CN116600145A - 一种基于数据交换的生产管理方法 - Google Patents

Abstract

本发明涉及数据传输技术领域，具体涉及一种基于数据交换的生产管理方法，包括：获得所有组合块，根据组合块的所有行向量的特殊因子向量和公共因子向量，以及所有列向量的特殊因子向量和公共因子向量，得到组合块的第一公共占比和第二公共占比；根据所有组合块的公共特征占比对所有图像块进行聚类得到所有类别；对于任意一个类别中的所有合并块，根据合并块的稀疏矩阵得到合并块的一致性；根据所有合并块的一致性对所述类别中的所有图像块进行聚类得到所述类别的所有组；对每个组进行压缩，给每个组分配信道并进行传输。本发明通过将相似度的图像块划分为一组，达到减小每个组的数据量的目的，进而可以减小传输时间，提高传输效率。

Description

一种基于数据交换的生产管理方法

技术领域

本发明涉及数据传输领域，具体涉及一种基于数据交换的生产管理方法。

背景技术

数据报交换，是一种两个通信节点之间建立专用通路。数据报交换首先是分组交换，把要发送的数据先分组，对各个分组编号，加上源地址和目的地址以及约定的分组头信息，进行信息打包。因为每个分组都有完整的地址信息，如果不出意外的话都可以到达目的地，不过发送顺序和到达的顺序可能不一致。

现有方法中队数据进行分组是通过按照数据顺序进行的等间隔切片分组，每组数据压缩后的数据量仍较大，导致数据传输效率较低。

发明内容

为了解决上述问题，本发明提供一种基于数据交换的生产管理方法，所述方法包括：

对原始图像进行分块，得到所有图像块；

将所有图像块中的任意两个图像块的组合记为组合块，获得所有组合块；

对于任意一个组合块，根据组合块的所有行向量的特殊因子向量和公共因子向量，得到组合块的第一公共占比，包括：获取组成组合块的两个图像块的所有行向量，对所有行向量进行因子分析，获得所有行向量对应的一个公共因子向量，以及每个行向量对应的每个特殊因子向量；根据特殊因子向量和公共因子向量得到所述组合块的第一公共占比；

同理，对于任意一个组合块，根据组合块的所有列向量的特殊因子向量和公共因子向量，得到组合块的第二公共占比；

将组合块的第一公共占比和第二公共占比中较大的一个记为组合块的公共特征占比；根据所有组合块的公共特征占比对所有图像块进行聚类得到所有类别；

对于任意一个类别中的所有图像块，将任意两个图像块的组合记为合并块，获得所有合并块；对于任意一个合并块，获得组成所述合并块的两个图像块的稀疏矩阵；根据两个稀疏矩阵计算所述合并块的一致性；根据所有合并块的一致性对所述类别中的所有图像块进行聚类得到所述类别的所有组；获得所有类别的所有组；

对每个组进行压缩，给每个组分配信道并进行传输。

进一步地，所述根据特殊因子向量和公共因子向量得到所述组合块的第一公共占比的步骤包括：

计算所有特殊因子向量的均值记为均值特殊向量，根据均值特殊向量和公共因子向量得到组合块的第一公共占比，所述第一公共占比的计算公式为：

式中，表示公共因子向量的熵值，/>表示均值特殊向量的熵值，/>表示组合块的第一公共占比。

进一步地，所述根据所有组合块的公共特征占比对所有图像块进行聚类得到所有类别的步骤包括：

根据所有组合块的公共特征占比和第一阈值获得所有图像块的初始类别，根据每个图像块与每个初始类别的占比相似度，通过聚类得到所有类别。

进一步地，所述根据两个稀疏矩阵计算所述合并块的一致性的步骤包括：

合并块的一致性的计算公式为：

式中，表示稀疏矩阵的大小，/>表示组成合并块的第一个图像块的稀疏矩阵中第/>行/>列的元素的值，/>表示组成合并块的第二个图像块的稀疏矩阵中第/>行/>列的元素的值，/>表示/>和/>中的较小值，/>表示/>和/>中的较大值，/>表示合并块的一致性。

进一步地，所述根据所有合并块的一致性对所述类别中的所有图像块进行聚类得到所述类别的所有组的步骤包括：

根据所有合并块的一致性和第二阈值获得所述类别中的所有图像块的初始组，根据每个图像块与每个初始组的第二相似度，通过聚类得到所述类别的所有组。

进一步地，所述根据预设尺寸对原始图像进行分块，得到所有图像块的步骤包括：

对原始图像进行字符识别，获得每个字符对应的字符区域，将预设尺寸的字符区域组成的图像记为图像块，获得原始图像的所有图像块。

本发明实施例至少具有如下有益效果：

1、通过对原始数据的原始图像分块，根据图像块组合后的公共特征占比和一致性，对所有图像块进行两次划分，保证了划分后每个组的数据的规律性，在目的地对组的顺序的进行调整，得到原始数据的速度较快。

2、本发明根据图像块组合后的公共特征占比进行划分，使相似的图像块被划分在一起，同时根据图像块的一致性再次进行划分，将具有公共特征的图像块划分在一起，进而增大数据的压缩率，进而可以减小传输时间，提高传输效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。

图1为本发明一个实施例提供的一种基于数据交换的生产管理方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于数据交换的生产管理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于数据交换的生产管理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于数据交换的生产管理方法的步骤流程图，该方法包括以下步骤：

S001，对原始图像进行分块，得到所有图像块。

需要说明的是，由于本发明的目的是通过图像块的相似程度对图像块进行分类，进而达到初始图像压缩率较大，压缩后数据量较小，进而增加传输效率，因此首先需要获得原始图像。考虑到直接根据图像块相似性进行数据归类，同一类别图像块的分布往往没有规律性，且类别数量过多，导致后续通过不同类别的图像块难以组合得到原始图像，因此首先通过对原始图像进行规则分块，便于后续的图像块组合成原始数据。

在本实施例中，数据一般在电脑或磁盘等介质中保存，其中的数据是栅格数据，可以直接看成是图像。由于目的是根据相似性进行分组，因此为了保证字符完整性，首先对原始图像进行字符识别，获得每个字符对应的字符区域，将预设尺寸的字符区域组成的图像记为图像块，获得原始图像的所有图像块，其中，预设尺寸为。

S002，根据组合块的所有行向量的特殊因子向量和公共因子向量，以及所有列向量的特殊因子向量和公共因子向量，得到组合块的第一公共占比和第二公共占比；根据所有组合块的公共特征占比对所有图像块进行聚类得到所有类别。

需要说明的是，实现对原始图像的分块后，需要计算不同图像块之间的相似性，进而将相似图像块合并，所述相似的图像块的压缩率较大，即压缩后的数量较小，进而可以达到提高传输效率的目的。

1、根据组合块的所有行向量的特殊因子向量和公共因子向量，以及所有列向量的特殊因子向量和公共因子向量，得到组合块的第一公共占比和第二公共占比。

在本实施例中，将所有图像块中的任意两个图像块的组合记为组合块，获得所有组合块。

将图像块的每一行的所有像素点的像素值组成的向量，记为图像块的一个行向量，获得图像块的所有行向量。

对于任意一个组合块，获取组成该组合块的两个图像块的所有行向量，对所有行向量进行因子分析，获得所有行向量对应的一个公共因子向量，以及每个行向量对应的所有特殊因子向量；因子分析是一种对多个向量的公共特征的特殊特征进行分析的方法，所述公共特征是指这些向量数据的共有特征，所述特殊特征是指每个向量的数据的独有特征。所述某个向量的独有特征可以表示该向量与其它向量的不同。即独有特征相近的向量表示含义相近的概率大，在压缩时有较大概率重复度较大，进而可以得到更好的压缩率。

根据组合块的所有行向量的特殊因子向量和公共因子向量，得到组合块的第一公共占比，具体为：计算所有特殊因子向量对应的一个均值特殊向量，该均值特殊向量是指特殊因子向量中每个位置元素的均值组成的向量，将所述均值特殊向量作为所有行向量的特殊因子向量的综合表示，根据均值特殊向量和公共因子向量得到组合块的第一公共占比，第一公共占比的计算公式为：

式中，表示公共因子向量的熵值，/>表示均值特殊向量的熵值，/>表示组合块的第一公共占比。

同理，对于任意一个组合块，根据组合块的所有列向量的特殊因子向量和公共因子向量，得到组合块的第二公共占比。

2、根据所有组合块的公共特征占比对所有图像块进行聚类得到所有类别。

将组合块的第一公共占比和第二公共占比中较大的一个记为组合块的公共特征占比。

根据所有组合块的公共特征占比对所有图像块进行聚类得到所有类别，具体过程如下：

计算得到任意一个组合块的公共特征占比后，首先对公共特征占比进行降序排序，得到占比序列，所述序列中的元素依次记为：第一占比、第二占比、…。

根据所有组合块的公共特征占比和第一阈值获得所有图像块的初始类别，根据每个图像块与每个初始类别的占比相似度，通过聚类得到所有图像块的所有类别，具体过程如下：

首先计算第一占比对应的组合块的数量记为，判断/>与第一阈值的关系：如果大于第一阈值，将第一占比对应的组合块作为层次聚类中的初始类别，如果/>小于第一阈值，则计算第二占比对应的组合块数量/>，判断/>与第一阈值的关系，依次类推，直到第一占比到第/>占比对应的所有组合块的数量之和大于第一阈值，将第一占比到第/>占比对应的所有组合块作为层次聚类中初始类别；第一阈值根据人为经验给定，本发明中第一阈值为10。

对于除初始类别中的图像块外的其他所有图像块，按照公共特征占比从大到小的顺序进行排序，按照顺序依次计算每个图像块与所有初始类别的占比相似度，将最大占比相似度对应初始类别作为该图像块的类别。

每个图像块与每个初始类别的相似度的计算方法为：获得该图像块与初始类别中的所有图像块组成的所有组合块，获得组合块的第一公共占比和第二公共占比，将第一公共占比和第二公共占比中较小值与较大值的比值，记为该图像块与初始类别中的图像块的比值，计算该图像块与初始类别中的所有图像块的所有比值的均值，记为该图像块与初始类别的占比相似度。

根据除初始类别中的图像块外的其他所有图像块与所有初始类别的占比相似度，通过层次聚类的方法进行聚类，得到所有图像块的所有类别。

S003，根据合并块的稀疏矩阵计算合并块的一致性；根据所有合并块的一致性对类别中的所有图像块进行聚类得到该类别的所有组，获得所有类别的所有组。

需要说明的是，由于所述公共特征表示的是一种统计信息，对于压缩而言，往往是特征组合方式相近的，压缩率更大。例如：对于王和田两个字来说，公共特征占比较大，但特征组合方式相差较大，而对于王和土字来说，公共特征占比较大的同时特征的组合方式也相近。因此接下来需要计算不同合并块的特征组合方式，对同一类别中的不同图像块进行进一步的组划分。

1、根据合并块的稀疏矩阵计算合并块的一致性。

K-SVD是一种字典分析方法，通过对单个矩阵进行分解得到字典矩阵和稀疏矩阵，所述字典矩阵表示的是该矩阵中所含有的特征，所述稀疏矩阵表示的是不同特征的组合方式。

对于同一类别中的每个图像块通过K-SVD分解的方法计算得到每个图像块的字典矩阵和系数矩阵，由于这些图像块之前是由于公共特征较大，因此被划分到同一个类别的，因此首先满足的是字典矩阵的相似性较大，由于稀疏矩阵可以表示不同特征的组合方式，因此通过稀疏矩阵的相似性对同一个类别中的图像块进行组划分。

在本实施例中，对于任意一个类别，首先对该类别中的所有图像块通过K-SVD分解的方法得到每个图像块的稀疏矩阵。

将该类别中所有图像块中的任意两个图像块的组合记为合并块，获得该类别的所有合并块。

根据组成合并块的两个图像块的稀疏矩阵，计算合并块的一致性，合并块的一致性的计算公式为：

式中，表示稀疏矩阵的大小，/>表示组成合并块的第一个图像块的稀疏矩阵中第/>行/>列的元素的值，/>表示组成合并块的第二个图像块的稀疏矩阵中第/>行/>列的元素的值，/>表示/>和/>中的较小值，/>表示/>和/>中的较大值，/>表示合并块的一致性。

2、根据所有合并块的一致性对类别中的所有图像块进行聚类得到所有组；获得所有类别的所有组。

计算得到任意一个合并块的一致性后，首先对一致性进行降序排序，得到一致性序列，所述序列中的元素依次记为：第一一致性、第二一致性、…。

根据所有合并块的一致性和第二阈值获得所有图像块的初始组，根据每个图像块与每个初始组的占比相似度，通过聚类得到所有图像块的所有类别。

首先计算第一一致性对应的组合块的数量记为，判断/>与第二阈值的关系：如果大于第二阈值，将第一一致性对应的合并块作为层次聚类中的初始组，如果/>小于第二阈值，则计算第二一致性对应的合并块数量/>，判断/>与第二阈值的关系，依次类推，直到第一一致性到第/>一致性对应的所有合并块的数量之和大于第二阈值，将第一一致性到第/>一致性对应的所有合并块作为层次聚类中初始组；第二阈值根据人为经验给定，本发明中第二阈值为10。

对于类别中除初始组中的图像块外的其他所有图像块，按照一致性从大到小的顺序进行排序，按照顺序依次计算每个图像块与所有初始组的第二相似度，将最大第二相似度对应初始组作为该图像块的组。

每个图像块与每个初始组的第二相似度的计算方法为：获得该图像块与初始组中的所有图像块组成的所有合并块，获得合并块的一致性，计算所有合并块的一致性的均值，记为该图像块与初始组的第二相似度。

根据类别中除初始组中的图像块外的其他所有图像块与所有初始组的第二相似度，通过层次聚类的方法进行聚类，得到类别中所有图像块的所有组。

根据所有合并块的一致性和第二阈值获得所述类别中的所有图像块的初始组，根据每个图像块与每个初始组的第二相似度，通过聚类得到所述类别中的所有图像块的所有组，进而获得所有类别的所有组。

S004，对每个组进行压缩，给每个组分配信道并进行传输。

需要说明的是，考虑到为了保证每个组在相近时间到达目的地，需要根据每个组的数据的压缩率和当前每个信道的信息排队情况对每个组分配对应的信道。所述每个信道的信息排队情况可以作为先验信息得到，进而得到如果当前组在每个信道进行传输到达目的地所需的时间。

通过哈夫曼压缩对每个组进行压缩，获得每个组的数据压缩后的数据量，根据当前每个信道的平均传输速度，可以得到每个组在每个信道上的传输所需时间，结合每个组在每个信道上的传输时间和当前每个信道的当前数据传输完所需时间，得到每个组传输到目的地所需时间。选择所有组的传输时间中时间总和最小的传输方法，进而得到了每个组对应的信道，将对应组在对应信道中进行传输，实现分组交换。

由于在传输过程中大概率会出现组的数量大于信道数量的情况，对于该种情况首先获得每个组的数据压缩后的数据量，得到所有组的数据量序列，对该序列进行升序排列，得到对应的组序列，首先对所述的组序列按照第一数量进行分组，即将第1组到第/>组分为第一簇，将第/>组到第/>组分为第二簇，依次类推，得到所有簇。首先对第一簇按照所述方法确定每个组的对应信道，然后将第一簇的所有组分配后的信道情况作为新信道情况，通过所述方法确定第二簇的所有组的对应信道，依次类推，通过相同方法，直到确定了所有簇的所有组的对应信道，然后按照对应信道，进行数据的传输，实现分组交换。

S005，对传输中的组进行传输优先级的调整。

由于实际的每个组的到达时间和预计时间存在偏差，因此在大部分的组到达目的地后，可以提高还在传输中的组的排队优先级，使得数据完整。当某个数据的70%的组传输到达目的地后，对于还在信道中等待的组，调整顺序，如果是第一顺序，不用调整，如果靠后，需要调整到第一顺序的组进行传输。

综上所述，本发明获得所有组合块，根据组合块的所有行向量的特殊因子向量和公共因子向量，以及所有列向量的特殊因子向量和公共因子向量，得到组合块的第一公共占比和第二公共占比；根据所有组合块的公共特征占比对所有图像块进行聚类得到所有类别；对于任意一个类别中的所有合并块，根据合并块的稀疏矩阵得到合并块的一致性；根据所有合并块的一致性对所述类别中的所有图像块进行聚类得到所有组；对每个组进行压缩，给每个组分配信道并进行传输。本发明通过将相似度的图像块划分为一组，达到减小每个组的数据量的目的，进而可以减小传输时间，提高传输效率。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (5)

1.一种基于数据交换的生产管理方法，其特征在于，所述方法包括：

对原始图像进行分块，得到所有图像块；

将所有图像块中的任意两个图像块的组合记为组合块，获得所有组合块；

对于任意一个组合块，根据组合块的所有行向量的特殊因子向量和公共因子向量，得到组合块的第一公共占比，包括：获取组成组合块的两个图像块的所有行向量，对所有行向量进行因子分析，获得所有行向量对应的一个公共因子向量，以及每个行向量对应的每个特殊因子向量；根据特殊因子向量和公共因子向量得到所述组合块的第一公共占比；

同理，对于任意一个组合块，根据组合块的所有列向量的特殊因子向量和公共因子向量，得到组合块的第二公共占比；

将组合块的第一公共占比和第二公共占比中较大的一个记为组合块的公共特征占比；根据所有组合块的公共特征占比对所有图像块进行聚类得到所有类别；

对于任意一个类别中的所有图像块，将任意两个图像块的组合记为合并块，获得所有合并块；对于任意一个合并块，获得组成所述合并块的两个图像块的稀疏矩阵；根据两个稀疏矩阵计算所述合并块的一致性；根据所有合并块的一致性对所述类别中的所有图像块进行聚类得到所述类别的所有组；获得所有类别的所有组；

对每个组进行压缩，给每个组分配信道并进行传输；所述根据特殊因子向量和公共因子向量得到所述组合块的第一公共占比的步骤包括：

计算所有特殊因子向量的均值记为均值特殊向量，根据均值特殊向量和公共因子向量得到组合块的第一公共占比，所述第一公共占比的计算公式为：

式中，表示公共因子向量的熵值，/>表示均值特殊向量的熵值，/>表示组合块的第一公共占比。

2.根据权利要求1所述的一种基于数据交换的生产管理方法，其特征在于，所述根据所有组合块的公共特征占比对所有图像块进行聚类得到所有类别的步骤包括：

根据所有组合块的公共特征占比和第一阈值获得所有图像块的初始类别，根据每个图像块与每个初始类别的占比相似度，通过聚类得到所有图像块的所有类别。

3.根据权利要求1所述的一种基于数据交换的生产管理方法，其特征在于，所述根据两个稀疏矩阵计算所述合并块的一致性的步骤包括：

合并块的一致性的计算公式为：

式中，表示稀疏矩阵的大小，/>表示组成合并块的第一个图像块的稀疏矩阵中第行/>列的元素的值，/>表示组成合并块的第二个图像块的稀疏矩阵中第/>行/>列的元素的值，/>表示/>和/>中的较小值，/>表示/>和/>中的较大值，/>表示合并块的一致性。

4.根据权利要求1所述的一种基于数据交换的生产管理方法，其特征在于，所述根据所有合并块的一致性对所述类别中的所有图像块进行聚类得到所述类别的所有组的步骤包括：

根据所有合并块的一致性和第二阈值获得所述类别中的所有图像块的初始组，根据每个图像块与每个初始组的第二相似度，通过聚类得到所述类别的所有组。

5.根据权利要求1所述的一种基于数据交换的生产管理方法，其特征在于，所述对原始图像进行分块，得到所有图像块的步骤包括：

对原始图像进行字符识别，获得每个字符对应的字符区域，将预设尺寸的字符区域组成的图像记为图像块，获得原始图像的所有图像块。