CN117311644A - 一种智慧物流数据的存储管控方法及系统 - Google Patents
一种智慧物流数据的存储管控方法及系统 Download PDFInfo
- Publication number
- CN117311644A CN117311644A CN202311415637.2A CN202311415637A CN117311644A CN 117311644 A CN117311644 A CN 117311644A CN 202311415637 A CN202311415637 A CN 202311415637A CN 117311644 A CN117311644 A CN 117311644A
- Authority
- CN
- China
- Prior art keywords
- data
- logistics
- logistics data
- stored
- identification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013500 data storage Methods 0.000 claims abstract description 95
- 238000005065 mining Methods 0.000 claims abstract description 55
- 238000007726 management method Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 35
- 230000005284 excitation Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000011176 pooling Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 5
- 238000012098 association analyses Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0614—Improving the reliability of storage systems
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0604—Improving or facilitating administration, e.g. storage management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0638—Organizing or formatting or addressing of data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种智慧物流数据的存储管控方法及系统,涉及数据处理技术领域。在本发明中,基于预测标识数据,对多条存储物流数据进行分类,形成至少一个物流数据集合;对于每一个物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个数据存储设备对应的第二数据特征表示;基于第一数据特征表示和第二数据特征表示之间的关系,将至少一个物流数据集合和多个数据存储设备进行关联处理;分别将每一个物流数据集合存储至关联的数据存储设备。基于上述方法,可以提高物流数据存储管控的可靠度。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种智慧物流数据的存储管控方法及系统。
背景技术
物流数据的采集,一般包括较多的环节,如先基于前端的设备进行物流数据的上报,然后,可以对物流数据进行分析,使得可以基于分析结果确定是否最终需要该物流数据,如进行保存或丢弃或应用等。其中,在确定出属于最终需要的物流数据的情况下,由于物流数据的数量较多,一般会通过多个存储设备分别进行存储,但是,在现有技术中,通过多个存储设备分别进行存储的过程中,存在着可靠度不高的问题。
发明内容
有鉴于此,本发明的目的在于提供一种智慧物流数据的存储管控方法及系统,以提高物流数据存储管控的可靠度。
为实现上述目的,本发明实施例采用如下技术方案:
一种智慧物流数据的存储管控方法,包括:
对于每一条待处理物流数据,在将该待处理物流数据确定为采集到的数据的情况下,将该待处理物流数据标记为存储物流数据;
对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于所述存储物流数据对应的预测标识数据,对标记出的多条存储物流数据进行分类,以形成至少一个物流数据集合,每一个所述物流数据集合包括至少一条存储物流数据;
对于每一个所述物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个所述数据存储设备对应的第二数据特征表示;
基于所述第一数据特征表示和所述第二数据特征表示之间的关系,将所述至少一个物流数据集合和多个所述数据存储设备进行关联处理,使得每一个所述物流数据集合关联有一个数据存储设备;
分别将每一个所述物流数据集合存储至关联的数据存储设备。
在一些优选的实施例中,在上述智慧物流数据的存储管控方法中,所述对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于所述存储物流数据对应的预测标识数据,对标记出的多条存储物流数据进行分类,以形成至少一个物流数据集合的步骤,包括:
对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于对应的预测标识数据是否一致,对标记出的多条存储物流数据进行分类,以形成至少一个初始物流数据集合,每一个所述初始物流数据集合包括至少一条存储物流数据,属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据一致,不属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据不一致;
基于所述至少一个初始物流数据集合形成至少一个物流数据集合。
在一些优选的实施例中,在上述智慧物流数据的存储管控方法中,所述基于所述至少一个初始物流数据集合形成至少一个物流数据集合的步骤,包括:
分别统计每一个所述初始物流数据集合包括的存储物流数据的数量;
对于每一个初始物流数据集合,在该初始物流数据集合包括的存储物流数据的数量大于或等于预先配置的参考数量的情况下,将该初始物流数据集合标记为对应的物流数据集合,在该初始物流数据集合包括的存储物流数据的数量小于所述参考数量的情况下,将该初始物流数据集合合并至其它初始物流数据集合中,该其它初始物流数据集合为与该初始物流数据集合对应的预测标识数据之间的差异最小的其它的初始物流数据集合。
在一些优选的实施例中,在上述智慧物流数据的存储管控方法中,所述对于每一个所述物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个所述数据存储设备对应的第二数据特征表示的步骤,包括:
对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示;
对于每一个数据存储设备,对该数据存储设备存储的各历史存储物流数据进行拼接,以形成拼接历史存储物流数据,并对该拼接历史存储物流数据进行特征挖掘操作,以输出该数据存储设备对应的第二数据特征表示。
在一些优选的实施例中,在上述智慧物流数据的存储管控方法中,所述对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示的步骤,包括:
对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的初始数据特征表示;
将与目标物流数据集合对应的预测标识数据之间的差异最小的其它物流数据集合对应的初始数据特征表示,作为所述目标物流数据集合对应的相关数据特征表示,所述目标物流数据集合为任意一个物流数据集合;
对所述初始数据特征表示进行第一池化处理,以输出对应的第一池化特征表示,并对所述初始数据特征表示进行第二池化处理,以输出对应的第二池化特征表示,所述第二池化特征表示与所述第一池化特征表示不同;
基于所述第一池化特征表示的维度数量和预先配置的目标激励函数,并依据所述相关数据特征表示,对所述第一池化特征表示进行相关聚焦特征分析,以输出对应的第一聚焦数据特征表示;
基于所述第二池化特征表示的维度数量和所述目标激励函数,并依据所述相关数据特征表示,对所述第二池化特征表示进行相关聚焦特征分析,以输出对应的第二聚焦数据特征表示;
将所述第一聚焦数据特征表示和所述第二聚焦数据特征表示进行特征表示的聚合处理,以输出所述目标物流数据集合对应的第一数据特征表示。
在一些优选的实施例中,在上述智慧物流数据的存储管控方法中,所述基于所述第一数据特征表示和所述第二数据特征表示之间的关系,将所述至少一个物流数据集合和多个所述数据存储设备进行关联处理,使得每一个所述物流数据集合关联有一个数据存储设备的步骤,包括:
分别计算每一个所述物流数据集合对应的第一数据特征表示和每一个所述数据存储设备对应的第二数据特征表示之间的特征表示匹配度;
对于每一个所述物流数据集合,在该物流数据集合对应的第一数据特征表示和每一个所述数据存储设备对应的第二数据特征表示之间的特征表示匹配度中,确定出具有最大值的目标特征表示匹配度,以及,将该目标特征表示匹配度对应的数据存储设备进行标记处理,以标记为该物流数据集合关联的一个数据存储设备。
在一些优选的实施例中,在上述智慧物流数据的存储管控方法中,所述对于每一条待处理物流数据,在将该待处理物流数据确定为采集到的数据的情况下,将该待处理物流数据标记为存储物流数据的步骤,包括:
确定出第一标识数据簇和第二标识数据簇,所述第一标识数据簇包括多个第一标识数据,所述第一标识数据用于反映参考物流数据种类,所述第二标识数据簇包括第二标识数据和全部的所述第一标识数据,所述第二标识数据用于反映所述参考物流数据种类之外的其它物流数据种类;
提取到所述第一标识数据簇对应的多个第一物流数据,并提取到所述第二标识数据簇对应的多个第二物流数据;
搭建出候选物流数据识别网络,并对随机确定的一个所述第二物流数据和每一个所述第一标识数据对应的所述第一物流数据进行组合,形成示例性数据簇,并对所述示例性数据簇进行加载处理,以加载到所述候选物流数据识别网络中,分析出所述第二物流数据对应的数据种类可能性分布;
基于所述数据种类可能性分布和所述第二标识数据簇,分析出对应的预测误差参数,并基于所述数据种类可能性分布,分析出对应的对比误差参数,所述对比误差参数用于反映所述第二物流数据与每一个所述第一标识数据之间的差异分散状态;
基于所述预测误差参数和所述对比误差参数,分析出总的误差参数,并基于所述总的误差参数,对所述候选物流数据识别网络进行更新处理,以形成对应的更新物流数据识别网络;
对待处理物流数据进行加载处理,以加载到所述更新物流数据识别网络中,分析出所述待处理物流数据的预测标识数据,并在所述预测标识数据满足预先配置的标识数据条件的情况下,将所述待处理物流数据确定为采集到的数据,所述预测标识数据用于反映所述待处理物流数据的种类。
本发明实施例还提供一种智慧物流数据的存储管控系统,包括:
物流数据标记模块,用于对于每一条待处理物流数据,在将该待处理物流数据确定为采集到的数据的情况下,将该待处理物流数据标记为存储物流数据;
物流数据分类模块,用于对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于所述存储物流数据对应的预测标识数据,对标记出的多条存储物流数据进行分类,以形成至少一个物流数据集合,每一个所述物流数据集合包括至少一条存储物流数据;
特征挖掘模块,用于对于每一个所述物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个所述数据存储设备对应的第二数据特征表示;
设备关联模块,用于基于所述第一数据特征表示和所述第二数据特征表示之间的关系,将所述至少一个物流数据集合和多个所述数据存储设备进行关联处理,使得每一个所述物流数据集合关联有一个数据存储设备;
数据关联存储模块,用于分别将每一个所述物流数据集合存储至关联的数据存储设备。
在一些优选的实施例中,在上述智慧物流数据的存储管控系统中,所述物流数据分类模块具体用于:
对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于对应的预测标识数据是否一致,对标记出的多条存储物流数据进行分类,以形成至少一个初始物流数据集合,每一个所述初始物流数据集合包括至少一条存储物流数据,属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据一致,不属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据不一致;
基于所述至少一个初始物流数据集合形成至少一个物流数据集合。
在一些优选的实施例中,在上述智慧物流数据的存储管控系统中,所述特征挖掘模块具体用于:
对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示;
对于每一个数据存储设备,对该数据存储设备存储的各历史存储物流数据进行拼接,以形成拼接历史存储物流数据,并对该拼接历史存储物流数据进行特征挖掘操作,以输出该数据存储设备对应的第二数据特征表示。
本发明实施例提供的一种智慧物流数据的存储管控方法及系统,可以基于预测标识数据,对多条存储物流数据进行分类,形成至少一个物流数据集合;对于每一个物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个数据存储设备对应的第二数据特征表示;基于第一数据特征表示和第二数据特征表示之间的关系,将至少一个物流数据集合和多个数据存储设备进行关联处理;分别将每一个物流数据集合存储至关联的数据存储设备。基于此,通过进行物流数据的分类和特征表示的关联分析,使得对于物流数据的关联存储的可靠度更高,即提高物流数据存储管控的可靠度。
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智慧物流数据的存储管控平台的结构框图。
图2为本发明实施例提供的智慧物流数据的存储管控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智慧物流数据的存储管控系统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智慧物流数据的存储管控平台。其中,所述智慧物流数据的存储管控平台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)提供的智慧物流数据的存储管控方法。
可以选择的是,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。
可以选择的是,在一些实施方式中,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。
可以选择的是,在一些实施方式中,所述智慧物流数据的存储管控平台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智慧物流数据的存储管控方法,可应用于上述智慧物流数据的存储管控平台。其中,所述智慧物流数据的存储管控方法有关的流程所定义的方法步骤,可以由所述智慧物流数据的存储管控平台实现。下面将对图2所示的具体流程,进行详细阐述。
步骤S100,对于每一条待处理物流数据,在将该待处理物流数据确定为采集到的数据的情况下,将该待处理物流数据标记为存储物流数据。
在本发明实施例中,所述智慧物流数据的存储管控平台可以对于每一条待处理物流数据,在将该待处理物流数据确定为采集到的数据的情况下,将该待处理物流数据标记为存储物流数据。
步骤S200,对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于所述存储物流数据对应的预测标识数据,对标记出的多条存储物流数据进行分类,以形成至少一个物流数据集合。
在本发明实施例中,所述智慧物流数据的存储管控平台可以对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于所述存储物流数据对应的预测标识数据,对标记出的多条存储物流数据进行分类,以形成至少一个物流数据集合。每一个所述物流数据集合包括至少一条存储物流数据。
步骤S300,对于每一个所述物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个所述数据存储设备对应的第二数据特征表示。
在本发明实施例中,所述智慧物流数据的存储管控平台可以对于每一个所述物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个所述数据存储设备对应的第二数据特征表示。
步骤S400,基于所述第一数据特征表示和所述第二数据特征表示之间的关系,将所述至少一个物流数据集合和多个所述数据存储设备进行关联处理,使得每一个所述物流数据集合关联有一个数据存储设备。
在本发明实施例中,所述智慧物流数据的存储管控平台可以基于所述第一数据特征表示和所述第二数据特征表示之间的关系,将所述至少一个物流数据集合和多个所述数据存储设备进行关联处理,使得每一个所述物流数据集合关联有一个数据存储设备。
步骤S500,分别将每一个所述物流数据集合存储至关联的数据存储设备。
在本发明实施例中,所述智慧物流数据的存储管控平台可以分别将每一个所述物流数据集合存储至关联的数据存储设备。
基于此,通过进行物流数据的分类和特征表示的关联分析,使得对于物流数据的关联存储的可靠度更高,即提高物流数据存储管控的可靠度。
可以选择的是,在一些实施方式中,上述的步骤S100,即所述对于每一条待处理物流数据,在将该待处理物流数据确定为采集到的数据的情况下,将该待处理物流数据标记为存储物流数据的步骤,可以进一步包括以下的各子步骤,如步骤S110-步骤S160。
步骤S110,确定出第一标识数据簇和第二标识数据簇。
在本发明实施例中,所述智慧物流数据的存储管控平台可以确定出第一标识数据簇和第二标识数据簇。所述第一标识数据簇包括多个第一标识数据,所述第一标识数据用于反映参考物流数据种类(所述参考物流数据种类可以是指历史上确定的,另外,物流数据种类的具体定义不受限制,可以根据实际应用需求进行配置,如高价值物流数据、次高价值物流数据、一般价值物流数据、低价值物流数据,或者,也可以基于适用的应用场景进行类型定义等),所述第二标识数据簇包括第二标识数据和全部的所述第一标识数据,所述第二标识数据用于反映所述参考物流数据种类之外的其它物流数据种类(所述其它物流数据种类可以是指待确定的)。
步骤S120,提取到所述第一标识数据簇对应的多个第一物流数据,并提取到所述第二标识数据簇对应的多个第二物流数据。
在本发明实施例中,所述智慧物流数据的存储管控平台可以提取到所述第一标识数据簇对应的多个第一物流数据,并提取到所述第二标识数据簇对应的多个第二物流数据。每一个第一标识数据对应有至少一个第一物流数据,所述第二标识数据簇中的每一个标识数据对应有至少一个第二物流数据,另外,同一个第一标识数据,在第一标识数据簇中对应的第一物流数据与在第二标识数据簇中对应的第二物流数据可以不同。
步骤S130,搭建出候选物流数据识别网络,并对随机确定的一个所述第二物流数据和每一个所述第一标识数据对应的所述第一物流数据进行组合,形成示例性数据簇,并对所述示例性数据簇进行加载处理,以加载到所述候选物流数据识别网络中,分析出所述第二物流数据对应的数据种类可能性分布。
在本发明实施例中,所述智慧物流数据的存储管控平台可以搭建出候选物流数据识别网络,并对随机确定的一个所述第二物流数据和每一个所述第一标识数据对应的所述第一物流数据进行组合,形成示例性数据簇,并对所述示例性数据簇进行加载处理,以加载到所述候选物流数据识别网络中,分析出所述第二物流数据对应的数据种类可能性分布。
步骤S140,基于所述数据种类可能性分布和所述第二标识数据簇,分析出对应的预测误差参数,并基于所述数据种类可能性分布,分析出对应的对比误差参数。
在本发明实施例中,所述智慧物流数据的存储管控平台可以基于所述数据种类可能性分布和所述第二标识数据簇,分析出对应的预测误差参数,并基于所述数据种类可能性分布,分析出对应的对比误差参数。所述对比误差参数用于反映所述第二物流数据与每一个所述第一标识数据之间的差异分散状态,也可以称为差异的均衡度。
步骤S150,基于所述预测误差参数和所述对比误差参数,分析出总的误差参数,并基于所述总的误差参数,对所述候选物流数据识别网络进行更新处理,以形成对应的更新物流数据识别网络。
在本发明实施例中,所述智慧物流数据的存储管控平台可以基于所述预测误差参数和所述对比误差参数,分析出总的误差参数,如对所述预测误差参数和所述对比误差参数加权求和,并基于所述总的误差参数,对所述候选物流数据识别网络进行更新处理,以形成对应的更新物流数据识别网络。
步骤S160,对待处理物流数据进行加载处理,以加载到所述更新物流数据识别网络中,分析出所述待处理物流数据的预测标识数据,并在所述预测标识数据满足预先配置的标识数据条件的情况下,将所述待处理物流数据确定为采集到的数据。
在本发明实施例中,所述智慧物流数据的存储管控平台可以对待处理物流数据进行加载处理,以加载到所述更新物流数据识别网络中,分析出所述待处理物流数据的预测标识数据,并在所述预测标识数据满足预先配置的标识数据条件的情况下,如所述预测标识数据属于特定的一个或多个第一标识数据,将所述待处理物流数据确定为采集到的数据。所述预测标识数据用于反映所述待处理物流数据的种类。
基于此,由于在对网络进行更新处理的过程中,参考了对比误差参数,使得在第二物流数据不属于任意一种第一标识数据时,可以保障第二物流数据与不同的第一标识数据之间的差异均衡,从而提高网络更新的可靠度,使得更新得到的网络的精度更高,进而可以提高数据采集的可靠度。
可以选择的是,在一些实施方式中,上述的步骤S130,即所述搭建出候选物流数据识别网络的步骤,可以进一步包括以下的各子步骤:
确定出第一示例性物流数据和第二示例性物流数据,所述第一示例性物流数据和所述第二示例性物流数据之间的数据相关系数超过预先配置的参考数据相关系数,所述参考数据相关系数的具体数值不受限制,可以根据实际需求进行配置,如0.8、0.85、0.9等;
对所述第一示例性物流数据和所述第二示例性物流数据进行加载处理,以加载到搭建出的初级物流数据识别网络中,将所述第一示例性物流数据和所述第二示例性物流数据进行特征挖掘操作,以输出所述第一示例性物流数据对应的第一示例性特征表示和所述第二示例性物流数据对应的第二示例性特征表示;
分析出所述第一示例性特征表示和所述第二示例性特征表示之间的特征表示距离,并基于所述特征表示距离,分析出初级误差参数,所述特征表示距离可以是指特征表示之间的余弦距离;
基于所述初级误差参数,对所述初级物流数据识别网络进行更新处理,以形成对应的候选物流数据识别网络。
可以选择的是,在一些实施方式中,所述数据种类可能性分布包括所述第二物流数据属于每一种所述参考物流数据种类的种类可能性参数,基于此,上述的步骤S150,即所述基于所述数据种类可能性分布,分析出对应的对比误差参数的步骤,可以进一步包括以下的各子步骤:
对每一个所述种类可能性参数进行取对数操作,以输出每一个所述种类可能性参数对应的对数计算结果;
分别对每一个所述种类可能性参数和该种类可能性参数对应的所述对数计算结果进行相乘运算,以输出对应的相乘运算结果;
基于每一个所述种类可能性参数对应的相乘运算结果的累积结果,如求和计算的结果,分析出对应的对比误差参数。
可以选择的是,在一些实施方式中,上述的步骤S160,即所述对待处理物流数据进行加载处理,以加载到所述更新物流数据识别网络中,分析出所述待处理物流数据的预测标识数据的步骤,可以进一步包括以下的各子步骤:
对所述待处理物流数据进行加载处理,以加载到所述更新物流数据识别网络中,将所述待处理物流数据进行特征挖掘操作,以输出对应的待处理特征表示,如进行特征空间的映射和卷积运算或滤波处理等;
确定出每一个所述第一标识数据对应的标识数据特征表示;
分析出所述待处理特征表示和每一个所述标识数据特征表示之间的待处理特征表示距离,如余弦相似度等,以及,基于所述待处理特征表示距离,确定出所述待处理物流数据对应的待处理种类可能性分布,所述待处理种类可能性分布包括所述待处理物流数据属于每一种所述参考物流数据种类的待处理可能性参数,示例性地,在确定出待处理特征表示与每一个标识数据特征表示之间的待处理特征表示距离后,可以对每一个待处理特征表示距离进行归一化,输出对应的待处理种类可能性分布;
对所述待处理可能性参数和预先配置的参考可能性参数进行大小对比分析,以确定出所述待处理物流数据对应的预测标识数据。
可以选择的是,在一些实施方式中,所述对所述待处理可能性参数和预先配置的参考可能性参数进行大小对比分析,以确定出所述待处理物流数据对应的预测标识数据的步骤,可以进一步包括以下的各子步骤:
在每一个所述待处理可能性参数都未超过预先配置的参考可能性参数的情况下,将所述待处理物流数据对应的预测标识数据配置为所述第二标识数据;或者,在一个以上的所述待处理可能性参数超过所述参考可能性参数的情况下,将所述待处理物流数据对应的预测标识数据配置为具有最大值的所述待处理可能性参数对应的所述参考物流数据种类对应的所述第一标识数据,所述参考可能性参数的具体数值不受限制,可以根据实际需求进行配置,如0.6、0.7、0.8等数值。
可以选择的是,在一些实施方式中,每一个所述第一标识数据对应有多个第一物流数据,基于此,所述确定出每一个所述第一标识数据对应的标识数据特征表示的步骤,可以进一步包括以下的各子步骤:
对所述多个第一物流数据进行加载处理,以加载到所述更新物流数据识别网络中,分别对每一个所述第一物流数据进行特征挖掘操作,以输出每一个所述第一物流数据对应的初始标识数据特征表示;
对于每一个所述第一标识数据,将该第一标识数据对应的多个第一物流数据对应的多个初始标识数据特征表示进行融合,以输出该第一标识数据对应的标识数据特征表示。
可以选择的是,在一些实施方式中,所述对于每一个所述第一标识数据,将该第一标识数据对应的多个第一物流数据对应的多个初始标识数据特征表示进行融合,以输出该第一标识数据对应的标识数据特征表示的步骤,可以进一步包括以下的各子步骤:
对于每一个所述第一标识数据,将该第一标识数据对应的多个第一物流数据对应的多个初始标识数据特征表示进行级联组合,以输出该第一标识数据对应的标识数据特征表示(如初始标识数据特征表示1-初始标识数据特征表示2);或,对于每一个所述第一标识数据,将该第一标识数据对应的多个第一物流数据对应的多个初始标识数据特征表示进行叠加处理,以输出该第一标识数据对应的标识数据特征表示。
可以选择的是,在一些实施方式中,所述智慧物流数据的存储管控方法还包括可以进一步包括以下的各子步骤:
在所述预测标识数据属于所述第一标识数据的情况下,基于所述待处理种类可能性分布,分析出所述待处理物流数据对应的预测可靠参数,示例性地,可以将待处理种类可能性分布中每两个待处理可能性参数之间的差值的平均值作为待处理物流数据的预测可靠参数,或者,可以将待处理种类可能性分布中最大的待处理可能性参数作为待处理物流数据的预测可靠参数。例如,在待处理种类可能性分布为(0.9,0.65,0.7)时,每两个待处理可能性参数的差值为0.35、0.2和0.05,因此,预测可靠参数可以是(0.35+0.2+0.05)/3=0.2,或者,预测可靠参数可以为0.9;
在所述预测可靠参数超过预先配置的参考预测可靠参数的情况下,对所述待处理物流数据进行标记处理,以标记为所述第一标识数据对应的新的第一物流数据,所述参考预测可靠参数的具体数值不受限制,可以根据所述预测可靠参数的确定方式进行相应的配置;
基于当前的第一标识数据簇、当前的第二标识数据簇、当前的多个第一物流数据和当前的多个第二物流数据,对所述更新物流数据识别网络再次进行更新处理,形成新的更新物流数据识别网络。示例性地,基于当前的第一标识数据簇、当前的第二标识数据簇、当前的多个第一物流数据和当前的多个第二物流数据,对随机确定的一个第二物流数据和每一个第一标识数据对应的第一物流数据进行组合,形成新的示例性数据簇,并对新的示例性数据簇进行加载处理,以加载到更新物流数据识别网络中,分析出第二物流数据对应的数据种类可能性分布;基于数据种类可能性分布和当前的第二标识数据簇,分析出对应的预测误差参数,并基于数据种类可能性分布,分析出对应的对比误差参数,对比误差参数用于反映第二物流数据与每一个第一标识数据之间的差异分散状态;基于预测误差参数和对比误差参数,分析出总的误差参数,并基于总的误差参数,对更新物流数据识别网络进行更新处理,以形成对应的新的更新物流数据识别网络。
可以选择的是,在一些实施方式中,上述的步骤S200,即所述对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于所述存储物流数据对应的预测标识数据,对标记出的多条存储物流数据进行分类,以形成至少一个物流数据集合的步骤,可以进一步包括以下的各子步骤:
对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于对应的预测标识数据是否一致,对标记出的多条存储物流数据进行分类,以形成至少一个初始物流数据集合,每一个所述初始物流数据集合包括至少一条存储物流数据,属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据一致,不属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据不一致;
基于所述至少一个初始物流数据集合形成至少一个物流数据集合。
可以选择的是,在一些实施方式中,所述基于所述至少一个初始物流数据集合形成至少一个物流数据集合的步骤,可以进一步包括以下的各子步骤:
分别统计每一个所述初始物流数据集合包括的存储物流数据的数量;
对于每一个初始物流数据集合,在该初始物流数据集合包括的存储物流数据的数量大于或等于预先配置的参考数量的情况下,将该初始物流数据集合标记为对应的物流数据集合,在该初始物流数据集合包括的存储物流数据的数量小于所述参考数量的情况下,将该初始物流数据集合合并至其它初始物流数据集合中,该其它初始物流数据集合为与该初始物流数据集合对应的预测标识数据之间的差异最小的其它的初始物流数据集,所述参考数量的具体数值不受限制,可以根据实际需求进行配置。
可以选择的是,在一些实施方式中,上述的步骤S300,即所述对于每一个所述物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个所述数据存储设备对应的第二数据特征表示的步骤,可以进一步包括以下的各子步骤:
对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示;
对于每一个数据存储设备,对该数据存储设备存储的各历史存储物流数据进行拼接,以形成拼接历史存储物流数据,并对该拼接历史存储物流数据进行特征挖掘操作,以输出该数据存储设备对应的第二数据特征表示,所述第二数据特征表示的挖掘方式可以与所述第一数据特征表示的挖掘方式一致,也可以不一致,在此不做具体的限定。
可以选择的是,在一些实施方式中,所述对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示的步骤,可以进一步包括以下的各子步骤:
对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的初始数据特征表示;
将与目标物流数据集合对应的预测标识数据之间的差异最小的其它物流数据集合对应的初始数据特征表示,作为所述目标物流数据集合对应的相关数据特征表示,所述目标物流数据集合为任意一个物流数据集合;
对所述初始数据特征表示进行第一池化处理,以输出对应的第一池化特征表示,并对所述初始数据特征表示进行第二池化处理,以输出对应的第二池化特征表示,所述第二池化特征表示与所述第一池化特征表示不同;
基于所述第一池化特征表示的维度数量和预先配置的目标激励函数,并依据所述相关数据特征表示,对所述第一池化特征表示进行相关聚焦特征分析,以输出对应的第一聚焦数据特征表示;示例性地,可以对所述相关数据特征表示进行转置处理,得到第一处理结果,然后,可以对第一处理结果和所述第一池化特征表示进行相乘处理,得到第二处理结果,然后,可以将所述第二处理结果和所述维度数量的正相关值进行相除处理,得到第三处理结果,然后,可以基于所述目标激励函数对所述第三处理结果进行激励映射处理,得到第四处理结果,最后,对第四处理结果和所述相关数据特征表示进行相乘处理,得到第一聚焦数据特征表示;
基于所述第二池化特征表示的维度数量和所述目标激励函数,并依据所述相关数据特征表示,对所述第二池化特征表示进行相关聚焦特征分析,以输出对应的第二聚焦数据特征表示;
将所述第一聚焦数据特征表示和所述第二聚焦数据特征表示进行特征表示的聚合处理,以输出所述目标物流数据集合对应的第一数据特征表示,示例性地,可以对所述第一聚焦数据特征表示和所述第二聚焦数据特征表示进行叠加处理,得到第一数据特征表示。
可以选择的是,在一些实施方式中,上述的步骤S400,即所述基于所述第一数据特征表示和所述第二数据特征表示之间的关系,将所述至少一个物流数据集合和多个所述数据存储设备进行关联处理,使得每一个所述物流数据集合关联有一个数据存储设备的步骤,可以进一步包括以下的各子步骤:
分别计算每一个所述物流数据集合对应的第一数据特征表示和每一个所述数据存储设备对应的第二数据特征表示之间的特征表示匹配度,如计算特征表示之间的余弦相似度;
对于每一个所述物流数据集合,在该物流数据集合对应的第一数据特征表示和每一个所述数据存储设备对应的第二数据特征表示之间的特征表示匹配度中,确定出具有最大值的目标特征表示匹配度,以及,将该目标特征表示匹配度对应的数据存储设备进行标记处理,以标记为该物流数据集合关联的一个数据存储设备。
结合图3,本发明实施例还提供一种智慧物流数据的存储管控系统,可应用于上述智慧物流数据的存储管控平台。其中,所述智慧物流数据的存储管控系统可以包括以下的各软件功能模块:
物流数据标记模块,用于对于每一条待处理物流数据,在将该待处理物流数据确定为采集到的数据的情况下,将该待处理物流数据标记为存储物流数据;
物流数据分类模块,用于对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于所述存储物流数据对应的预测标识数据,对标记出的多条存储物流数据进行分类,以形成至少一个物流数据集合,每一个所述物流数据集合包括至少一条存储物流数据;
特征挖掘模块,用于对于每一个所述物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个所述数据存储设备对应的第二数据特征表示;
设备关联模块,用于基于所述第一数据特征表示和所述第二数据特征表示之间的关系,将所述至少一个物流数据集合和多个所述数据存储设备进行关联处理,使得每一个所述物流数据集合关联有一个数据存储设备;
数据关联存储模块,用于分别将每一个所述物流数据集合存储至关联的数据存储设备。
可以选择的是,在一些实施方式中,所述物流数据分类模块具体用于:
对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于对应的预测标识数据是否一致,对标记出的多条存储物流数据进行分类,以形成至少一个初始物流数据集合,每一个所述初始物流数据集合包括至少一条存储物流数据,属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据一致,不属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据不一致;
基于所述至少一个初始物流数据集合形成至少一个物流数据集合。
可以选择的是,在一些实施方式中,所述特征挖掘模块具体用于:
对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示;
对于每一个数据存储设备,对该数据存储设备存储的各历史存储物流数据进行拼接,以形成拼接历史存储物流数据,并对该拼接历史存储物流数据进行特征挖掘操作,以输出该数据存储设备对应的第二数据特征表示。
综上所述,本发明提供的一种智慧物流数据的存储管控方法及系统,可以基于预测标识数据,对多条存储物流数据进行分类,形成至少一个物流数据集合;对于每一个物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个数据存储设备对应的第二数据特征表示;基于第一数据特征表示和第二数据特征表示之间的关系,将至少一个物流数据集合和多个数据存储设备进行关联处理;分别将每一个物流数据集合存储至关联的数据存储设备。基于此,通过进行物流数据的分类和特征表示的关联分析,使得对于物流数据的关联存储的可靠度更高,即提高物流数据存储管控的可靠度。
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)
1.一种智慧物流数据的存储管控方法,其特征在于,包括:
对于每一条待处理物流数据,在将该待处理物流数据确定为采集到的数据的情况下,将该待处理物流数据标记为存储物流数据;
对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于所述存储物流数据对应的预测标识数据,对标记出的多条存储物流数据进行分类,以形成至少一个物流数据集合,每一个所述物流数据集合包括至少一条存储物流数据;
对于每一个所述物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个所述数据存储设备对应的第二数据特征表示;
基于所述第一数据特征表示和所述第二数据特征表示之间的关系,将所述至少一个物流数据集合和多个所述数据存储设备进行关联处理,使得每一个所述物流数据集合关联有一个数据存储设备;
分别将每一个所述物流数据集合存储至关联的数据存储设备。
2.如权利要求1所述的智慧物流数据的存储管控方法,其特征在于,所述对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于所述存储物流数据对应的预测标识数据,对标记出的多条存储物流数据进行分类,以形成至少一个物流数据集合的步骤,包括:
对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于对应的预测标识数据是否一致,对标记出的多条存储物流数据进行分类,以形成至少一个初始物流数据集合,每一个所述初始物流数据集合包括至少一条存储物流数据,属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据一致,不属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据不一致;
基于所述至少一个初始物流数据集合形成至少一个物流数据集合。
3.如权利要求2所述的智慧物流数据的存储管控方法,其特征在于,所述基于所述至少一个初始物流数据集合形成至少一个物流数据集合的步骤,包括:
分别统计每一个所述初始物流数据集合包括的存储物流数据的数量;
对于每一个初始物流数据集合,在该初始物流数据集合包括的存储物流数据的数量大于或等于预先配置的参考数量的情况下,将该初始物流数据集合标记为对应的物流数据集合,在该初始物流数据集合包括的存储物流数据的数量小于所述参考数量的情况下,将该初始物流数据集合合并至其它初始物流数据集合中,该其它初始物流数据集合为与该初始物流数据集合对应的预测标识数据之间的差异最小的其它的初始物流数据集合。
4.如权利要求1所述的智慧物流数据的存储管控方法,其特征在于,所述对于每一个所述物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个所述数据存储设备对应的第二数据特征表示的步骤,包括:
对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示;
对于每一个数据存储设备,对该数据存储设备存储的各历史存储物流数据进行拼接,以形成拼接历史存储物流数据,并对该拼接历史存储物流数据进行特征挖掘操作,以输出该数据存储设备对应的第二数据特征表示。
5.如权利要求4所述的智慧物流数据的存储管控方法,其特征在于,所述对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示的步骤,包括:
对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的初始数据特征表示;
将与目标物流数据集合对应的预测标识数据之间的差异最小的其它物流数据集合对应的初始数据特征表示,作为所述目标物流数据集合对应的相关数据特征表示,所述目标物流数据集合为任意一个物流数据集合;
对所述初始数据特征表示进行第一池化处理,以输出对应的第一池化特征表示,并对所述初始数据特征表示进行第二池化处理,以输出对应的第二池化特征表示,所述第二池化特征表示与所述第一池化特征表示不同;
基于所述第一池化特征表示的维度数量和预先配置的目标激励函数,并依据所述相关数据特征表示,对所述第一池化特征表示进行相关聚焦特征分析,以输出对应的第一聚焦数据特征表示;
基于所述第二池化特征表示的维度数量和所述目标激励函数,并依据所述相关数据特征表示,对所述第二池化特征表示进行相关聚焦特征分析,以输出对应的第二聚焦数据特征表示;
将所述第一聚焦数据特征表示和所述第二聚焦数据特征表示进行特征表示的聚合处理,以输出所述目标物流数据集合对应的第一数据特征表示。
6.如权利要求1所述的智慧物流数据的存储管控方法,其特征在于,所述基于所述第一数据特征表示和所述第二数据特征表示之间的关系,将所述至少一个物流数据集合和多个所述数据存储设备进行关联处理,使得每一个所述物流数据集合关联有一个数据存储设备的步骤,包括:
分别计算每一个所述物流数据集合对应的第一数据特征表示和每一个所述数据存储设备对应的第二数据特征表示之间的特征表示匹配度;
对于每一个所述物流数据集合,在该物流数据集合对应的第一数据特征表示和每一个所述数据存储设备对应的第二数据特征表示之间的特征表示匹配度中,确定出具有最大值的目标特征表示匹配度,以及,将该目标特征表示匹配度对应的数据存储设备进行标记处理,以标记为该物流数据集合关联的一个数据存储设备。
7.如权利要求1所述的智慧物流数据的存储管控方法,其特征在于,所述对于每一条待处理物流数据,在将该待处理物流数据确定为采集到的数据的情况下,将该待处理物流数据标记为存储物流数据的步骤,包括:
确定出第一标识数据簇和第二标识数据簇,所述第一标识数据簇包括多个第一标识数据,所述第一标识数据用于反映参考物流数据种类,所述第二标识数据簇包括第二标识数据和全部的所述第一标识数据,所述第二标识数据用于反映所述参考物流数据种类之外的其它物流数据种类;
提取到所述第一标识数据簇对应的多个第一物流数据,并提取到所述第二标识数据簇对应的多个第二物流数据;
搭建出候选物流数据识别网络,并对随机确定的一个所述第二物流数据和每一个所述第一标识数据对应的所述第一物流数据进行组合,形成示例性数据簇,并对所述示例性数据簇进行加载处理,以加载到所述候选物流数据识别网络中,分析出所述第二物流数据对应的数据种类可能性分布;
基于所述数据种类可能性分布和所述第二标识数据簇,分析出对应的预测误差参数,并基于所述数据种类可能性分布,分析出对应的对比误差参数,所述对比误差参数用于反映所述第二物流数据与每一个所述第一标识数据之间的差异分散状态;
基于所述预测误差参数和所述对比误差参数,分析出总的误差参数,并基于所述总的误差参数,对所述候选物流数据识别网络进行更新处理,以形成对应的更新物流数据识别网络;
对待处理物流数据进行加载处理,以加载到所述更新物流数据识别网络中,分析出所述待处理物流数据的预测标识数据,并在所述预测标识数据满足预先配置的标识数据条件的情况下,将所述待处理物流数据确定为采集到的数据,所述预测标识数据用于反映所述待处理物流数据的种类。
8.一种智慧物流数据的存储管控系统,其特征在于,包括:
物流数据标记模块,用于对于每一条待处理物流数据,在将该待处理物流数据确定为采集到的数据的情况下,将该待处理物流数据标记为存储物流数据;
物流数据分类模块,用于对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于所述存储物流数据对应的预测标识数据,对标记出的多条存储物流数据进行分类,以形成至少一个物流数据集合,每一个所述物流数据集合包括至少一条存储物流数据;
特征挖掘模块,用于对于每一个所述物流数据集合,对该物流数据集合包括的存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示,以及,分别对每一个数据存储设备进行特征挖掘操作,以输出每一个所述数据存储设备对应的第二数据特征表示;
设备关联模块,用于基于所述第一数据特征表示和所述第二数据特征表示之间的关系,将所述至少一个物流数据集合和多个所述数据存储设备进行关联处理,使得每一个所述物流数据集合关联有一个数据存储设备;
数据关联存储模块,用于分别将每一个所述物流数据集合存储至关联的数据存储设备。
9.如权利要求8所述的智慧物流数据的存储管控系统,其特征在于,所述物流数据分类模块具体用于:
对于每一条所述存储物流数据,确定出该存储物流数据对应的预测标识数据,以及,基于对应的预测标识数据是否一致,对标记出的多条存储物流数据进行分类,以形成至少一个初始物流数据集合,每一个所述初始物流数据集合包括至少一条存储物流数据,属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据一致,不属于同一个初始物流数据集合中的任意两条存储物流数据对应的预测标识数据不一致;
基于所述至少一个初始物流数据集合形成至少一个物流数据集合。
10.如权利要求8所述的智慧物流数据的存储管控系统,其特征在于,所述特征挖掘模块具体用于:
对于每一个物流数据集合,对该物流数据集合包括的各存储物流数据进行拼接,以形成拼接存储物流数据,并对该拼接存储物流数据进行特征挖掘操作,以输出该物流数据集合对应的第一数据特征表示;
对于每一个数据存储设备,对该数据存储设备存储的各历史存储物流数据进行拼接,以形成拼接历史存储物流数据,并对该拼接历史存储物流数据进行特征挖掘操作,以输出该数据存储设备对应的第二数据特征表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311415637.2A CN117311644A (zh) | 2023-10-30 | 2023-10-30 | 一种智慧物流数据的存储管控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311415637.2A CN117311644A (zh) | 2023-10-30 | 2023-10-30 | 一种智慧物流数据的存储管控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117311644A true CN117311644A (zh) | 2023-12-29 |
Family
ID=89273677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311415637.2A Pending CN117311644A (zh) | 2023-10-30 | 2023-10-30 | 一种智慧物流数据的存储管控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117311644A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021169173A1 (zh) * | 2020-02-29 | 2021-09-02 | 深圳壹账通智能科技有限公司 | 数据聚类的存储方法、装置、计算机设备及存储介质 |
CN113468172A (zh) * | 2021-06-24 | 2021-10-01 | 上海东普信息科技有限公司 | 物流业务数据的处理方法、装置、设备及存储介质 |
CN113590869A (zh) * | 2021-07-27 | 2021-11-02 | 王博文 | 一种数据存储管理方法及系统 |
CN113626647A (zh) * | 2021-07-23 | 2021-11-09 | 续斐 | 一种智慧小区的数据保存方法及系统 |
CN113626419A (zh) * | 2021-07-23 | 2021-11-09 | 续斐 | 一种智慧小区的数据筛选方法及系统 |
CN113986959A (zh) * | 2021-10-13 | 2022-01-28 | 杭州拼便宜网络科技有限公司 | 物流信息采集方法、装置、电子设备和计算机可读介质 |
US11531657B1 (en) * | 2018-11-13 | 2022-12-20 | Teradata Us, Inc. | Autonomous workload management in an analytic platform |
-
2023
- 2023-10-30 CN CN202311415637.2A patent/CN117311644A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11531657B1 (en) * | 2018-11-13 | 2022-12-20 | Teradata Us, Inc. | Autonomous workload management in an analytic platform |
WO2021169173A1 (zh) * | 2020-02-29 | 2021-09-02 | 深圳壹账通智能科技有限公司 | 数据聚类的存储方法、装置、计算机设备及存储介质 |
CN113468172A (zh) * | 2021-06-24 | 2021-10-01 | 上海东普信息科技有限公司 | 物流业务数据的处理方法、装置、设备及存储介质 |
CN113626647A (zh) * | 2021-07-23 | 2021-11-09 | 续斐 | 一种智慧小区的数据保存方法及系统 |
CN113626419A (zh) * | 2021-07-23 | 2021-11-09 | 续斐 | 一种智慧小区的数据筛选方法及系统 |
CN113590869A (zh) * | 2021-07-27 | 2021-11-02 | 王博文 | 一种数据存储管理方法及系统 |
CN113986959A (zh) * | 2021-10-13 | 2022-01-28 | 杭州拼便宜网络科技有限公司 | 物流信息采集方法、装置、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116126945B (zh) | 基于数据分析的传感器运行状态分析方法和系统 | |
CN116126947B (zh) | 应用于企业管理系统的大数据分析方法及系统 | |
CN116611916A (zh) | 基于ai模型识别的数字金融反欺诈处理方法及系统 | |
CN117271522A (zh) | 一种物流数据的处理方法及系统 | |
CN116664335A (zh) | 基于智能监控的半导体生产系统运行分析方法及系统 | |
CN117311644A (zh) | 一种智慧物流数据的存储管控方法及系统 | |
CN116628138A (zh) | 应用于深度学习的物流订单文本挖掘方法及系统 | |
CN116566766A (zh) | 一种智慧电力网关管控方法及系统 | |
CN117251790A (zh) | 一种智慧物流数据的采集方法及系统 | |
CN116680323B (zh) | 基于大数据安全平台的用户需求挖掘方法及系统 | |
CN115906170B (zh) | 应用于存储集群的安全防护方法及ai系统 | |
CN117273861B (zh) | 一种销售订单管理方法及系统 | |
CN117808024B (zh) | 基于自适应调控的读写器设备管理方法及系统 | |
CN117236617B (zh) | 一种企业业务管理方法及系统 | |
CN117197748A (zh) | 一种基于视频分析的行为管理方法及系统 | |
CN116910729B (zh) | 应用于多组织架构的核身处理方法及系统 | |
CN117141290A (zh) | 一种新能源汽车的充电管控方法及系统 | |
CN117496419A (zh) | 基于智慧建筑的数据处理方法及系统 | |
CN117218439A (zh) | 一种物联网数据采集方法及系统 | |
CN117201183A (zh) | 一种互联网设备的安全访问方法及系统 | |
CN116955451A (zh) | 智能测绘数据管理方法及系统 | |
CN117271498A (zh) | 一种财务数据处理方法及系统 | |
CN117150271A (zh) | 一种通信路径的匹配方法及系统 | |
CN116662574A (zh) | 用于反欺诈ai预测模型的大数据采集方法及系统 | |
CN114418577A (zh) | 一种异常请求的识别方法、装置、电子设备及存储介质 |
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 |