CN117421460A - 一种时空数据的匹配方法、装置及设备 - Google Patents
一种时空数据的匹配方法、装置及设备 Download PDFInfo
- Publication number
- CN117421460A CN117421460A CN202311736598.6A CN202311736598A CN117421460A CN 117421460 A CN117421460 A CN 117421460A CN 202311736598 A CN202311736598 A CN 202311736598A CN 117421460 A CN117421460 A CN 117421460A
- Authority
- CN
- China
- Prior art keywords
- data
- matched
- time
- parameters
- longitude
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012163 sequencing technique Methods 0.000 claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101100511466 Caenorhabditis elegans lon-1 gene Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种时空数据的匹配方法、装置及设备,涉及卫星遥感技术领域,用于解决现有技术中时空数据匹配效率低的问题。方法包括获取至少两种待匹配数据,并设置时空窗口;对待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;对各个第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;继续基于纬度参量进行排序并取交集,得到第三待匹配数据;满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;对第四待匹配数据中在时空窗口内的数据进行距离计算;将小于空间窗口的点存储到最终匹配数据集中。本发明在能够对海量时空数据进行统一处理的同时,提高时空数据匹配效率。
Description
技术领域
本发明涉及卫星遥感技术领域,尤其涉及一种时空数据的匹配方法、装置及设备。
背景技术
近年来,在空间技术领域的竞争日趋激烈,卫星遥感也得到了空前的发展,无论从传感器的性能还是应用范围都有长足的进步,这是信息时代对于科学技发展的必然要求。时空数据融合作为一种可行的、低成本的高时空分辨率时间序列遥感图像生成技术,在过去的20年里得到了迅速的发展。
将两种或多种时空数据进行匹配是后续数据处理、分析、仿真、测试等工作的前提。常规的时空数据匹配方法是将两种或多种数据源进行逐点判断,看是否满足时空窗口的条件,通常需要多层循环嵌套。
但是,现有技术中的方法对于数据量大、点数较多的卫星遥感数据来说,通常耗时巨大、内存占用巨大、处理效率低,不利于进行后续的数据处理等工作。另外,时空窗口的设置不统一、数据的数据结构不统一等原因也会导致相同的数据被匹配成不同的匹配数据集,使之无法进行统一处理。
因此,亟需提供一种更为可靠的时空数据的快速匹配方案。
发明内容
本发明的目的在于提供一种时空数据的匹配方法、装置及设备,用于解决现有技术中时空数据匹配效率低的问题。
为了实现上述目的,本发明提供如下技术方案:
第一方面,本发明提供一种时空数据的匹配方法,方法包括:
获取至少两种待匹配数据,并设置时空窗口;
对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;
对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;
对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据;
将所述第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;
确定所述第四待匹配数据中在时空窗口内的第五待匹配数据,并对所述第五待匹配数据进行距离计算;
根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。
与现有技术相比,本发明提供的一种时空数据的匹配方法,通过获取至少两种待匹配数据,并设置时空窗口;对待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;对各个第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;对第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据;将第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;确定第四待匹配数据中在时空窗口内的第五待匹配数据,并对第五待匹配数据进行距离计算;根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。本发明提供的技术方案中,统一数据结构并设置时空窗口,可以解决由于时空窗口的设置不统一、数据的数据结构不统一,导致相同的数据被匹配成不同的匹配数据集,使之无法进行统一处理的问题。基于时间参量、纬度参量以及经度参量进行排序筛选数据,再用时间窗口对纬度、经度以及时间不满足条件的数据点进行剔除。从而将待匹配数据中的无关数据最大限度进行减少,从而降低内存占用,减小计算量,提高时空数据匹配效率;在能够对海量时空数据进行统一处理的同时,提高时空数据匹配效率。
第二方面,本发明提供一种时空数据的匹配装置,装置包括:
待匹配数据获取模块,用于获取至少两种待匹配数据,并设置时空窗口;
第一待匹配数据确定模块,用于对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;
第二待匹配数据确定模块,用于对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;
第三待匹配数据确定模块,用于对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据;
第四待匹配数据确定模块,用于将所述第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;
距离计算模块,用于确定所述第四待匹配数据中在时空窗口内的第五待匹配数据,并对所述第五待匹配数据进行距离计算;
匹配数据集确定模块,用于根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。
第三方面,本发明提供一种时空数据的匹配设备,设备包括:
通信单元/通信接口,用于获取至少两种待匹配数据,并设置时空窗口;
处理单元/处理器,用于对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;
对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;
对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据;
将所述第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;
确定所述第四待匹配数据中在时空窗口内的第五待匹配数据,并对所述第五待匹配数据进行距离计算;
根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。
第四方面,本发明提供一种计算机存储介质,所述计算机存储介质中存储有指令,当所述指令被运行时,实现上述的一种时空数据的匹配方法。
第二方面提供的装置类方案、第三方面提供的设备类方案以及第四方面提供的计算机存储介质方案所实现的技术效果与第一方面提供的方法类方案相同,此处不再赘述。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明提供的一种时空数据的匹配方法流程示意图;
图2为本发明提供的按纬度进行排序取交集示意图;
图3为本发明提供的一种时空数据的匹配装置示意图;
图4为本发明提供的一种时空数据的匹配设备示意图。
具体实施方式
为了便于清楚描述本发明实施例的技术方案,在本发明的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如,第一阈值和第二阈值仅仅是为了区分不同的阈值,并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是,本发明中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本发明中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,a和b的结合,a和c的结合,b和c的结合,或a、b和c的结合,其中a,b,c可以是单个,也可以是多个。
现有技术中,对于数据量大、点数较多的卫星遥感数据,其数据匹配方法处理效率低、且数据结构不统一。针对现有技术中的缺陷,本发明提供一种可以快速匹配时空数据的方案。接下来,结合附图对本说明书实施例提供的方案进行说明:
如图1所示,该流程可以包括以下步骤:
步骤110:获取至少两种待匹配数据,并设置时空窗口。
待匹配数据可以是一种或多种时空数据,具体地,待匹配数据可以是海量的卫星遥感数据,其数据量大,且点数较多。步骤110中设置时空窗口是为了让多种时空数据匹配到相同的时空范围内。
待匹配数据可以包括一种主数据(Pri)和若干种辅助数据(Aux)。
时空窗口可以包括时间窗口和空间窗口。如时间窗口设置为30min,空间窗口设置为25km。
步骤120:对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据。
一般情况下,不同的时空数据,其对应的数据结构不相同,因此在进行时空数据匹配时,无法统一进行处理。因此,步骤120中先对待匹配数据进行筛选,去除无效的数据,然后再对筛选得到的数据进行数据结构的统一。
所述对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据,具体可以包括:
利用所述待匹配数据中的异常数据标识、海陆标识、降雨标识以及海冰标识对所述待匹配数据进行筛选,剔除异常数据或无效数据,得到有效待匹配数据;
创建统一的数据结构,并将所述有效待匹配数据中的各个数据的数据结构均转换为创建的统一的数据结构,得到第一待匹配数据;所述统一的数据结构包括结构体和计数值;所述结构体至少包括经度、纬度以及时间。
上述方法中,为方便数据匹配,创建了统一的数据结构。其中,创建结构体MPoints,其结构体内部包括结构体SPoint和计数值Count,结构体SPoint包括经度Lon,纬度Lat,时间Time以及下标index。以该结构体为基础存储和处理Pri、Aux数据。
采用统一的数据结构,且设置时空窗口,可以对海量的不同种类时空数据进行统一处理,使相同的数据匹配为同一匹配数据集。
步骤130:对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据。
待匹配数据中包含时间参量、经度参量以及纬度参量。
对各个所述第一待匹配数据中的时间参量进行排序,数据中的其他参量根据时间做对应调整,使之与时间的原有对应关系不变。对多个数据的排序后时间取交集,只保留交集部分的各参量。
步骤140:对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据。
在步骤130的基础上,再对各数据中的纬度参量进行排序,数据中的其他参量根据纬度做对应调整,使之与纬度的原有对应关系不变。对多个数据的排序后纬度取交集,只保留交集部分的各参量。
步骤150:将所述第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据。
将经度统一转换为0°~360°的范围,根据时空窗口的大小,计算赤道上0°(360°)附近经纬度窗口的大小Ws°,对Ws°~(360-Ws°)范围的经度进行排序,数据中的其他参量根据经度做对应调整,使之与纬度的原有对应关系不变。对多个数据的排序后经度取交集,只保留交集部分的各参量。0°~ Ws°以及(360-Ws°)~360°范围内的点直接执行步骤160。
步骤130至步骤150,按数据中某个参量排序并取交集的操作可以去除Pri、Aux中大量的无关数据。
经过步骤130至步骤150的操作,Pri、Aux中大量的无关数据已经被剔除,内存占用大大降低。 步骤160中,根据空间窗口的大小计算用于粗匹配的经纬度窗口的大小,对于同一经度上的纬度窗口,1km空间窗口对应的纬度窗口为0.009044°,再用时间窗口对时间不满足条件的数据点进行剔除。经过这一步处理,能够使得Pri、Aux中的无关数据进一步减少,内存占用进一步降低。
步骤160:确定所述第四待匹配数据中在时空窗口内的第五待匹配数据,并对所述第五待匹配数据进行距离计算。
步骤160对粗匹配后的数据进行距离计算,满足空间窗口条件的点保存到匹配数据集中,从而完成时空数据的匹配过程。
地球上两点之间距离计算公式为:
dis=R*arccos[sin(lat1)*sin(lat2)+cos(lat1)*cos(lat2)*cos(lon1-lon2)]
其中R为地球平均半径6371km,(lat1,lon1)和(lat2,lon2)分别代表地球表面的两个点。
根据空间窗口大小计算粗匹配经纬度窗口大小,按纬度进行排序,进行循环,判断各数据的纬度是否在同一窗口内,再判断经度是否在同一窗口内,最后判断时间是否在同一窗口内。将满足条件的点进行距离计算。
步骤170:根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。
图1中的方法,通过获取至少两种待匹配数据,并设置时空窗口;对待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;对各个第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;对第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据;将第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;确定第四待匹配数据中在时空窗口内的第五待匹配数据,并对第五待匹配数据进行距离计算;根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。本发明提供的技术方案中,统一数据结构并设置时空窗口,可以解决由于时空窗口的设置不统一、数据的数据结构不统一,导致相同的数据被匹配成不同的匹配数据集,使之无法进行统一处理的问题。基于时间参量、纬度参量以及经度参量进行排序筛选数据,再用时间窗口对纬度、经度以及时间不满足条件的数据点进行剔除。从而将待匹配数据中的无关数据最大限度进行减少,从而降低内存占用,减小计算量,提高时空数据匹配效率;在能够对海量时空数据进行统一处理的同时,提高时空数据匹配效率。
基于图1的方法,本说明书实施例还提供了该方法的一些具体实施方式,下面进行说明。
可选的,本发明提供的技术方案中,基于时间参量、纬度参量以及经度参量对待匹配数据进行排序后取交集,其对应的实现步骤为:
(1)基于时间参量排序取交集:
对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据,具体可以包括:
对各个所述第一待匹配数据按照时间参量进行排序,得到时间排序后的数据;所述第一待匹配数据中纬度参量以及所述经度参量对应时间参量进行调整,以使所述纬度参量以及所述经度参量与所述时间参量的对应关系保持不变;
将多个时间排序后的数据中时间参量有重合的数据确定为第二待匹配数据。
(2)基于纬度参量排序取交集:
对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据,具体可以包括:
对所述第二待匹配数据按照纬度参量进行排序,得到纬度排序后的数据;所述第二待匹配数据中的经度参量以及时间参量对应纬度参量进行调整,以使经度参量以及时间参量与纬度参量的之间对应关系保持不变;
将多个纬度排序后的数据中纬度参量有重合的数据确定为第三待匹配数据。
步骤130至步骤150中均是按数据中某个参量排序并取交集的操作可以去除Pri、Aux中大量的无关数据,区别在于基于的参量不同,以纬度参量为例,说明数据中参量排序并取交集的过程:
结合图2进行说明,Pri、Aux分别按纬度排序后的一种情况,使用二分法取交集,即将Pri的end指针位置左移,Aux的begin指针位置右移,无数据拷贝或移动。
步骤150中经度0°和360°之间是连续的,对经度排序后会破坏这种连续性,所以对0°(360°)附近的数据进行单独处理。
0°(360°)附近的数据单独处理的方法为:
计算0°(360°)附近经度窗口的大小Ws°,如空间窗口设置为25km,那么在赤道(纬度为0°)上对应的经度窗口为0.225°,在纬度30°上对应的经度窗口为0.26°,在纬度60°上对应的经度窗口为0.448°,也就是越往两极,对应的经度窗口越大,因此不能设置固定的Ws°。如果每个纬度上都计算一次经度窗口也会耗费大量时间,因此本发明以10°为间隔设置纬度阈值,预先计算好对应的经度窗口,供实时处理时使用,既节省了计算时间也不影响最终匹配结果。以下矩阵为本发明提供的1km空间窗口对应的经度窗口:
Ws(1km)=[0.0092° 0.0096° 0.0104° 0.0118° 0.014° 0.018° 0.0262° 0.052°0.1028°]
依次对应的纬度范围为[0°,10°]、(10°,20°]、(20°,30°]、(30°,40°]、(40°,50°]、(50°,60°]、(60°,70°]、(70°,80°]、(80°,90°]。
则25km空间窗口Ws(25km)=25*[0.0092° 0.0096° 0.0104° 0.0118° 0.014°0.018° 0.0262° 0.052° 0.1028°]
(3)基于经度参量排序取交集,并基于纬度参量、经度参量以及时间参量进行粗匹配:
确定所述第四待匹配数据中在时空窗口内的第五待匹配数据,具体可以包括:
根据空间窗口大小计算粗匹配经纬度窗口大小;
将所述第四待匹配数据按纬度参量进行排序,并将纬度排序后的第四待匹配数据中纬度在同一窗口内的数据确定为第一有效数据;
将所述第一有效数据按经度参量进行排序,并将经度排序后的第一有效数据中经度在同一窗口内的数据确定为第二有效数据;
将所述第二有效数据按时间参量进行排序,并将时间排序后的第二有效数据中时间在同一窗口内的数据确定为第五待匹配数据。
接下来,针对本发明提供的技术方案,通过比对以及实验,进一步说明本发明的有益效果:
假定常规算法直接使用两层for循环,每个Pri点分别与所有Aux点做对比,先做经纬度、时间粗匹配,最后调用距离计算函数。
假设Pri点个数为m,Aux点个数为n(后续论述中使用log代表以2为底的对数)。
两种算法都是先经过粗匹配再调用距离计算函数,因此二者调用距离计算函数的次数是相等的。那么两者时间复杂度的区别就在于距离计算之前的粗匹配过程。常规算法是直接进行粗匹配,本发明算法首先进行参数的多次排序和取交集,再进行粗匹配。
对于常规算法来说,点对点的比较次数为q = m*n次。
对于本发明算法来说,最多进行3次取交集操作,4次排序操作。
第1次排序所需比较次数: m*log(m) + n*log(n) ,第1次取交集所需比较次数:log(m) + log(n)。
假设第1次取交集Pri筛除m1个点,Aux筛除n1个点。那么第2次排序所需比较次数:(m-m1) *log(m-m1) + (n-n1) *log(n-n1) ,第2次取交集所需比较次数:log(m-m1) +log(n-n1)。
假设第2次取交集Pri筛除m2个点,Aux筛除n2个点。那么第3次排序所需比较次数:(m-m1-m2) *log(m-m1-m2) + (n-n1-n2) *log(n-n1-n2) ,第3次取交集所需比较次数:log(m-m1-m2) + log(n-n1-n2)。
假设第3次取交集Pri筛除m3个点,Aux筛除n3个点。那么第4次排序所需比较次数为:
(m-m1-m2-m3) *log(m-m1-m2-m3) + (n-n1-n2-n3)*log(n-n1-n2-n3)
经4次排序,3次取交集之后,本发明算法对剩下的Pri以及Aux使用2层循环做对比。由于Pri和Aux均已按纬度排序,因此对于每个Pri点来说,可以使用STL二分法迅速定位到Aux数组中的指定范围,只对此范围内的点做一一对比。
令M = m-m1-m2-m3,N = n-n1-n2-n3。每比较完一个Pri点,则下次Aux开始比较的点的位置向后平均移动M/N。
则定位需要的比较次数:
F=log(N)+log(N-N/M)+log(N-2N/M)+log(N-3N/M)+… + log(N-(M-1)N/M)
假定平均每个Pri点在纬度粗匹配阶段可以匹配上k个Aux点,k≤n。
则该阶段的比较次数为:
k*M + F
综上,本发明算法的粗匹配阶段的总的比较次数p为:
p=m*log(m)+n*log(n)+log(m)+log(n)+(m-m1)*log(m-m1)+(n-n1)*log(n-n1)+log(m-m1)+log(n-n1)+(m-m1-m2)*log(m-m1-m2)+(n-n1-n2)*log(n-n1-n2)+log(m-m1-m2)+log(n-n1-n2)+(m-m1-m2-m3)*log(m-m1-m2-m3)+(n-n1-n2-n3)*log(n-n1-n2-n3) +k*M + F
假设本发明算法的时间复杂度低于常规算法,则有不等式:p<q,此时:
k<(m*n-(m*log(m)+n*log(n)+log(m)+log(n)+(m-m1)*log(m-m1)+(n-n1)*log(n-n1)+log(m-m1)+log(n-n1)+(m-m1-m2)*log(m-m1-m2)+(n-n1-n2)*log(n-n1-n2)+log(m-m1-m2)+log(n-n1-n2)+(m-m1-m2-m3)*log(m-m1-m2-m3)+(n-n1-n2-n3) *log(n-n1-n2-n3)) - F) / M。
设右式为k1,也就是当k<k1时,本发明算法的时间复杂度低于常规算法。
假设每次取交集平均筛除掉的数据量占原来数据的比例为r。表1列出当r=0.1,m=n时,对应的k1值:
表1
表2列出当r=0.1 ,m=10000时,不同的n对应的k1值:
表2
表3列出当r=0.1,n=10000时,不同的m对应的k1值:
表3
上述3个表均满足k≤n<k1,说明本发明算法时间复杂度低于常规算法。可以看出,k1的值随n值的增大而增大,基本成正比,而与m的值几乎无关。无论哪种情况,k1的值均大于n。
调整r值为0.2。表4列出当r=0.2, m=n时,对应的k1值:
表4
表5列出当r=0.2,m=10000时,不同的n对应的k1值:
表5
表6列出当r=0.2,n=10000时,不同的m对应的k1值:
表6
从表4-6可以看出,当r提升为0.2时,每种情况下的k1值相对于r=0.1时进一步增加。对于第三种情况,k1值几乎是n的2倍。
综上,k1值主要受n值和r值的影响。k比k1的值越小,则本发明算法的比较次数越少,处理效率越高。上述6个表格中k1值均大于甚至远远超过n值。这意味着,在纬度粗匹配时,即使每个Pri点都能匹配上所有Aux点,即k=n,该算法的比较次数依然少于常规算法。而实际中往往是k远小于n。因此,本发明算法时间复杂度必然低于常规算法。
另外,就数据匹配的实际情况来看,每次排序取交集操作时通常会筛除一定比例的Pri和Aux数据,这个比例可能在10%-90%之间。并且,当m、n较大时,读取排序后的数据会更好的利用计算机的缓存特性。因为缓存具有空间局部性,循环访问排序后的内存相当于每一时刻访问的内存与前后时刻访问的内存都是相邻的,而访问非排序数据则没有这个优势。
当可筛除数据占比很大,或者每个Pri点在纬度粗匹配时能够匹配上的Aux点很少时,本发明算法的优势将更加明显。
接下来,以具体实验数据进行本发明技术效果的说明:
实验1:
Pri数据:在经度[0,101],纬度[0,89]范围的矩形区域内对角线按经纬度均匀分布的18万个数据。Aux数据:从Pri数据拷贝。该情况下,常规算法与本算法的比较如表7:
表7
实验2:
Pri数据:分别在经度[100,110]、纬度[0,4]以及经度[111,121]、纬度[5,9] 以及经度[122,132]、纬度[10,14]等三个区域的对角线上均匀分布10万点。
Aux数据:在经度[111,121]、纬度[5,9]区域的对角线上均匀分布10万点,该情况下,常规算法与本算法的比较如表8:
表8
实验3:
Pri数据:分别在经度[100,110]、纬度[0,10]以及经度[111,121]、纬度[11,21]以及经度[122,132]、纬度[22,32]等三个区域上均匀分布10万点:Aux数据:在经度[111,121]、纬度[11,21]区域上均匀分布10万点。该情况下,常规算法与本算法的比较如表9:
表9
相比于前两次,在最后一次对比中,本发明算法的优势十分明显。这是因为匹配数据中每个Pri点能够匹配上的Aux点数与匹配上的Pri点数的比值变成了1,远小于前两次的58.38和335.78。
不论是哪种情况,本发明算法的运行时间均远小于常规算法。
因此,通过与现有技术的比较以及实验证明,本发明提供的技术方案能够提高数据匹配效率。
进一步地,本发明提供的技术方案,采用统一数据结构,并且经过时间、纬度以及经度等参量的多次排序取交集,以及0°(360°)经度附近的数据单独处理的方法。能够减小数据量,节省数据处理时间,以及节省内存开销,避免内存不足的问题。提高时空数据处理效率。
基于同样的思路,本发明还提供一种时空数据的匹配装置,如图3所示,所述装置可以包括:
待匹配数据获取模块310,用于获取至少两种待匹配数据,并设置时空窗口;
第一待匹配数据确定模块320,用于对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;
第二待匹配数据确定模块330,用于对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;
第三待匹配数据确定模块340,用于对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据;
第四待匹配数据确定模块350,用于将所述第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;
距离计算模块360,用于确定所述第四待匹配数据中在时空窗口内的第五待匹配数据,并对所述第五待匹配数据进行距离计算;
匹配数据集确定模块370,用于根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。
基于图3中的装置,还可以包括一些具体的实施单元:
可选的,第二待匹配数据确定模块330,具体可以包括:
时间参量排序单元,用于对各个所述第一待匹配数据按照时间参量进行排序,得到时间排序后的数据;所述第一待匹配数据中纬度参量以及所述经度参量对应时间参量进行调整,以使所述纬度参量以及所述经度参量与所述时间参量的对应关系保持不变;
第一取交集单元,用于将多个时间排序后的数据中时间参量有重合的数据确定为第二待匹配数据。
可选的,第三待匹配数据确定模块340,具体可以包括:
纬度参量排序单元,用于对所述第二待匹配数据按照纬度参量进行排序,得到纬度排序后的数据;所述第二待匹配数据中的经度参量以及时间参量对应纬度参量进行调整,以使经度参量以及时间参量与纬度参量的之间对应关系保持不变;
第二取交集单元,用于将多个纬度排序后的数据中纬度参量有重合的数据确定为第三待匹配数据。
可选的,第四待匹配数据确定模块350,具体可以包括:
经度转换单元,用于将经度统一转换为0°~360°的范围,根据时空窗口的大小,计算赤道上0°(360°)附近经纬度窗口的大小Ws°;
经度参量排序单元,用于对Ws°~(360-Ws°)范围内的第三待匹配数据按照经度参量进行排序,所述第三待匹配数据中的时间参量以及纬度参量对应经度参量进行调整,以使时间参量以及纬度参量与经度参量的对应关系保持不变;
第三取交集单元,用于对多个经度排序后的数据中经度参量有重合的数据确定为第四待匹配数据;
距离计算单元,用于对在Ws°~(360-Ws°)范围外的第三待匹配数据进行距离计算。
可选的,装置还包括:
第五待匹配数据确定模块,具体用于:
根据空间窗口大小计算粗匹配经纬度窗口大小;
将所述第四待匹配数据按纬度参量进行排序,并将纬度排序后的第四待匹配数据中纬度在同一窗口内的数据确定为第一有效数据;
将所述第一有效数据按经度参量进行排序,并将经度排序后的第一有效数据中经度在同一窗口内的数据确定为第二有效数据;
将所述第二有效数据按时间参量进行排序,并将时间排序后的第二有效数据中时间在同一窗口内的数据确定为第五待匹配数据。
可选的,第一待匹配数据确定模块320,具体可以包括:
数据筛选单元,用于利用所述待匹配数据中的异常数据标识、海陆标识、降雨标识以及海冰标识对所述待匹配数据进行筛选,剔除异常数据或无效数据,得到有效待匹配数据;
统一数据结构创建单元,用于创建统一的数据结构,并将所述有效待匹配数据中的各个数据的数据结构均转换为创建的统一的数据结构,得到第一待匹配数据;所述统一的数据结构包括结构体和计数值;所述结构体至少包括经度、纬度以及时间。
可选的,所述待匹配数据包括主数据以及辅助数据;采用所述统一的数据结构存储所述主数据以及所述辅助数据;
取交集时采用二分法。
基于同样的思路,本说明书实施例还提供了一种时空数据的匹配设备。如图4所示,可以包括:
通信单元/通信接口,用于获取至少两种待匹配数据,并设置时空窗口;
处理单元/处理器,用于对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;
对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;
对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据;
将所述第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;
确定所述第四待匹配数据中在时空窗口内的第五待匹配数据,并对所述第五待匹配数据进行距离计算;
根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。
如图4所示,上述终端设备还可以包括通信线路。通信线路可包括一通路,在上述组件之间传送信息。
可选的,如图4所示,该终端设备还可以包括存储器。存储器用于存储执行本发明方案的计算机执行指令,并由处理器来控制执行。处理器用于执行存储器中存储的计算机执行指令,从而实现本发明实施例提供的方法。
在具体实现中,作为一种实施例,如图4所示,处理器可以包括一个或多个CPU,如图4中的CPU0和CPU1。
在具体实现中,作为一种实施例,如图4所示,终端设备可以包括多个处理器,如图4中的处理器。这些处理器中的每一个可以是一个单核处理器,也可以是一个多核处理器。
基于同样的思路,本说明书实施例还提供了上述实施例对应的计算机存储介质,计算机存储介质中存储有指令,当所述指令被运行时,实现上述实施例中的方法。
上述主要从各个模块之间交互的角度对本发明实施例提供的方案进行了介绍。可以理解的是,各个模块为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件单元。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
本发明实施例可以根据上述方法示例进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
本说明书中的处理器还可以具有存储器的功能。存储器用于存储执行本发明方案的计算机执行指令,并由处理器来控制执行。处理器用于执行存储器中存储的计算机执行指令,从而实现本发明实施例提供的方法。
存储器可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、只读光盘(compact disc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过通信线路与处理器相连接。存储器也可以和处理器集成在一起。
可选的,本发明实施例中的计算机执行指令也可以称之为应用程序代码,本发明实施例对此不作具体限定。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序或指令。在计算机上加载和执行所述计算机程序或指令时,全部或部分地执行本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、终端、用户设备或者其它可编程装置。所述计算机程序或指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机程序或指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是集成一个或多个可用介质的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,例如,软盘、硬盘、磁带;也可以是光介质,例如,数字视频光盘(digital video disc,DVD);还可以是半导体介质,例如,固态硬盘(solid state drive,SSD)。
尽管在此结合各实施例对本发明进行了描述,然而,在实施所要求保护的本发明过程中,本领域技术人员通过查看附图、公开内容、以及所附权利要求书,可理解并实现公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本发明进行了描述,显而易见的,在不脱离本发明的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明,且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种时空数据的匹配方法,其特征在于,方法包括:
获取至少两种待匹配数据,并设置时空窗口;
对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;
对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;
对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据;
将所述第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;
确定所述第四待匹配数据中在所述时空窗口内的第五待匹配数据,并对所述第五待匹配数据进行距离计算;
根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。
2.根据权利要求1所述的时空数据的匹配方法,其特征在于,对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据,具体包括:
对各个所述第一待匹配数据按照时间参量进行排序,得到时间排序后的数据;所述第一待匹配数据中纬度参量以及所述经度参量对应时间参量进行调整,以使所述纬度参量以及所述经度参量与所述时间参量的对应关系保持不变;
将多个时间排序后的数据中时间参量有重合的数据确定为第二待匹配数据。
3.根据权利要求1所述的时空数据的匹配方法,其特征在于,对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据,具体包括:
对所述第二待匹配数据按照纬度参量进行排序,得到纬度排序后的数据;所述第二待匹配数据中的经度参量以及时间参量对应纬度参量进行调整,以使经度参量以及时间参量与纬度参量的之间对应关系保持不变;
将多个纬度排序后的数据中纬度参量有重合的数据确定为第三待匹配数据。
4.根据权利要求1所述的时空数据的匹配方法,其特征在于,将所述第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据,具体包括:
将经度统一转换为0°~360°的范围,根据时空窗口的大小,计算赤道上0°(360°)附近经纬度窗口的大小Ws°;
对Ws°~(360-Ws°)范围内的第三待匹配数据按照经度参量进行排序,所述第三待匹配数据中的时间参量以及纬度参量对应经度参量进行调整,以使时间参量以及纬度参量与经度参量的对应关系保持不变;
对多个经度排序后的数据中经度参量有重合的数据确定为第四待匹配数据;
对在Ws°~(360-Ws°)范围外的第三待匹配数据直接进行距离计算,符合空间窗口的点存储到最终匹配数据集中。
5.根据权利要求1所述的时空数据的匹配方法,其特征在于,确定所述第四待匹配数据中在时空窗口内的第五待匹配数据,具体包括:
根据空间窗口大小计算粗匹配经纬度窗口大小;
将所述第四待匹配数据按纬度参量进行排序,并将纬度排序后的第四待匹配数据中纬度在同一窗口内的数据确定为第一有效数据;
将所述第一有效数据按经度参量进行排序,并将经度排序后的第一有效数据中经度在同一窗口内的数据确定为第二有效数据;
将所述第二有效数据按时间参量进行排序,并将时间排序后的第二有效数据中时间在同一窗口内的数据确定为第五待匹配数据。
6.根据权利要求1所述的时空数据的匹配方法,其特征在于,所述对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据,具体包括:
利用所述待匹配数据中的异常数据标识、海陆标识、降雨标识以及海冰标识对所述待匹配数据进行筛选,剔除异常数据或无效数据,得到有效待匹配数据;
创建统一的数据结构,并将所述有效待匹配数据中的各个数据的数据结构均转换为创建的统一的数据结构,得到第一待匹配数据;所述统一的数据结构包括结构体和计数值;所述结构体至少包括经度、纬度以及时间。
7.根据权利要求6所述的时空数据的匹配方法,其特征在于,所述待匹配数据包括主数据以及辅助数据;采用所述统一的数据结构存储所述主数据以及所述辅助数据;
取交集时采用二分法。
8.一种时空数据的匹配装置,其特征在于,装置包括:
待匹配数据获取模块,用于获取至少两种待匹配数据,并设置时空窗口;
第一待匹配数据确定模块,用于对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;
第二待匹配数据确定模块,用于对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;
第三待匹配数据确定模块,用于对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据;
第四待匹配数据确定模块,用于将所述第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;
距离计算模块,用于确定所述第四待匹配数据中在时空窗口内的第五待匹配数据,并对所述第五待匹配数据进行距离计算;
匹配数据集确定模块,用于根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。
9.一种时空数据的匹配设备,其特征在于,设备包括:
通信单元/通信接口,用于获取至少两种待匹配数据,并设置时空窗口;
处理单元/处理器,用于对所述待匹配数据进行数据筛选和统一数据结构,得到第一待匹配数据;
对各个所述第一待匹配数据中的时间参量进行排序并取交集,得到第二待匹配数据;
对所述第二待匹配数据中的纬度参量进行排序并取交集,得到第三待匹配数据;
将所述第三待匹配数据中满足预设经度范围的数据按照经度参量进行排序并取交集,得到第四待匹配数据;
确定所述第四待匹配数据中在时空窗口内的第五待匹配数据,并对所述第五待匹配数据进行距离计算;
根据计算得到的距离,将小于空间窗口的点存储到最终匹配数据集中。
10.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有指令,当所述指令被运行时,实现权利要求1~7任一项所述的一种时空数据的匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311736598.6A CN117421460B (zh) | 2023-12-18 | 2023-12-18 | 一种时空数据的匹配方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311736598.6A CN117421460B (zh) | 2023-12-18 | 2023-12-18 | 一种时空数据的匹配方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117421460A true CN117421460A (zh) | 2024-01-19 |
CN117421460B CN117421460B (zh) | 2024-03-19 |
Family
ID=89525100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311736598.6A Active CN117421460B (zh) | 2023-12-18 | 2023-12-18 | 一种时空数据的匹配方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117421460B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246679A (zh) * | 2012-02-13 | 2013-08-14 | 刘龙 | 一种实现基于位置的搜索的系统和方法 |
US20130339371A1 (en) * | 2012-06-18 | 2013-12-19 | Hitachi, Ltd. | Spatio-temporal data management system, spatio-temporal data management method, and program thereof |
CN105426491A (zh) * | 2015-11-23 | 2016-03-23 | 武汉大学 | 一种时空地理大数据的检索方法及系统 |
CN106528589A (zh) * | 2016-09-14 | 2017-03-22 | 北京航空航天大学 | 数据管理方法及装置 |
CN112818216A (zh) * | 2021-01-13 | 2021-05-18 | 平安科技(深圳)有限公司 | 客户推荐方法、装置、电子设备及存储介质 |
US20220045858A1 (en) * | 2020-08-07 | 2022-02-10 | New Jersey Institute Of Technology | Systems and Methods for Privacy-Reserving Data Hiding |
CN114863146A (zh) * | 2022-04-27 | 2022-08-05 | 中国人民解放军国防科技大学 | 一种水下地形匹配定位方法、装置及存储介质 |
CN116049521A (zh) * | 2023-03-16 | 2023-05-02 | 浪潮软件科技有限公司 | 一种基于空间网格编码的时空数据检索方法 |
-
2023
- 2023-12-18 CN CN202311736598.6A patent/CN117421460B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246679A (zh) * | 2012-02-13 | 2013-08-14 | 刘龙 | 一种实现基于位置的搜索的系统和方法 |
US20130339371A1 (en) * | 2012-06-18 | 2013-12-19 | Hitachi, Ltd. | Spatio-temporal data management system, spatio-temporal data management method, and program thereof |
CN105426491A (zh) * | 2015-11-23 | 2016-03-23 | 武汉大学 | 一种时空地理大数据的检索方法及系统 |
CN106528589A (zh) * | 2016-09-14 | 2017-03-22 | 北京航空航天大学 | 数据管理方法及装置 |
US20220045858A1 (en) * | 2020-08-07 | 2022-02-10 | New Jersey Institute Of Technology | Systems and Methods for Privacy-Reserving Data Hiding |
CN112818216A (zh) * | 2021-01-13 | 2021-05-18 | 平安科技(深圳)有限公司 | 客户推荐方法、装置、电子设备及存储介质 |
CN114863146A (zh) * | 2022-04-27 | 2022-08-05 | 中国人民解放军国防科技大学 | 一种水下地形匹配定位方法、装置及存储介质 |
CN116049521A (zh) * | 2023-03-16 | 2023-05-02 | 浪潮软件科技有限公司 | 一种基于空间网格编码的时空数据检索方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117421460B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377667B (zh) | 关联图谱展示方法、装置、计算机设备和存储介质 | |
US11526799B2 (en) | Identification and application of hyperparameters for machine learning | |
CN110659207B (zh) | 基于核谱映射迁移集成的异构跨项目软件缺陷预测方法 | |
KR101045429B1 (ko) | 프레임-기반 데이터의 가변 분해능 프로세싱 | |
US10445341B2 (en) | Methods and systems for analyzing datasets | |
CN111950738A (zh) | 机器学习模型优化效果评估方法、装置、终端及存储介质 | |
US20160019249A1 (en) | System and method for optimizing storage of multi-dimensional data in data storage | |
CN109783023B (zh) | 一种数据下刷的方法和相关装置 | |
CN111724866A (zh) | 基于化学信息的化合物的生物响应的自动预测 | |
WO2023046059A1 (zh) | 缓存预热方法、装置、计算机设备和存储介质 | |
CN108140022B (zh) | 数据查询方法和数据库系统 | |
CN111831750A (zh) | 一种区块链数据分析方法、装置、计算机设备及存储介质 | |
CN112346951B (zh) | 业务的测试方法及装置 | |
US20170075937A1 (en) | Method and system for handling binary large objects | |
CN117421460B (zh) | 一种时空数据的匹配方法、装置及设备 | |
CN113257352A (zh) | 一种基因测序数据排序方法、集成电路及排序设备 | |
CN116894721A (zh) | 一种指标预测方法、装置、计算机设备 | |
US12055914B2 (en) | Data processing method, device and system, and electronic device | |
WO2021155576A1 (en) | Automatic parameter tuning for anomaly detection system | |
CN111180053A (zh) | 一种医院绩效信息处理方法、系统、装置及存储介质 | |
CN112783854A (zh) | 数据库的配置参数的获取方法和装置 | |
CN116563278B (zh) | 检测结果显示方法、装置、计算机设备和存储介质 | |
US20240134779A1 (en) | System and method for automated test case generation based on queuing curve analysis | |
CN118295844A (zh) | 联机内存溢出快速检测方法、装置、和计算机设备 | |
CN117992611A (zh) | 标签发现方法、标签发现装置、存储介质及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |