-步骤600所描述的技术方案。

步骤100，获取网络连接进程数据；其中，所述网络连接进程数据具有网络连接异常字段的异常进程数据；

步骤200，对应于所述网络连接进程数据中异常进程数据的各个异常进程单位，基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据；

步骤300，各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据；其中，所述联系模型的配置步骤：

步骤400，获取多个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据；

步骤500，所述第一网络连接进程数据中具有网络连接异常字段，所述第二网络连接进程数据为未具有网络连接异常字段的网络连接进程数据，且所述第一网络连接进程数据和相应的第二网络连接进程数据除异常进程数据以外的异常进程部分相同；

步骤600，依据多个第一网络连接进程数据和各个第一网络连接进程数据对应的第二网络连接进程数据，对初始化的异常进程数据的异常进程单位与模态数据之间的初始联系模型进行优化，获得所述联系模型；其中，基于所述联系模型进行调整后的各个第一网络连接进程数据的异常进程数据内各异常进程节点的模态数据与实际模态数据之间的差异参数值之和小于目标差异值，各个异常进程节点的实际模态数据为该第一网络连接进程数据关联的第二网络连接进程数据异常进程数据内，与该异常进程节点具有同样类别属性的异常进程节点的模态数据，所述差异参数值依据模态数据的差异数据进行确定。

可以理解，在执行上述步骤100-步骤600所描述的内容时，可以基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据，并行地，由于各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据，以所得识别后的异常进程数据为异常优化后的异常进程数据，从而可 得到基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据。通过本申请，可以去除网络连接进程数据中存在网络连接异常字段，这样一来，能够有效地提高基于穴位按摩设备的网络连接进程数据的准确性和可信度，从而保障正常的网络连接。

在本实施例中，可以包括以下步骤所描述的内容。

S101，获取网络连接进程数据。

示例性的，所述网络连接进程数据具有网络连接异常字段的异常进程数据。

根据上述网络连接进程数据可以为数据输入端所记录的具有网络连接异常字段的异常进程数据的网络连接进程数据。

可选的，在一种可替换的实施例中，网络连接进程数据还可以采用以下步骤所描述的内容。

获取网络连接进程数据获取端所获得的具有网络连接异常字段的异常进程数据的网络连接进程数据，并从该网络连接进程数据中筛选出局部网络连接进程数据，确定为网络连接进程数据。进一步进行说明，所筛选的局部网络连接进程数据中需要具有网络连接异常字段的异常进程数据。

可选的，在一种可替换的实施例中，还可以从样本数据集中识别网络连接进程数据。其中，样本数据集中事先配置有具有网络连接异常字段的异常进程数据的网络连接进程数据，当需要进行基于穴位按摩设备的网络连接多模态检测时，可从样本数据集中识别出具有网络连接异常字段的异常进程数据的网络连接进程数据，确定为网络连接进程数据。

S102，对应于所述网络连接进程数据中异常进程数据的各个异常进程单位，基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据；

各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据。

其中，对于具有网络连接异常字段的异常进程数据，由于网络连接异常字段的干扰，使得异常进程数据表示为一种指定的指示，具有网络连接异常字段的异常进程数据内异常进程节点的模态数据皆为a。由于具有网络连接异常字段的异常进程数据为第一标识，因此，基于穴位按摩设备的网络连接多模态检测可以理解为，将具有网络连接异常字段的异常进程数据内的第一标识异常进程节点的模态数据修正为标准异常进程数据内异常进程节点的模态数据。

进一步地，异常进程数据内各异常进程节点的模态数据的定位是具有一定的规律，标准的异常进程数据的一种示例中，异常进程数据的过渡区异常进程单位为b。所以，可以在先配置得到的异常进程数据的异常进程单位与模态数据之间的联系模型，进而对应于所述网络连接进程数据中异常进程数据的各个异常进程单位，基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据。由于各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据，即各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在标准异常进程数据内的模态数据，因此，基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型可以实现去除异常进程数据内的网络连接异常字段。

进一步进行说明是，一个异常进程单位所联系的模态数据可能是多种表示方式。只要使最终所得到的异常进程数据满足异常优化后的模态数据即可。

在一个可替换的实施例中，由于可基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据，并行地，由于各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据，以所得识别后的异常进程数据为异常优化后的异常进程数据，从而可以得到基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据。在本实施例中，可以去除网络连接进程数据中存在网络连接异常字段，提升穴位按摩设备的网络连接进程数据的准确性和可信度。

进一步地，本公开实施例中，还提供一种基于穴位按摩设备的网络连接多模态检测方法，还包括以下配置得到联系模型的描述内容。

S201，获取多个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据。

进一步地，第一网络连接进程数据中具有网络连接异常字段，而第二网络连接进程数据为没有具有网络连接异常字段的网络连接进程数据，并且第一网络连接进程数据和关联的第二网络连接进程数据除异常进程数据以外的异常进程部分一致。进一步的说明了，所获取的第一网络连接进程数据与关联的第二网络连接进程数据进行对比，除具有网络连接异常字段的异常进程数据以外的异常进程部分内各异常进程节点的模态数据是一致的，第一网络连接进程数据与关联的第二网络连接进程数据区分仅在于是否具有网络连接异常字段的异常进程数据，第一网络连接进程数据的异常进程数据内具有网络连接异常字段，而第二网络连接进程数据的异常进程数据不不具有网络连接异常字段。

S202，依据多个第一网络连接进程数据和各个第一网络连接进程数据对应的第二网络连接进程数据，对初始化的异常进程数据的异常进程单位与模态数据之间的初始联系模型进行优化，获得所述联系模型。

进一步地，初始化的异常进程数据的异常进程单位与模态数据之间的初始联系模型可以为各关联描述皆不存在的关联情况。需要配置得到联系模型时，可以将各个第一网络连接进程数据与该第一网络连接进程数据关联的第二网络连接进程数据确定为一个配置数据。对于各个配置数据而言，可以先将基于初始化的异常进程数据的异常进程单位与模态数据之间的初始联系模型对第一网络连接进程数据进行调整，获得调整后的第一网络连接进程数据，进而对比调整后的第一网络连接进程数据与关联的第二网络连接进程数据中异常进程数据的判定值，判定值越低，则可以表示调整的效果越好，判定值越高则表示调整的效果越差，因此，可以依据调整后的调整后的第一网络连接进程数据与关联的第二网络连接进程数据中异常进程数据的判定值对初始化的异常进程数据的异常进程单位与模态数据之间的初始联系模型进行优化，最后得到联系模型。

根据上述基于所述联系模型进行调整后的各个第一网络连接进程数据的异常进程数据内各异常进程节点的模态数据与实际模态数据之间的差异参数值之和小于目标差异值，各个异常进程节点的实际模态数据为该第一网络连接进程数据关联的第二网络连接进程数据异常进程数据内，与该异常进程节点具有同样类别属性的异常进程节点的模态数据，所述差异参数值依据模态数据的差异数据进行确定。

进一步地，由于第一网络连接进程数据的异常进程数据内各异常进程节点的模态数据与实际模态数据之间的差异参数值反应出基于所述联系模型进行调整后的第一网络连接进程数据的异常进程数据内各异常进程节点的模态数据与该第一网络连接进程数据关联的第二网络连接进程数据异常进程数据内，与该异常进程节点具有同样类别属性的异常进程节点的模态数据之间判定值的大小，所以，当调整后的各个第一网络连接进程数据的异常进程数据内各异常进程节点的模态数据与实际模态数据之间的差异参数值之和小于目标差异值时，则表示基于所述联系模型进行调整后的第一网络连接进程数据的异常进程数据内各异常进程节点的模态数据与该第一网络连接进程数据关联的第二网络连接进程数据异常进程数据内，与该异常进程节点具有同样类别属性的异常进程节点的模态数据之间判定值足够小，使得调整后的基于所述联系模型进行调整后的第一网络连接进程数据去除了异常进程数据内的网络连接异常字段。

在一个可替换的实施例中，由于可基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据，并行地，由于各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据，以所得识别后的异常进程数据为异常优化后的异常进程数据，从而可以得到基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据。在本实施例中，可以去除网络连接进程数据中存在网络连接异常字段，提高网络连接进程数据的准确性和可信度。

本公开实施例还提供一种基于穴位按摩设备的网络连接多模态检测方法，上述S202，可以包括以下描述内容。

应于各个第一网络连接进程数据，依据如下操作对初始化的针对于异常进程数据内各定位与模态数据的初始联系模型进行优化。

S2021，依据初始化的针对于异常进程数据内各异常进程单位与模态数据的初始联系模型，确定该第一网络连接进程数据的异常进程数据内各异常进程单位联系的模态数据，获得调整后的该第一网络连接进程数据。

其中，优化后的该第一网络连接进程数据是处于配置前段的初始联系模型对具有网络连接异常字段的异常进程数据的第一网络连接进程数据进行处理后的网络连接进程数据。优化后的该第一网络连接进程数据中异常进程数据内的网络连接异常字段可能全部被去除，也可能并没有全部被去除。

S2022，对应于调整后的该第一网络连接进程数据的异常进程数据内各个异常进程节点，计算该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，确定为该异常进程节点的差异参数值。

进一步地，第一网络连接进程数据中具有网络连接异常字段的异常进程数据，而与第一网络连接进程数据相应的第二网络连接进程数据不具有网络连接异常字段的异常进程数据，而基于初始化的针对于异常进程数据内各异常进程单位与模态数据的初始联系模型对第一网络连接进程数据进行关联所得到的调整后的该第一网络连接进程数据而言，其最佳状态为与该第一网络连接进程数据关联的第二网络连接进程数据一致，而差异参数值即为权衡调整后的该第一网络连接进程数据与该第一网络连接进程数据关联的第二网络连接进程数据是否存一致的量化结果。

因此，可以确定调整后的该第一网络连接进程数据的异常进程数据内各个异常进程节点与该异常进程节点的实际模态数据的差异参数值。

S2023，判断调整后的该第一网络连接进程数据的异常进程数据内各异常进程节点的差异参数值的加权值是否小于目标差异值，当所述加权值不小于所述目标差异值时，优化所述针对于异常进程数据内各异常进程单位与模态数据的初始联系模型，并进行下一次更新，当所述加权值小于所述目标差异值时，获得满足要求的联系模型。

示例性的，优化后的该第一网络连接进程数据的异常进程数据内各个异常进程节点皆具有差异参数值，而判断针对于异常进程数据内各异常进程单位与模态数据的初始联系模型是否可用的要求则是该第一网络连接进程数据的异常进程数据内各异常进程节点的差异参数值的加权值是否小于目标差异值。需要先获取该第一网络连接进程数据的异常进程数据内各异常进程节点的差异参数值的加权值，再判断所确定的加权值是否小于目标差异值。当所述加权值不小于所述目标差异值时，则可以表示调整后的该第一网络连接进程数据的异常进程数据没有达到标准要求，优化所述针对于异常进程数据内各异常进程单位与模态数据的初始联系模型，并进行下一次更新。当所述加权值小于所述目标差异值时，则可以表示待调整后的该第一网络连接进程数据的异常进程数据达到标准要求，则配置结束，获得满足要求的联系模型。

在一个可替换的实施例中，通过第一网络连接进程数据和第一网络连接进程数据相应的第二网络连接进程数据训练生成联系模型，从而当需要去除网络连接进程数据中的网络连接异常字段时，可以基于联系模型，获得基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据。通过本实施例所提供技术方案，为去除网络连接异常字段、提高网络连接进程数据检测质量提供了实现基础。

本公开实施例还提供一种基于穴位按摩设备的网络连接多模态检测方法，上述S2022，可以包括以下描述内容。

S2022A，对应于调整后的该第一网络连接进程数据的异常进程数据内各个异常进程节点，计算该异常进程节点模态数据，与该异常进程节点的实际模态数据的模态数据差异，并依据所述模态数据差异，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，确定为该异常进程节点的差异参数值。

举例而言，在一种可能的实施例中，可用确定该异常进程节点模态数据与该异常进程节点的实际模态数据的量化描述，确定为模态数据差异。

进一步地，根据不同的要求，依据所述模态数据差异，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值的实现方式至少包括以下描述内容。

（1）将所述模态数据差异，确定为该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值。本实施例中华中，直接将所述模态数据差异确定为差异参数值。

（2）确定该异常进程节点的参考差异参数值；依据所述模态数据差异和所述参考差异参数值，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值；其中，所述参考差异参数值包括该异常进程节点的运行差异值和协同差异值中的至少一种。

进一步地，确定该异常进程节点的参考差异参数值可用采用以下任意一个方式来实现。

（a）确定该异常进程节点的模态数据与该异常进程节点的实际模态数据在模态对比空间中的偏移值，确定为该异常进程节点的运行差异值。

（b）确定该异常进程节点的异常进程偏移值，确定为该异常进程节点的协同差异值。

在一种可替换的实施例中，上述依据所述模态数据差异，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值的实现步骤，可以包括以下描述内容。

确定所述模态数据差异、所述运行差异值和历史差异值的加权值，确定为该异常进程节点的模态数据与该异常进程节点的实际模态数据的差异参数值。

在一个可替换的实施例中，通过第一网络连接进程数据和第一网络连接进程数据相应的第二网络连接进程数据训练生成联系模型，从而当需要去除网络连接进程数据中的网络连接异常字段时，可以基于联系模型，获得基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据。通过本实施例所提供的技术方案，为去除网络连接异常字段、提高网络连接进程数据检测质量提供了实现基础。

本公开实施例还提供一种基于穴位按摩设备的网络连接多模态检测方法，上述S201，可以包括以下步骤获取各个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据，具体可以包括以下描述内容。

S2011，获取第一基础网络连接进程数据和所述第一基础网络连接进程数据对应的第二基础网络连接进程数据。

示例性的，所述第一基础网络连接进程数据基于存在异常连接字段的第一网络连接服务获取，所述第二基础网络连接进程数据基于不存在异常连接字段的第二网络连接服务获取，所述第一网络连接服务和所述第二网络连接服务在获得所述第一基础网络连接进程数据和所述第二基础网络连接进程数据时具有一直的网络连接配置信息、且所基于的网络连接域一致；

其中，第二基础网络连接进程数据可以通过不存在异常连接字段的第二网络连接服务获取，即第二网络连接服务在结束状态的前提下获取第二基础网络连接进程数据。网络连接服务所获得的网络连接进程数据才可能出现网络连接异常字段的情况，因此，过不存在异常连接字段的第二网络连接服务获取的第二基础网络连接进程数据当中不会出现网络连接异常字段，即第二基础网络连接进程数据中不具有网络连接异常字段，可确定为第二网络连接进程数据。对应的，通过存在异常连接字段的第一网络连接服务获取的第一基础网络连接进程数据具有网络连接异常字段的异常进程数据。

S2012，依据所述第一基础网络连接进程数据的异常进程数据的异常进程单位信息，优化所述第二基础网络连接进程数据中的异常进程数据，获得优化后的网络连接进程数据，确定为第一网络连接进程数据，并将所述第二基础网络连接进程数据确定为与该第一网络连接进程数据对应的第二网络连接进程数据；

其中，所述优化后的网络连接进程数据的异常进程数据与所述第一基础网络连接进程数据的异常进程数据一致，且所述优化后的网络连接进程数据除异常进程数据以外的异常进程部分与所述第二基础网络连接进程数据一致。

对应于所述第二基础网络连接进程数据中异常进程数据内各个异常进程节点，确定所述第一基础网络连接进程数据的异常进程数据内与该异常进程节点的类别属性联系的目标异常进程节点，并将该异常进程节点的模态数据调整为所述目标异常进程节点的模态数据。

在一个可替换的实施例中，由于可以基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据，并行地，由于各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据，以所得识别后的异常进程数据为异常优化后的异常进程数据，从而可得到基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据。在本实施例中，可以去除网络连接进程数据中存在网络连接异常字段，提升网络连接进程数据的准确性和可信度。

在一种可替换的实施例中，上述联系模型可以为满足要求的目标基于穴位按摩设备的网络连接多模态检测线程。初始化的针对于异常进程数据内各异常进程单位与模态数据的初始联系模型可以为待配置的基于穴位按摩设备的网络连接多模态检测线程。

由于输入基于穴位按摩设备的网络连接多模态检测线程的网络连接进程数据的分析评价系数是一定的，而所获取的网络连接进程数据可能并不是一定分析评价的网络连接进程数据，因此，在将网络连接进程数据输入至基于穴位按摩设备的网络连接多模态检测线程之前，需要对网络连接进程数据进行压缩处理，将网络连接进程数据分析评价要是为适用于基于穴位按摩设备的网络连接多模态检测线程的分析评价。

进一步地，对网络连接进程数据进行要是可能将导致网络连接进程数据的可靠性较低，因此，在一种可能的实施例中，可以在基于穴位按摩设备的网络连接多模态检测线程输出基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据时，还可以采用以下步骤对输出的网络连接进程数据进行处理，以提高基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据的可靠性，包括步骤1至步骤4所描述的内容。

步骤1，将基于穴位按摩设备的网络连接多模态检测线程输出的网络连接进程数据放大还原分析评价，获得分析评价还原网络连接进程数据。

步骤2，对输出的网络连接进程数据进行第一格式到第二格式的属性渠道切换，获得第二格式的网络连接进程数据；对第二格式的网络连接进程数据的特征向量进行筛选处理，获得热门单元网络连接进程数据。

步骤3，使用输出的网络连接进程数据与热门单元网络连接进程数据作差，获得冷门单元网络连接进程数据。

步骤4，对冷门单元网络连接进程数据进行模态数据系数衍生处理，并融合处理后的网络连接进程数据与分析评价还原网络连接进程数据，获得已提高可靠性、且网络连接异常字段已去除后的网络连接进程数据。

在上述基础上，请结合参阅图2，提供了一种基于穴位按摩设备的网络连接多模态检测装置200，应用于基于穴位按摩设备的网络连接多模态检测系统，所述装置包括：

数据获取模块210，用于获取网络连接进程数据；其中，所述网络连接进程数据具有网络连接异常字段的异常进程数据；

数据调整模块220，用于对应于所述网络连接进程数据中异常进程数据的各个异常进程单位，基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据；

数据优化模块230，用于各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据；其中，所述联系模型的配置步骤：

进程获取模块240，用于获取多个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据；

数据分析模块250，用于所述第一网络连接进程数据中具有网络连接异常字段，所述第二网络连接进程数据为未具有网络连接异常字段的网络连接进程数据，且所述第一网络连接进程数据和相应的第二网络连接进程数据除异常进程数据以外的异常进程部分相同；

差异确定模块260，用于依据多个第一网络连接进程数据和各个第一网络连接进程数据对应的第二网络连接进程数据，对初始化的异常进程数据的异常进程单位与模态数据之间的初始联系模型进行优化，获得所述联系模型；其中，基于所述联系模型进行调整后的各个第一网络连接进程数据的异常进程数据内各异常进程节点的模态数据与实际模态数据之间的差异参数值之和小于目标差异值，各个异常进程节点的实际模态数据为该第一网络连接进程数据关联的第二网络连接进程数据异常进程数据内，与该异常进程节点具有同样类别属性的异常进程节点的模态数据，所述差异参数值依据模态数据的差异数据进行确定。

在上述基础上，请结合参阅图3，示出了一种基于穴位按摩设备的网络连接多模态检测系统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，本公开实施例所提供的基于穴位按摩设备的网络连接多模态检测方法中，可以基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据，并行地，由于各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据，以所得识别后的异常进程数据为异常优化后的异常进程数据，从而可 得到基于穴位按摩设备的网络连接多模态检测后的网络连接进程数据。通过本申请，可以去除网络连接进程数据中存在网络连接异常字段，这样一来，能够有效地提高网络连接进程数据的准确性和可信度，从而保障正常的网络连接。

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 (9)

1.一种基于穴位按摩设备的网络连接多模态检测方法，其特征在于，所述方法至少包括：

获取网络连接进程数据；其中，所述网络连接进程数据具有网络连接异常字段的异常进程数据；

对应于所述网络连接进程数据中异常进程数据的各个异常进程单位，基于在先配置的异常进程数据的异常进程单位与模态数据之间的联系模型，将该异常进程单位内的异常进程节点的模态数据调整为该异常进程单位所联系的模态数据；

各个异常进程单位所联系的模态数据为该异常进程单位的异常进程节点在异常优化后的模态数据；其中，所述联系模型的配置步骤：

获取多个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据；

所述第一网络连接进程数据中具有网络连接异常字段，所述第二网络连接进程数据为未具有网络连接异常字段的网络连接进程数据，且所述第一网络连接进程数据和相应的第二网络连接进程数据除异常进程数据以外的异常进程部分相同；

依据多个第一网络连接进程数据和各个第一网络连接进程数据对应的第二网络连接进程数据，对初始化的异常进程数据的异常进程单位与模态数据之间的初始联系模型进行优化，获得所述联系模型；其中，基于所述联系模型进行调整后的各个第一网络连接进程数据的异常进程数据内各异常进程节点的模态数据与实际模态数据之间的差异参数值之和小于目标差异值，各个异常进程节点的实际模态数据为该第一网络连接进程数据关联的第二网络连接进程数据异常进程数据内，与该异常进程节点具有同样类别属性的异常进程节点的模态数据，所述差异参数值依据模态数据的差异数据进行确定。

2.根据权利要求1所述的方法，其特征在于，所述依据多个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据，对初始化的针对于异常进程数据内各异常进程单位与模态数据的初始联系模型进行优化，获得所述联系模型，包括：

对应于各个第一网络连接进程数据，依据如下方式对初始化的针对于异常进程数据内各位置与模态数据的初始联系模型进行优化：

依据初始化的针对于异常进程数据内各异常进程单位与模态数据的初始联系模型，确定该第一网络连接进程数据的异常进程数据内各异常进程单位联系的模态数据，获得调整后的该第一网络连接进程数据；

对应于调整后的该第一网络连接进程数据的异常进程数据内各个异常进程节点，计算该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，确定为该异常进程节点的差异参数值；

判断调整后的该第一网络连接进程数据的异常进程数据内各异常进程节点的差异参数值的加权值是否小于目标差异值，当所述加权值不小于所述目标差异值时，优化所述针对于异常进程数据内各异常进程单位与模态数据的初始联系模型，并进行下一次更新，当所述加权值小于所述目标差异值时，获得满足要求的联系模型。

3.根据权利要求3所述的方法，其特征在于，所述对应于调整后的该第一网络连接进程数据的异常进程数据内各个异常进程节点，计算该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，确定为该异常进程节点的差异参数值，包括：

对应于调整后的该第一网络连接进程数据的异常进程数据内各个异常进程节点，计算该异常进程节点模态数据，与该异常进程节点的实际模态数据的模态数据差异，并依据所述模态数据差异，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，确定为该异常进程节点的差异参数值。

4.根据权利要求3所述的方法，其特征在于，所述依据所述模态数据差异，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，包括：

将所述模态数据差异，确定为该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值；

或者，计算该异常进程节点的参考差异参数值；

依据所述模态数据差异和所述参考差异参数值，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值；

其中，所述参考差异参数值包括该异常进程节点的运行差异值和协同差异值中的至少一种。

5.根据权利要求4所述的方法，其特征在于，所述计算该异常进程节点的参考差异参数值，包括：

计算该异常进程节点的模态数据与该异常进程节点的实际模态数据在模态对比空间中的偏移值，确定为该异常进程节点的运行差异值；

和/或，计算该异常进程节点的异常进程偏移值，确定为该异常进程节点的协同差异值。

6.根据权利要求4所述的方法，其特征在于，所述依据所述模态数据差异和所述参考差异参数值，确定该异常进程节点的模态数据，与该异常进程节点的实际模态数据的差异参数值，包括：

计算所述模态数据差异、所述运行差异值和历史差异值的加权值，确定为该异常进程节点的模态数据与该异常进程节点的实际模态数据的差异参数值。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述获取多个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据，包括：

基于下述步骤获取各个第一网络连接进程数据和第一网络连接进程数据对应的第二网络连接进程数据：

获取第一基础网络连接进程数据和所述第一基础网络连接进程数据对应的第二基础网络连接进程数据；

其中，所述第一基础网络连接进程数据基于存在异常连接字段的第一网络连接服务获取，所述第二基础网络连接进程数据基于不存在异常连接字段的第二网络连接服务获取，所述第一网络连接服务和所述第二网络连接服务在获得所述第一基础网络连接进程数据和所述第二基础网络连接进程数据时具有相同的网络连接配置信息、且所基于的网络连接域一致；

依据所述第一基础网络连接进程数据的异常进程数据的异常进程单位信息，优化所述第二基础网络连接进程数据中的异常进程数据，获得优化后的网络连接进程数据，确定为第一网络连接进程数据，并将所述第二基础网络连接进程数据确定为与该第一网络连接进程数据对应的第二网络连接进程数据；

其中，所述优化后的网络连接进程数据的异常进程数据与所述第一基础网络连接进程数据的异常进程数据一致，且所述优化后的网络连接进程数据除异常进程数据以外的异常进程部分与所述第二基础网络连接进程数据一致。

8.根据权利要求7所述的方法，其特征在于，所述依据所述第一基础网络连接进程数据的异常进程数据的异常进程单位信息，优化所述第二基础网络连接进程数据中的异常进程数据，获得优化后的网络连接进程数据，包括：

对应于所述第二基础网络连接进程数据中异常进程数据内各个异常进程节点，确定所述第一基础网络连接进程数据的异常进程数据内与该异常进程节点的类别属性联系的目标异常进程节点，并将该异常进程节点的模态数据调整为所述目标异常进程节点的模态数据。

9.一种基于穴位按摩设备的网络连接多模态检测系统，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读取计算机程序并执行，以实现权利要求1-9任一项所述的方法。

Images