CN115713987A - 聚己内酯测试数据分析方法及系统 - Google Patents

Abstract

本发明提供的聚己内酯测试数据分析方法及系统，涉及数据处理技术领域。在本发明中，分别对目标聚己内酯测试结果描述数据进行加载，以加载至第一数据挖掘单元和第二数据挖掘单元中，挖掘出对应的第一测试结果描述数据特征表示和第二测试结果描述数据特征表示；利用数据对比分析单元进行中间输出特征表示的挖掘处理，以输出多个第一中间输出特征表示和多个第二中间输出特征表示；对多个第一中间输出特征表示和多个第二中间输出特征表示进行融合处理，以形成对应的融合中间输出特征表示；利用数据评估分析单元进行测试结果的评估处理，以输出对应的目标测试数据评估结果。基于上述内容，可以提高测试数据分析的可靠度。

Description

聚己内酯测试数据分析方法及系统

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种聚己内酯测试数据分析方法及系统。

背景技术

聚己内酯(Polycaprolactone，PCL，CAS号:24980-41-4) 又称聚ε-己内酯，是通过ε-己内酯单体在金属阴离子络合催化剂催化下开环聚合而成的高分子有机聚合物，通过控制聚合条件，可以获得不同的分子量。其外观为白色固体粉末，无毒，不溶于水，易溶于多种极性有机溶剂。PCL具有良好的生物相容性、良好的有机高聚物相容性，以及良好的生物降解性，可用作细胞生长支持材料，可与多种常规塑料互相兼容，自然环境下6-12个月即可完全降解。此外，PCL还具有良好的形状记忆温控性质，被广泛应用于药物载体、增塑剂、可降解塑料、纳米纤维纺丝、塑形材料的生产与加工领域。其中，在聚己内酯的应用之前，一般需要对生产出的聚己内酯进行性能测试，具体的过程一般是，测试人员进行性能测试，然后，测试人员依据自身记录的数据和仪器形成的数据进行整体的性能分析，从而得到对应的性能结果，如此，就使得性能分析的结果的可靠度不佳。

发明内容

有鉴于此，本发明的目的在于提供一种聚己内酯测试数据分析方法及系统，以提高测试数据分析的可靠度。

为实现上述目的，本发明实施例采用如下技术方案：

一种聚己内酯测试数据分析方法，包括：

提取出目标聚己内酯测试结果描述数据和经过网络优化处理的目标测试结果描述数据分析神经网络，所述目标聚己内酯测试结果描述数据用于反映目标聚己内酯的测试过程数据和测试结果数据，所述目标测试结果描述数据分析神经网络包括第一数据挖掘单元、第二数据挖掘单元、数据对比分析单元和数据评估分析单元；

分别对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元和所述第二数据挖掘单元中，挖掘出对应的第一测试结果描述数据特征表示和第二测试结果描述数据特征表示；

对所述第一测试结果描述数据特征表示和所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出多个第一中间输出特征表示和多个第二中间输出特征表示；

对所述多个第一中间输出特征表示和所述多个第二中间输出特征表示进行融合处理，以形成对应的融合中间输出特征表示；

对所述融合中间输出特征表示进行加载，以加载至所述数据评估分析单元中，利用所述数据评估分析单元进行测试结果的评估处理，以输出所述目标聚己内酯测试结果描述数据对应的目标测试数据评估结果，所述目标测试数据评估结果用于反映所述目标聚己内酯的性能。

在一些优选的实施例中，在上述聚己内酯测试数据分析方法中，所述数据对比分析单元包括级联的多个中间处理网络子单元；

所述对所述第一测试结果描述数据特征表示和所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出多个第一中间输出特征表示和多个第二中间输出特征表示的步骤，包括：

对所述第一测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第一方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个第一中间输出特征表示；

对所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第二方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个第二中间输出特征表示，所述级联第二方向不同于所述级联第一方向，且方向相反。

在一些优选的实施例中，在上述聚己内酯测试数据分析方法中，所述对所述多个第一中间输出特征表示和所述多个第二中间输出特征表示进行融合处理，以形成对应的融合中间输出特征表示的步骤，包括：

在所述多个第一中间输出特征表示和所述多个第二中间输出特征表示中，基于所述第一中间输出特征表示和所述第二中间输出特征表示的输出先后关系，对具有一样的输出先后关系的第一中间输出特征表示和第二中间输出特征表示进行融合，以形成对应的多个融合中间输出特征表示。

在一些优选的实施例中，在上述聚己内酯测试数据分析方法中，所述在所述多个第一中间输出特征表示和所述多个第二中间输出特征表示中，基于所述第一中间输出特征表示和所述第二中间输出特征表示的输出先后关系，对具有一样的输出先后关系的第一中间输出特征表示和第二中间输出特征表示进行融合，以形成对应的多个融合中间输出特征表示的步骤，包括：

在所述多个第一中间输出特征表示和所述多个第二中间输出特征表示中，基于所述第一中间输出特征表示和所述第二中间输出特征表示的输出先后关系，对具有一样的输出先后关系的第一中间输出特征表示和第二中间输出特征表示进行组队，以形成对应的特征表示对；

对于每一个所述特征表示对，依据第一中间输出特征表示在前、第二中间输出特征表示在后的组合规则，将该特征表示对中的第一中间输出特征表示和该特征表示对中的第二中间输出特征表示进行组合，以形成对应的一个融合中间输出特征表示。

在一些优选的实施例中，在上述聚己内酯测试数据分析方法中，所述分别对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元和所述第二数据挖掘单元中，挖掘出对应的第一测试结果描述数据特征表示和第二测试结果描述数据特征表示的步骤，包括：

对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元，挖掘出对应的第一测试结果描述数据特征表示；

对所述目标聚己内酯测试结果描述数据进行数据拆分处理，以形成所述目标聚己内酯测试结果描述数据对应的多个测试结果描述数据片段；

对所述多个测试结果描述数据片段进行加载，以加载至所述第二数据挖掘单元中，挖掘出对应的第二测试结果描述数据特征表示。

在一些优选的实施例中，在上述聚己内酯测试数据分析方法中，所述对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元，挖掘出对应的第一测试结果描述数据特征表示的步骤，包括：

对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元，挖掘出对应的初始第一测试结果描述数据特征表示；

依据对应的特征表示维度，对所述初始第一测试结果描述数据特征表示进行拆分，以形成对应的多个局部第一测试结果描述数据特征表示，每两个所述局部第一测试结果描述数据特征表示的维度不同；

对于每一个所述局部第一测试结果描述数据特征表示，分析出该局部第一测试结果描述数据特征表示与每一个其它局部第一测试结果描述数据特征表示之间的相关度，再依据该相关度，对该局部第一测试结果描述数据特征表示和每一个其它局部第一测试结果描述数据特征表示进行融合处理，以形成对应的关联局部第一测试结果描述数据特征表示；

将所述多个局部第一测试结果描述数据特征表示对应的多个关联局部第一测试结果描述数据特征表示进行组合，以形成所述目标聚己内酯测试结果描述数据对应的第一测试结果描述数据特征表示。

在一些优选的实施例中，在上述聚己内酯测试数据分析方法中，所述对所述多个测试结果描述数据片段进行加载，以加载至所述第二数据挖掘单元中，挖掘出对应的第二测试结果描述数据特征表示的步骤，包括：

分别对所述多个测试结果描述数据片段中的每一个测试结果描述数据片段进行加载，以加载至所述第二数据挖掘单元中，挖掘出每一个测试结果描述数据片段对应的局部第二测试结果描述数据特征表示；

对于每一个所述局部第二测试结果描述数据特征表示，分析出该局部第二测试结果描述数据特征表示与每一个其它局部第二测试结果描述数据特征表示之间的第一相关度，再分析出该局部第二测试结果描述数据特征表示对应的测试结果描述数据片段和每一个其它局部第二测试结果描述数据特征表示对应的测试结果描述数据片段之间的第二相关度，以及，依据该第一相关度和该第二相关度，对该局部第二测试结果描述数据特征表示和每一个其它局部第二测试结果描述数据特征表示进行融合处理，以形成对应的关联局部第二测试结果描述数据特征表示；

将多个所述局部第二测试结果描述数据特征表示对应的多个关联局部第二测试结果描述数据特征表示进行顺序连接，以形成所述目标聚己内酯测试结果描述数据对应的第二测试结果描述数据特征表示。

在一些优选的实施例中，在上述聚己内酯测试数据分析方法中，在执行所述提取出目标聚己内酯测试结果描述数据和经过网络优化处理的目标测试结果描述数据分析神经网络的步骤之前，所述聚己内酯测试数据分析方法还包括：

提取出典型聚己内酯测试结果描述数据簇和未经过网络优化处理的初始测试结果描述数据分析神经网络，所述典型聚己内酯测试结果描述数据簇包括多个典型聚己内酯测试结果描述数据，每一个所述典型聚己内酯测试结果描述数据具有有测试数据真实结果，所述初始测试结果描述数据分析神经网络包括第一数据挖掘单元、第二数据挖掘单元、数据对比分析单元和数据评估分析单元，所述测试数据真实结果用于反映所述典型聚己内酯测试结果描述数据对应的聚己内酯的实际性能；

在所述典型聚己内酯测试结果描述数据簇中，抽选出典型聚己内酯测试结果描述数据，再分别对所述典型聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元和所述第二数据挖掘单元中，挖掘出对应的典型第一测试结果描述数据特征表示和典型第二测试结果描述数据特征表示；

对所述典型第一测试结果描述数据特征表示和所述典型第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出对应的多个典型第一中间输出特征表示和多个典型第二中间输出特征表示；

对所述多个典型第一中间输出特征表示和所述多个典型第二中间输出特征表示进行融合处理，以形成对应的典型融合中间输出特征表示；

对所述典型融合中间输出特征表示进行加载，以加载至所述数据评估分析单元中，利用所述数据评估分析单元进行测试结果的评估处理，以输出所述典型聚己内酯测试结果描述数据的典型测试数据评估结果；

将所述典型测试数据评估结果和所述典型聚己内酯测试结果描述数据具有的测试数据真实结果进行对比分析，以输出对应的网络优化代价值；

在所述网络优化代价值超过预先配置的网络优化代价参考值的情况下，对所述第一数据挖掘单元、所述第二数据挖掘单元、所述数据对比分析单元和所述数据评估分析单元的单元变量进行优化，以及，再跳转到所述在所述典型聚己内酯测试结果描述数据簇中，抽选出典型聚己内酯测试结果描述数据的步骤，或者，在所述网络优化代价值未超过预先配置的网络优化代价参考值的情况下，将当前的初始测试结果描述数据分析神经网络进行标记处理，以形成对应的目标测试结果描述数据分析神经网络。

在一些优选的实施例中，在上述聚己内酯测试数据分析方法中，所述数据对比分析单元包括级联的多个中间处理网络子单元；

所述对所述典型第一测试结果描述数据特征表示和所述典型第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出对应的多个典型第一中间输出特征表示和多个典型第二中间输出特征表示的步骤，包括：

对所述典型第一测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第一方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个典型第一中间输出特征表示；

对所述典型第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第二方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个典型第二中间输出特征表示。

本发明实施例还提供一种聚己内酯测试数据分析系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的聚己内酯测试数据分析方法。

本发明实施例提供的一种聚己内酯测试数据分析方法及系统，可以分别对目标聚己内酯测试结果描述数据进行加载，以加载至第一数据挖掘单元和第二数据挖掘单元中，挖掘出对应的第一测试结果描述数据特征表示和第二测试结果描述数据特征表示；利用数据对比分析单元进行中间输出特征表示的挖掘处理，以输出多个第一中间输出特征表示和多个第二中间输出特征表示；对多个第一中间输出特征表示和多个第二中间输出特征表示进行融合处理，以形成对应的融合中间输出特征表示；利用数据评估分析单元进行测试结果的评估处理，以输出对应的目标测试数据评估结果。基于此，由于会通过两个数据挖掘单元分别进行不同的数据挖掘，使得数据挖掘的可靠度更高，而且，还会利用数据对比分析单元进行中间输出特征表示的挖掘处理，使得得到的特征表示更多，从而在对多个特征表示进行融合之后，能够使得得到的融合中间输出特征表示的信息更为丰富，以使得候选的评估处理的可靠度更高，即提高测试数据分析的可靠度。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

图1为本发明实施例提供的聚己内酯测试数据分析系统的结构框图。

图2为本发明实施例提供的聚己内酯测试数据分析方法包括的各步骤的流程示意图。

图3为本发明实施例提供的聚己内酯测试数据分析装置包括的各模块的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通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。

如图1所示，本发明实施例提供了一种聚己内酯测试数据分析系统。其中，所述聚己内酯测试数据分析系统可以包括存储器和处理器。

详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例（如后文所述）提供的聚己内酯测试数据分析方法。

示例性地，在一些实施方式中，所述存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-Only Memory，PROM），可擦除只读存储器（Erasable ProgrammableRead-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable ProgrammableRead-Only Memory，EEPROM）等。所述处理器可以是一种通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

示例性地，在一些实施方式中，所述聚己内酯测试数据分析系统可以是一种具备数据处理能力的服务器。

结合图2，本发明实施例还提供一种聚己内酯测试数据分析方法，可应用于上述聚己内酯测试数据分析系统。其中，所述聚己内酯测试数据分析方法有关的流程所定义的方法步骤，可以由所述聚己内酯测试数据分析系统实现。下面将对图2所示的具体流程，进行详细阐述。

步骤S110，提取出目标聚己内酯测试结果描述数据和经过网络优化处理的目标测试结果描述数据分析神经网络。

在本发明实施例中，所述聚己内酯测试数据分析系统可以提取出目标聚己内酯测试结果描述数据和经过网络优化处理的目标测试结果描述数据分析神经网络。所述目标聚己内酯测试结果描述数据用于反映目标聚己内酯的测试过程数据和测试结果数据（也可以是两种数据中的一种，可以根据实际应用场景进行选择和配置，所述测试过程数据用于反映测试过程中记录的一些测试信息，所述测试结果数据可以用于反映测试结果，即具有直接的关系，如进行力学性能测试时，所述测试结果数据可以是最终的形态等，如进行降解性能测试时，所述测试结果数据可以是最终的降解时长等），所述目标测试结果描述数据分析神经网络包括第一数据挖掘单元、第二数据挖掘单元、数据对比分析单元和数据评估分析单元。

步骤S120，分别对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元和所述第二数据挖掘单元中，挖掘出对应的第一测试结果描述数据特征表示和第二测试结果描述数据特征表示。

在本发明实施例中，所述聚己内酯测试数据分析系统可以分别对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元和所述第二数据挖掘单元中，挖掘出对应的第一测试结果描述数据特征表示和第二测试结果描述数据特征表示（所述第一数据挖掘单元和所述第二数据挖掘单元的具体构成和\或处理过程可以不一致）。

步骤S130，对所述第一测试结果描述数据特征表示和所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出多个第一中间输出特征表示和多个第二中间输出特征表示。

在本发明实施例中，所述聚己内酯测试数据分析系统可以对所述第一测试结果描述数据特征表示和所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出多个第一中间输出特征表示和多个第二中间输出特征表示。

步骤S140，对所述多个第一中间输出特征表示和所述多个第二中间输出特征表示进行融合处理，以形成对应的融合中间输出特征表示。

在本发明实施例中，所述聚己内酯测试数据分析系统可以对所述多个第一中间输出特征表示和所述多个第二中间输出特征表示进行融合处理，以形成对应的融合中间输出特征表示。

步骤S150，对所述融合中间输出特征表示进行加载，以加载至所述数据评估分析单元中，利用所述数据评估分析单元进行测试结果的评估处理，输出所述目标聚己内酯测试结果描述数据对应的目标测试数据评估结果。

在本发明实施例中，所述聚己内酯测试数据分析系统可以对所述融合中间输出特征表示进行加载，以加载至所述数据评估分析单元中，利用所述数据评估分析单元进行测试结果的评估处理，输出所述目标聚己内酯测试结果描述数据对应的目标测试数据评估结果（示例性地，所述数据评估分析单元可以包括softmax函数，以实现映射输出对应的性能）。所述目标测试数据评估结果用于反映所述目标聚己内酯的性能。

基于此，由于会通过两个数据挖掘单元分别进行不同的数据挖掘，使得数据挖掘的可靠度更高，而且，还会利用数据对比分析单元进行中间输出特征表示的挖掘处理，使得得到的特征表示更多，从而在对多个特征表示进行融合之后，能够使得得到的融合中间输出特征表示的信息更为丰富，以使得候选的评估处理的可靠度更高，即提高测试数据分析的可靠度，从而改善现有技术中对于测试数据分析的可靠度不佳的问题。

示例性地，在一些实施方式中，上述描述中的步骤S120，可以包括：

对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元，挖掘出对应的第一测试结果描述数据特征表示；

对所述目标聚己内酯测试结果描述数据进行数据拆分处理，以形成所述目标聚己内酯测试结果描述数据对应的多个测试结果描述数据片段（示例性地，所述测试结果描述数据片段可以用于反映一个测试阶段，对应的数据，对对于测试过程数据，可以用于表示一个时间段的变化数据）；

对所述多个测试结果描述数据片段进行加载，以加载至所述第二数据挖掘单元中，挖掘出对应的第二测试结果描述数据特征表示。

示例性地，在一些实施方式中，上述描述中的所述对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元，挖掘出对应的第一测试结果描述数据特征表示的步骤，可以包括：

对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元，挖掘出对应的初始第一测试结果描述数据特征表示（示例性地，可以将所述目标聚己内酯测试结果描述数据映射至相应的特征空间，以形成所述初始第一测试结果描述数据特征表示）；

依据对应的特征表示维度，对所述初始第一测试结果描述数据特征表示进行拆分，以形成对应的多个局部第一测试结果描述数据特征表示，每两个所述局部第一测试结果描述数据特征表示的维度不同（示例性地，可以一个维度的特征表示参数形成一个局部第一测试结果描述数据特征表示，也可以多个维度的特征表示参数形成一个局部第一测试结果描述数据特征表示，具体可以根据实际需求进行处理）；

对于每一个所述局部第一测试结果描述数据特征表示，分析出该局部第一测试结果描述数据特征表示与每一个其它局部第一测试结果描述数据特征表示之间的相关度，再依据该相关度，对该局部第一测试结果描述数据特征表示和每一个其它局部第一测试结果描述数据特征表示进行融合处理，以形成对应的关联局部第一测试结果描述数据特征表示（示例性地，可以将对该相关度和对应的其它局部第一测试结果描述数据特征表示进行相乘，以实现对其它局部第一测试结果描述数据特征表示的加权，然后，对加权后的其它局部第一测试结果描述数据特征表示和该局部第一测试结果描述数据特征表示进行融合，如叠加等）；

将所述多个局部第一测试结果描述数据特征表示对应的多个关联局部第一测试结果描述数据特征表示进行组合（即进行维度层面的组合，与前述的拆分的过程可以相反），以形成所述目标聚己内酯测试结果描述数据对应的第一测试结果描述数据特征表示。

示例性地，在一些实施方式中，上述描述中的所述对所述多个测试结果描述数据片段进行加载，以加载至所述第二数据挖掘单元中，挖掘出对应的第二测试结果描述数据特征表示的步骤，可以包括：

分别对所述多个测试结果描述数据片段中的每一个测试结果描述数据片段进行加载，以加载至所述第二数据挖掘单元中，挖掘出每一个测试结果描述数据片段对应的局部第二测试结果描述数据特征表示（示例性地，可以将所述测试结果描述数据片段映射至相应的特征空间，以形成所述局部第二测试结果描述数据特征表示）；

对于每一个所述局部第二测试结果描述数据特征表示，分析出该局部第二测试结果描述数据特征表示与每一个其它局部第二测试结果描述数据特征表示之间的第一相关度（如特征表示之间的余弦相似度），再分析出该局部第二测试结果描述数据特征表示对应的测试结果描述数据片段和每一个其它局部第二测试结果描述数据特征表示对应的测试结果描述数据片段之间的第二相关度（如在所述目标聚己内酯测试结果描述数据中的距离的负相关系数），以及，依据该第一相关度和该第二相关度，对该局部第二测试结果描述数据特征表示和每一个其它局部第二测试结果描述数据特征表示进行融合处理，以形成对应的关联局部第二测试结果描述数据特征表示（示例性地，可以先对该第一相关度和该第二相关度进行加权均值的计算或均值计算，得到目标相关度，然后，依据该目标相关度对对应的其它局部第二测试结果描述数据特征表示进行加权，然后，将加权后的其它局部第二测试结果描述数据特征表示和该局部第二测试结果描述数据特征表示进行融合处理，如进行叠加）；

将多个所述局部第二测试结果描述数据特征表示对应的多个关联局部第二测试结果描述数据特征表示进行顺序连接，以形成所述目标聚己内酯测试结果描述数据对应的第二测试结果描述数据特征表示（示例性地，可以按照在所述目标聚己内酯测试结果描述数据中的位置进行顺序连接）。

示例性地，在一些实施方式中，所述数据对比分析单元包括级联的多个中间处理网络子单元（示例性地，所述中间处理网络子网络可以包括滤波单元，以实现数据的滤波，即抽选出其中的关键数据，每一个滤波单元可以包括滤波矩阵或卷积核，其中，所述滤波矩阵或卷积核的尺寸不受限制，具体参数可以通过对典型数据进行学习得到，即该具体参数作为网络优化的对象），基于此，上述描述中的步骤S130，可以包括：

对所述第一测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第一方向（如从前到后）依次进行中间输出特征表示的挖掘处理，以输出对应的多个第一中间输出特征表示；

对所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第二方向（如从后到前）依次进行中间输出特征表示的挖掘处理，以输出对应的多个第二中间输出特征表示，所述级联第二方向不同于所述级联第一方向，且方向相反。

其中，示例性地，在一些实施方式中，上述描述中的所述对所述第一测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第一方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个第一中间输出特征表示的步骤，可以包括：

对所述第一测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中；

基于所述数据对比分析单元包括的每一个中间处理网络子单元的级联第一方向，对所述第一测试结果描述数据特征表示加载至首位的中间处理网络子单元，利用所述首位的中间处理网络子单元的处理（示例性地，可以进行滤波处理），以输出对应的首位的第一中间输出特征表示；

对所述首位的第一中间输出特征表示加载至第二位的中间处理网络子单元，利用所述第二位的中间处理网络子单元的处理，以输出对应的第二位的第一中间输出特征表示；

将第一目标位的中间处理网络子单元以前的中间处理网络子单元输出的目标数量个第一中间输出特征表示进行融合处理（如进行均值处理），以形成对应的待处理融合特征表示，再对所述待处理融合特征表示加载至所述第一目标位的中间处理网络子单元，利用所述第一目标位的中间处理网络子单元的分析，以输出对应的第一目标位的第一中间输出特征表示，所述第一目标位是指在所述级联第一方向上，首端和第二位以外的每一位（在其它示例中，对于第二位的第一中间输出特征表示还可以加载至第三位的中间处理网络子单元进行如前述的首位、第二位的处理，以及，第三位的第一中间输出特征表示还可以加载至第四位的中间处理网络子单元进行如前述的首位、第二位的处理，如此，所述第一目标位是指在所述级联第一方向上，首端、第二位、第三位、第四位等以外的每一位）。

其中，示例性地，在一些实施方式中，上述描述中的所述对所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第二方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个第二中间输出特征表示的步骤，可以包括：

对所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中；

基于所述数据对比分析单元包括的每一个中间处理网络子单元的级联第二方向，对所述第二测试结果描述数据特征表示加载至末位的中间处理网络子单元，利用所述末位的中间处理网络子单元的处理，以输出对应的首位的第二中间输出特征表示，所述末位的中间处理网络子单元属于所述数据对比分析单元中基于所述级联第一方向连接的最后一位的中间处理网络子单元（如前所述）；

对所述首位的第二中间输出特征表示加载至倒数第二位的中间处理网络子单元，利用所述倒数第二位的中间处理网络子单元的处理，以输出对应的第二位的第二中间输出特征表示（如前所述）；

将第二目标位的中间处理网络子单元以后的中间处理网络子单输出的目标数量个第二中间输出特征表示进行融合处理，以形成对应的待处理融合特征表示，再对所述待处理融合特征表示加载至所述第二目标位的中间处理网络子单元，利用所述第二目标位的中间处理网络子单元的处理，以输出对应位的第二中间输出特征表示（如前所述）。

示例性地，在一些实施方式中，上述描述中的步骤S140，可以包括：

在所述多个第一中间输出特征表示和所述多个第二中间输出特征表示中，基于所述第一中间输出特征表示和所述第二中间输出特征表示的输出先后关系，对具有一样的输出先后关系的第一中间输出特征表示和第二中间输出特征表示进行融合，以形成对应的多个融合中间输出特征表示。

示例性地，在一些实施方式中，上述描述中的所述在所述多个第一中间输出特征表示和所述多个第二中间输出特征表示中，基于所述第一中间输出特征表示和所述第二中间输出特征表示的输出先后关系，对具有一样的输出先后关系的第一中间输出特征表示和第二中间输出特征表示进行融合，以形成对应的多个融合中间输出特征表示的步骤，可以包括：

在所述多个第一中间输出特征表示和所述多个第二中间输出特征表示中，基于所述第一中间输出特征表示和所述第二中间输出特征表示的输出先后关系，对具有一样的输出先后关系的第一中间输出特征表示和第二中间输出特征表示进行组队，以形成对应的特征表示对（示例性地，可以将输出的首位的第一中间输出特征表示和首位的第二中间输出特征表示进行组队，以形成对应的特征表示对）；

对于每一个所述特征表示对，依据第一中间输出特征表示在前、第二中间输出特征表示在后的组合规则（或其它规则），将该特征表示对中的第一中间输出特征表示和该特征表示对中的第二中间输出特征表示进行组合（如前所述的顺序连接），以形成对应的一个融合中间输出特征表示。

示例性地，在一些实施方式中，在执行所述提取出目标聚己内酯测试结果描述数据和经过网络优化处理的目标测试结果描述数据分析神经网络的步骤之前，所述聚己内酯测试数据分析方法还可以包括：

提取出典型聚己内酯测试结果描述数据簇和未经过网络优化处理的初始测试结果描述数据分析神经网络，所述典型聚己内酯测试结果描述数据簇包括多个典型聚己内酯测试结果描述数据，每一个所述典型聚己内酯测试结果描述数据具有有测试数据真实结果，所述初始测试结果描述数据分析神经网络包括第一数据挖掘单元、第二数据挖掘单元、数据对比分析单元和数据评估分析单元，所述测试数据真实结果用于反映所述典型聚己内酯测试结果描述数据对应的聚己内酯的实际性能；

在所述典型聚己内酯测试结果描述数据簇中，抽选出典型聚己内酯测试结果描述数据（可以是任意的、随机的进行抽选），再分别对所述典型聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元和所述第二数据挖掘单元中，挖掘出对应的典型第一测试结果描述数据特征表示和典型第二测试结果描述数据特征表示（如前所述）；对所述典型第一测试结果描述数据特征表示和所述典型第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出对应的多个典型第一中间输出特征表示和多个典型第二中间输出特征表示（如前所述）；对所述多个典型第一中间输出特征表示和所述多个典型第二中间输出特征表示进行融合处理，以形成对应的典型融合中间输出特征表示（如前所述）；对所述典型融合中间输出特征表示进行加载，以加载至所述数据评估分析单元中，利用所述数据评估分析单元进行测试结果的评估处理，以输出所述典型聚己内酯测试结果描述数据的典型测试数据评估结果（如前所述，即分别对应于前述的步骤S120-步骤S150）；

将所述典型测试数据评估结果和所述典型聚己内酯测试结果描述数据具有的测试数据真实结果进行对比分析，以输出对应的网络优化代价值（示例性地，可以基于所述典型测试数据评估结果和所述测试数据真实结果之间的区别，确定出对应的网络优化代价值，即损失）；

在所述网络优化代价值超过预先配置的网络优化代价参考值（所述网络优化代价参考值的具体数值不受限制，可以根据实际需求进行配置）的情况下，对所述第一数据挖掘单元、所述第二数据挖掘单元、所述数据对比分析单元和所述数据评估分析单元的单元变量进行优化，以及，再跳转到所述在所述典型聚己内酯测试结果描述数据簇中，抽选出典型聚己内酯测试结果描述数据的步骤，或者，在所述网络优化代价值未超过预先配置的网络优化代价参考值的情况下，将当前的初始测试结果描述数据分析神经网络进行标记处理，以形成对应的目标测试结果描述数据分析神经网络。

示例性地，在一些实施方式中，所述数据对比分析单元包括级联的多个中间处理网络子单元，基于此，上述描述中的所述对所述典型第一测试结果描述数据特征表示和所述典型第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出对应的多个典型第一中间输出特征表示和多个典型第二中间输出特征表示的步骤，可以包括：

对所述典型第一测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第一方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个典型第一中间输出特征表示（如前所述）；

对所述典型第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第二方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个典型第二中间输出特征表示（如前所述）。

其中，示例性地，在一些实施方式中，上述描述中的所述对所述典型第一测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第一方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个典型第一中间输出特征表示的步骤，可以包括：

基于所述数据对比分析单元包括的每一个中间处理网络子单元的级联第一方向，对所述典型第一测试结果描述数据特征表示加载至首位的中间处理网络子单元，利用所述首位的中间处理网络子单元的处理，以形成对应的首位的典型第一中间输出特征表示；对所述首位的典型第一中间输出特征表示加载至第二位的中间处理网络子单元，利用所述第二位的中间处理网络子单元的处理，以输出对应的第二位的典型第一中间输出特征表示；将第一目标位的中间处理网络子单元以前的中间处理网络单元输出的目标数量个典型第一中间输出特征表示进行融合处理，以形成对应的典型待处理融合特征表示，再对所述典型待处理融合特征表示加载至第一目标位的中间处理网络子单元，利用所述第一目标位的中间处理网络子单元的处理，以输出对应的第一目标位的典型第一中间输出特征表示（如前所述）。

其中，示例性地，在一些实施方式中，上述描述中的所述对所述典型第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第二方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个典型第二中间输出特征表示的步骤，可以包括：

基于所述数据对比分析单元包括的每一个中间处理网络子单元的级联第二方向，对所述典型第二测试结果描述数据特征表示加载至末位的中间处理网络子单元，利用所述末位的中间处理网络子单元的处理，以输出对应的首位的典型第二中间输出特征表示；对所述首位的典型第二中间输出特征表示加载至倒数第二位的中间处理网络子单元，利用所述倒数第二位的中间处理网络子单元的处理，以输出对应的第二位的典型第二中间输出特征表示；将第二目标位的中间处理网络子单元以后的中间处理网络子单元输出的目标数量个第二中间输出特征表示融合处理，以形成对应的典型待处理融合特征表示，再对所述典型待处理融合特征表示加载至所述第二目标位的中间处理网络子单元，利用所述第二目标位的中间处理网络子单元的处理，以输出对应位的典型第二中间输出特征表示（如前所述）。

结合图3，本发明实施例还提供一种聚己内酯测试数据分析装置，可应用于上述聚己内酯测试数据分析系统。其中，所述聚己内酯测试数据分析装置可以包括以下的软件功能模块：

数据提取模块，用于提取出目标聚己内酯测试结果描述数据和经过网络优化处理的目标测试结果描述数据分析神经网络，所述目标聚己内酯测试结果描述数据用于反映目标聚己内酯的测试过程数据和测试结果数据，所述目标测试结果描述数据分析神经网络包括第一数据挖掘单元、第二数据挖掘单元、数据对比分析单元和数据评估分析单元；

数据挖掘模块，用于分别对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元和第二数据挖掘单元中，挖掘出对应的第一测试结果描述数据特征表示和第二测试结果描述数据特征表示；

特征挖掘模块，用于对所述第一测试结果描述数据特征表示和所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出多个第一中间输出特征表示和多个第二中间输出特征表示；

特征融合模块，用于对所述多个第一中间输出特征表示和所述多个第二中间输出特征表示进行融合处理，以形成对应的融合中间输出特征表示；

性能评估模块，用于对所述融合中间输出特征表示进行加载，以加载至所述数据评估分析单元中，利用所述数据评估分析单元进行测试结果的评估处理，以输出所述目标聚己内酯测试结果描述数据对应的目标测试数据评估结果，所述目标测试数据评估结果用于反映目标聚己内酯的性能。

综上所述，本发明提供的一种聚己内酯测试数据分析方法及系统，可以分别对目标聚己内酯测试结果描述数据进行加载，以加载至第一数据挖掘单元和第二数据挖掘单元中，挖掘出对应的第一测试结果描述数据特征表示和第二测试结果描述数据特征表示；利用数据对比分析单元进行中间输出特征表示的挖掘处理，以输出多个第一中间输出特征表示和多个第二中间输出特征表示；对多个第一中间输出特征表示和多个第二中间输出特征表示进行融合处理，以形成对应的融合中间输出特征表示；利用数据评估分析单元进行测试结果的评估处理，以输出对应的目标测试数据评估结果。基于此，由于会通过两个数据挖掘单元分别进行不同的数据挖掘，使得数据挖掘的可靠度更高，而且，还会利用数据对比分析单元进行中间输出特征表示的挖掘处理，使得得到的特征表示更多，从而在对多个特征表示进行融合之后，能够使得得到的融合中间输出特征表示的信息更为丰富，以使得候选的评估处理的可靠度更高，即提高测试数据分析的可靠度。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种聚己内酯测试数据分析方法，其特征在于，包括：

提取出目标聚己内酯测试结果描述数据和经过网络优化处理的目标测试结果描述数据分析神经网络，所述目标聚己内酯测试结果描述数据用于反映目标聚己内酯的测试过程数据和测试结果数据，所述目标测试结果描述数据分析神经网络包括第一数据挖掘单元、第二数据挖掘单元、数据对比分析单元和数据评估分析单元；

分别对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元和所述第二数据挖掘单元中，挖掘出对应的第一测试结果描述数据特征表示和第二测试结果描述数据特征表示；

对所述第一测试结果描述数据特征表示和所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出多个第一中间输出特征表示和多个第二中间输出特征表示；

对所述多个第一中间输出特征表示和所述多个第二中间输出特征表示进行融合处理，以形成对应的融合中间输出特征表示；

对所述融合中间输出特征表示进行加载，以加载至所述数据评估分析单元中，利用所述数据评估分析单元进行测试结果的评估处理，以输出所述目标聚己内酯测试结果描述数据对应的目标测试数据评估结果，所述目标测试数据评估结果用于反映所述目标聚己内酯的性能。

2.如权利要求1所述的聚己内酯测试数据分析方法，其特征在于，所述数据对比分析单元包括级联的多个中间处理网络子单元；

所述对所述第一测试结果描述数据特征表示和所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出多个第一中间输出特征表示和多个第二中间输出特征表示的步骤，包括：

对所述第一测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第一方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个第一中间输出特征表示；

对所述第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第二方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个第二中间输出特征表示，所述级联第二方向不同于所述级联第一方向，且方向相反。

3.如权利要求1所述的聚己内酯测试数据分析方法，其特征在于，所述对所述多个第一中间输出特征表示和所述多个第二中间输出特征表示进行融合处理，以形成对应的融合中间输出特征表示的步骤，包括：

在所述多个第一中间输出特征表示和所述多个第二中间输出特征表示中，基于所述第一中间输出特征表示和所述第二中间输出特征表示的输出先后关系，对具有一样的输出先后关系的第一中间输出特征表示和第二中间输出特征表示进行融合，以形成对应的多个融合中间输出特征表示。

4.如权利要求3所述的聚己内酯测试数据分析方法，其特征在于，所述在所述多个第一中间输出特征表示和所述多个第二中间输出特征表示中，基于所述第一中间输出特征表示和所述第二中间输出特征表示的输出先后关系，对具有一样的输出先后关系的第一中间输出特征表示和第二中间输出特征表示进行融合，以形成对应的多个融合中间输出特征表示的步骤，包括：

在所述多个第一中间输出特征表示和所述多个第二中间输出特征表示中，基于所述第一中间输出特征表示和所述第二中间输出特征表示的输出先后关系，对具有一样的输出先后关系的第一中间输出特征表示和第二中间输出特征表示进行组队，以形成对应的特征表示对；

对于每一个所述特征表示对，依据第一中间输出特征表示在前、第二中间输出特征表示在后的组合规则，将该特征表示对中的第一中间输出特征表示和该特征表示对中的第二中间输出特征表示进行组合，以形成对应的一个融合中间输出特征表示。

5.如权利要求1所述的聚己内酯测试数据分析方法，其特征在于，所述分别对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元和所述第二数据挖掘单元中，挖掘出对应的第一测试结果描述数据特征表示和第二测试结果描述数据特征表示的步骤，包括：

对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元，挖掘出对应的第一测试结果描述数据特征表示；

对所述目标聚己内酯测试结果描述数据进行数据拆分处理，以形成所述目标聚己内酯测试结果描述数据对应的多个测试结果描述数据片段；

对所述多个测试结果描述数据片段进行加载，以加载至所述第二数据挖掘单元中，挖掘出对应的第二测试结果描述数据特征表示。

6.如权利要求5所述的聚己内酯测试数据分析方法，其特征在于，所述对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元，挖掘出对应的第一测试结果描述数据特征表示的步骤，包括：

对所述目标聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元，挖掘出对应的初始第一测试结果描述数据特征表示；

依据对应的特征表示维度，对所述初始第一测试结果描述数据特征表示进行拆分，以形成对应的多个局部第一测试结果描述数据特征表示，每两个所述局部第一测试结果描述数据特征表示的维度不同；

对于每一个所述局部第一测试结果描述数据特征表示，分析出该局部第一测试结果描述数据特征表示与每一个其它局部第一测试结果描述数据特征表示之间的相关度，再依据该相关度，对该局部第一测试结果描述数据特征表示和每一个其它局部第一测试结果描述数据特征表示进行融合处理，以形成对应的关联局部第一测试结果描述数据特征表示；

将所述多个局部第一测试结果描述数据特征表示对应的多个关联局部第一测试结果描述数据特征表示进行组合，以形成所述目标聚己内酯测试结果描述数据对应的第一测试结果描述数据特征表示。

7.如权利要求5所述的聚己内酯测试数据分析方法，其特征在于，所述对所述多个测试结果描述数据片段进行加载，以加载至所述第二数据挖掘单元中，挖掘出对应的第二测试结果描述数据特征表示的步骤，包括：

分别对所述多个测试结果描述数据片段中的每一个测试结果描述数据片段进行加载，以加载至所述第二数据挖掘单元中，挖掘出每一个测试结果描述数据片段对应的局部第二测试结果描述数据特征表示；

对于每一个所述局部第二测试结果描述数据特征表示，分析出该局部第二测试结果描述数据特征表示与每一个其它局部第二测试结果描述数据特征表示之间的第一相关度，再分析出该局部第二测试结果描述数据特征表示对应的测试结果描述数据片段和每一个其它局部第二测试结果描述数据特征表示对应的测试结果描述数据片段之间的第二相关度，以及，依据该第一相关度和该第二相关度，对该局部第二测试结果描述数据特征表示和每一个其它局部第二测试结果描述数据特征表示进行融合处理，以形成对应的关联局部第二测试结果描述数据特征表示；

将多个所述局部第二测试结果描述数据特征表示对应的多个关联局部第二测试结果描述数据特征表示进行顺序连接，以形成所述目标聚己内酯测试结果描述数据对应的第二测试结果描述数据特征表示。

8.如权利要求1-7任意一项所述的聚己内酯测试数据分析方法，其特征在于，在执行所述提取出目标聚己内酯测试结果描述数据和经过网络优化处理的目标测试结果描述数据分析神经网络的步骤之前，所述聚己内酯测试数据分析方法还包括：

提取出典型聚己内酯测试结果描述数据簇和未经过网络优化处理的初始测试结果描述数据分析神经网络，所述典型聚己内酯测试结果描述数据簇包括多个典型聚己内酯测试结果描述数据，每一个所述典型聚己内酯测试结果描述数据具有有测试数据真实结果，所述初始测试结果描述数据分析神经网络包括第一数据挖掘单元、第二数据挖掘单元、数据对比分析单元和数据评估分析单元，所述测试数据真实结果用于反映所述典型聚己内酯测试结果描述数据对应的聚己内酯的实际性能；

在所述典型聚己内酯测试结果描述数据簇中，抽选出典型聚己内酯测试结果描述数据，再分别对所述典型聚己内酯测试结果描述数据进行加载，以加载至所述第一数据挖掘单元和所述第二数据挖掘单元中，挖掘出对应的典型第一测试结果描述数据特征表示和典型第二测试结果描述数据特征表示；

对所述典型第一测试结果描述数据特征表示和所述典型第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出对应的多个典型第一中间输出特征表示和多个典型第二中间输出特征表示；

对所述多个典型第一中间输出特征表示和所述多个典型第二中间输出特征表示进行融合处理，以形成对应的典型融合中间输出特征表示；

对所述典型融合中间输出特征表示进行加载，以加载至所述数据评估分析单元中，利用所述数据评估分析单元进行测试结果的评估处理，以输出所述典型聚己内酯测试结果描述数据的典型测试数据评估结果；

将所述典型测试数据评估结果和所述典型聚己内酯测试结果描述数据具有的测试数据真实结果进行对比分析，以输出对应的网络优化代价值；

在所述网络优化代价值超过预先配置的网络优化代价参考值的情况下，对所述第一数据挖掘单元、所述第二数据挖掘单元、所述数据对比分析单元和所述数据评估分析单元的单元变量进行优化，以及，再跳转到所述在所述典型聚己内酯测试结果描述数据簇中，抽选出典型聚己内酯测试结果描述数据的步骤，或者，在所述网络优化代价值未超过预先配置的网络优化代价参考值的情况下，将当前的初始测试结果描述数据分析神经网络进行标记处理，以形成对应的目标测试结果描述数据分析神经网络。

9.如权利要求8所述的聚己内酯测试数据分析方法，其特征在于，所述数据对比分析单元包括级联的多个中间处理网络子单元；

所述对所述典型第一测试结果描述数据特征表示和所述典型第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元进行中间输出特征表示的挖掘处理，以输出对应的多个典型第一中间输出特征表示和多个典型第二中间输出特征表示的步骤，包括：

对所述典型第一测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第一方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个典型第一中间输出特征表示；

对所述典型第二测试结果描述数据特征表示进行加载，以加载至所述数据对比分析单元中，利用所述数据对比分析单元包括的每一个中间处理网络子单元按照级联第二方向依次进行中间输出特征表示的挖掘处理，以输出对应的多个典型第二中间输出特征表示。

10.一种聚己内酯测试数据分析系统，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1-9任意一项所述的聚己内酯测试数据分析方法。

Images