CN117494045B - 一种基于数据融合的数据集成智能管控系统及方法 - Google Patents
一种基于数据融合的数据集成智能管控系统及方法 Download PDFInfo
- Publication number
- CN117494045B CN117494045B CN202311462349.2A CN202311462349A CN117494045B CN 117494045 B CN117494045 B CN 117494045B CN 202311462349 A CN202311462349 A CN 202311462349A CN 117494045 B CN117494045 B CN 117494045B
- Authority
- CN
- China
- Prior art keywords
- data
- personalized
- fusion
- integration
- group
- 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.)
- Active
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 102
- 230000010354 integration Effects 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于数据融合的数据集成智能管控系统及方法,属于数据融合集成管控技术领域。本发明包括数据融合模块、操作数据集成模块、数据融合分析模块以及智能管控模块;所述数据融合模块的输出端与所述操作数据集成模块的输入端相连接;所述操作数据集成模块的输出端与所述数据融合分析模块的输入端相连接;所述数据融合分析模块的输出端与所述智能管控模块的输入端相连接。本发明能够在系统数据交替更迭过程中,基于数据融合与替换的方式进行集成智能分析,对用户个性化数据进行保留判断,能够大幅降低数据集成错误的风险,提高兼容能力。
Description
技术领域
本发明涉及数据融合集成管控技术领域,具体为一种基于数据融合的数据集成智能管控系统及方法。
背景技术
随着互联网技术的普遍应用,各类型数据系统成为了人们日常生活、工作的重要媒介之一。信息资源的高度共享,使得人的智能潜力以及社会物质资源潜力被充分发挥,个人行为、组织决策和社会运行趋于合理化的理想状态。随着信息化在IT产业的发展,以及在社会经济各部门的扩散,数据系统带来的问题也随之产生。
数据系统是随着时间进行不断更新升级的,新旧系统交替的过程中,新系统数据的输入以及旧系统数据的保留一直是一个持续困扰的问题,尤其在面对人工智能数据系统,其中应用过程中大量的个性化数据虽然使旧系统应用起来简单快捷,但如果在新系统中复刻旧系统的所有数据,将出现大量的兼容性问题与错误,因此如何在新旧系统交替过程中实现数据融合,降低数据集成错误的风险,提高兼容能力一直是传统数据系统更新中亟待解决的问题。
发明内容
本发明的目的在于提供一种基于数据融合的数据集成智能管控系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于数据融合的数据集成智能管控方法,该方法包括以下步骤:
S1、构建数据融合端口,采集旧系统内部数据,对数据进行集成分配,生成原始数据集成组与个性化数据集成组;
S2、获取新系统更新数据包,构建用户特征点,获取新系统更新数据包中与个性化数据集成组存在相同用户特征点的数据类型,记为同特征点数据集合;
S3、获取个性化数据集成组中的个性化数据的操作历史数据,构建数据智能管控模型,输出个性化数据的融合分值;
S4、系统构建分配阈值,若存在个性化数据的融合分值低于分配阈值,在个性化数据对应的同特征点数据集合中,删除个性化数据的数据类型,以新系统更新数据包中的数据类型输出;若存在个性化数据的融合分值不低于分配阈值,反馈信息至管理员端口。
根据上述技术方案,所述原始数据集成组指系统内自带的原始控制数据,未经过调整和修改;
所述个性化数据集成组指用户在使用过程中通过手动设置的方式形成的智能控制数据,用于记住用户的使用偏好。
根据上述技术方案,所述同特征点数据集合包括:
获取新系统内数据,与旧系统数据进行对比,输出新系统更新数据包,提取新系统更新数据包中的数据特征点,所述数据特征点包括数据类型、数据的上一级控制节点、数据存储位置、数据指令控制的系统节点;若存在任一个性化数据集成组的数据满足与新系统更新数据包中的任一数据相同的数据特征点超过系统设置的数量阈值,定义为同特征点数据集合。
根据上述技术方案,所述构建数据智能管控模型包括:
获取个性化数据集成组中的个性化数据的操作历史数据,所述操作历史数据包括调用记录、关联节点数量、修改次数以及使用频率占比;以操作历史数据作为输入特征,其中调用记录指个性化数据被调用的总次数;所述关联节点指个性化数据对应的节点与其他节点存在指令上的上下级关系,上下级关系指的是能够控制或者被控制,例如节点1能够发送指令给到个性化数据对应的节点或者个性化数据对应的节点能够发送指令给到节点1,都说明节点1是个性化数据对应的节点的关联节点之一;所述修改次数指用户对个性化数据的调节系数;所述使用频率占比指用户对给个性化数据的使用次数与开机次数的比值;
对输入特征进行模糊化,对每一个特征设置n个隶属度函数,所述隶属度函数取钟型函数,隶属度函数参数记为前向参数;根据n个隶属度函数对每一个输入特征取一个[0,1]的隶属度;
取任一个输入特征的所有隶属度相乘得到输入特征的触发强度,并对每一层的触发强度做归一化,用来表征输入特征在整个输入特征库中的触发比重(可以理解为在整个推理过程中使用到这条输入特征的程度):
其中,指输入特征i的触发强度归一化适用度;/>指输入特征i的触发强度;N指输入特征数量;/>指输入特征i的隶属度总和;
根据输入特征i以及输入特征i的n个隶属度,构建输入特征i的线性组合式Fi:
其中,、/>、/>、/>、/>分别代表输入特征i的后向参数;/>、/>、/>、/>分别代表输入特征i的n个隶属度数据;
在操作历史数据下,选取若干组输入特征i的数据,作为线性组合式因变量Fi取值,每一组输入特征i对应的n个隶属度数据作为自变量、/>、/>、/>的取值,利用寻优算法输出输入特征i的后向参数,形成输入特征i的线性组合式;
对所有输入特征进行求和,作为系统最后的输出结果,记为个性化数据的融合分值:
其中,Q指个性化数据的融合分值;
构建若干组测试组数据,用户选用保留旧系统个性化数据的记为第一标签组;用户不选用保留旧系统个性化数据的记为第二标签组,取第二标签组内数据对应的个性化数据的融合分值的平均值作为分配阈值。
一种基于数据融合的数据集成智能管控系统,该系统包括:数据融合模块、操作数据集成模块、数据融合分析模块以及智能管控模块;
所述数据融合模块用于构建数据融合端口,采集旧系统内部数据,对数据进行集成分配,生成原始数据集成组与个性化数据集成组;所述操作数据集成模块用于获取新系统更新数据包,构建用户特征点,获取新系统更新数据包中与个性化数据集成组存在相同用户特征点的数据类型,记为同特征点数据集合;所述数据融合分析模块用于获取个性化数据集成组中的个性化数据的操作历史数据,构建数据智能管控模型,输出个性化数据的融合分值;所述智能管控模块用于构建分配阈值,若存在个性化数据的融合分值低于分配阈值,在个性化数据对应的同特征点数据集合中,删除个性化数据的数据类型,以新系统更新数据包中的数据类型输出;若存在个性化数据的融合分值不低于分配阈值,反馈信息至管理员端口;
所述数据融合模块的输出端与所述操作数据集成模块的输入端相连接;所述操作数据集成模块的输出端与所述数据融合分析模块的输入端相连接;所述数据融合分析模块的输出端与所述智能管控模块的输入端相连接。
根据上述技术方案,所述数据融合模块包括系统数据采集单元和数据集成组分类单元;
所述系统数据采集单元用于构建数据融合端口,采集旧系统内部数据;所述数据集成组分类单元用于对数据进行集成分配,生成原始数据集成组与个性化数据集成组;所述原始数据集成组指系统内自带的原始控制数据,未经过调整和修改;所述个性化数据集成组指用户在使用过程中通过手动设置的方式形成的智能控制数据,用于记住用户的使用偏好;
所述系统数据采集单元的输出端与所述数据集成组分类单元的输入端相连接。
根据上述技术方案,所述操作数据集成模块包括特征点分析单元和集成单元;
所述特征点分析单元用于获取新系统更新数据包,构建用户特征点;所述集成单元用于获取新系统更新数据包中与个性化数据集成组存在相同用户特征点的数据类型,记为同特征点数据集合;
所述特征点分析单元的输出端与所述集成单元的输入端相连接。
根据上述技术方案,所述数据融合分析模块包括数据智能管控单元与分值输出单元;
所述数据智能管控单元用于获取个性化数据集成组中的个性化数据的操作历史数据,构建数据智能管控模型;所述分值输出单元用于根据数据智能管控模型实时输出个性化数据的融合分值;
所述数据智能管控单元的输出端与所述分值输出单元的输入端相连接。
根据上述技术方案,所述智能管控模块包括分配阈值处理单元与对比单元;
所述分配阈值处理单元用于构建若干组测试组数据,用户选用保留旧系统个性化数据的记为第一标签组;用户不选用保留旧系统个性化数据的记为第二标签组,取第二标签组内数据对应的个性化数据的融合分值的平均值作为分配阈值;所述对比单元用于对比个性化数据的融合分值与分配阈值的大小关系;
所述分配阈值处理单元的输出端与所述对比单元的输入端相连接。
与现有技术相比,本发明所达到的有益效果是:本发明通过构建数据融合端口,采集旧系统内部数据,对数据进行集成分配,获取新系统更新数据包,构建同特征点数据集合,基于数据智能管控模型,输出个性化数据的融合分值;再次构建分配阈值,将个性化数据的融合分值与分配阈值进行对比输出,从而实现在系统数据交替更迭过程中,基于数据融合与替换的方式进行集成智能分析,对用户个性化数据进行保留判断,能够大幅降低数据集成错误的风险,提高兼容能力。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于数据融合的数据集成智能管控系统及方法的流程示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
请参阅图1,在本实施例一中,提供一种基于数据融合的数据集成智能管控方法,该方法包括:
构建数据融合端口,采集旧系统内部数据,对数据进行集成分配,生成原始数据集成组与个性化数据集成组;
所述原始数据集成组指系统内自带的原始控制数据,未经过调整和修改;
所述个性化数据集成组指用户在使用过程中通过手动设置的方式形成的智能控制数据,用于记住用户的使用偏好;
以系统开机为例,原始控制数据指开机后直接进入系统内部,个性化数据集成指用户个人设置了密码,在开机后需要先输入密码再进入系统内部;
获取新系统更新数据包,构建用户特征点,获取新系统更新数据包中与个性化数据集成组存在相同用户特征点的数据类型,记为同特征点数据集合;
获取新系统内数据,与旧系统数据进行对比,输出新系统更新数据包,提取新系统更新数据包中的数据特征点,所述数据特征点包括数据类型、数据的上一级控制节点、数据存储位置、数据指令控制的系统节点;若存在任一个性化数据集成组的数据满足与新系统更新数据包中的任一数据相同的数据特征点超过系统设置的数量阈值(一般设置为数量不多于1个,即存在4个特征点时,至少应满足3个相同,才判定为同特征点数据集合),定义为同特征点数据集合;
在系统开机事件上,数据类型、数据的上一级控制节点、数据存储位置、数据指令控制的系统节点均完全相同,因此新系统于旧系统可划分为同特征点数据集合,因此在更新新系统过程中,要判断是否沿用旧系统中的开机输入密码的行为数据;
获取个性化数据集成组中的个性化数据的操作历史数据,构建数据智能管控模型,输出个性化数据的融合分值;
所述构建数据智能管控模型包括:
获取个性化数据集成组中的个性化数据的操作历史数据,所述操作历史数据包括调用记录、关联节点数量、修改次数以及使用频率占比;以操作历史数据作为输入特征,其中调用记录指个性化数据被调用的总次数;所述关联节点指个性化数据对应的节点与其他节点存在指令上的上下级关系;所述修改次数指用户对个性化数据的调节系数;所述使用频率占比指用户对给个性化数据的使用次数与开机次数的比值;
对输入特征进行模糊化,对每一个特征设置n个隶属度函数,所述隶属度函数取钟型函数,隶属度函数参数记为前向参数;根据n个隶属度函数对每一个输入特征取一个[0,1]的隶属度;
取任一个输入特征的所有隶属度相乘得到输入特征的触发强度,并对每一层的触发强度做归一化,用来表征输入特征在整个输入特征库中的触发比重:
其中,指输入特征i的触发强度归一化适用度;/>指输入特征i的触发强度;N指输入特征数量;/>指输入特征i的隶属度总和;
根据输入特征i以及输入特征i的n个隶属度,构建输入特征i的线性组合式Fi:
其中,、/>、/>、/>、/>分别代表输入特征i的后向参数;/>、/>、/>、/>分别代表输入特征i的n个隶属度数据;
在操作历史数据下,选取若干组输入特征i的数据,作为线性组合式因变量Fi取值,每一组输入特征i对应的n个隶属度数据作为自变量、/>、/>、/>的取值,利用寻优算法输出输入特征i的后向参数,形成输入特征i的线性组合式;
对所有输入特征进行求和,作为系统最后的输出结果,记为个性化数据的融合分值:
其中,Q指个性化数据的融合分值;
构建若干组测试组数据,用户选用保留旧系统个性化数据的记为第一标签组;用户不选用保留旧系统个性化数据的记为第二标签组,取第二标签组内数据对应的个性化数据的融合分值的平均值作为分配阈值。
若存在个性化数据的融合分值低于分配阈值,在个性化数据对应的同特征点数据集合中,删除个性化数据的数据类型,以新系统更新数据包中的数据类型输出;若存在个性化数据的融合分值不低于分配阈值,反馈信息至管理员端口。
在本实施例二中,提供一种基于数据融合的数据集成智能管控系统,该系统包括:数据融合模块、操作数据集成模块、数据融合分析模块以及智能管控模块;
所述数据融合模块用于构建数据融合端口,采集旧系统内部数据,对数据进行集成分配,生成原始数据集成组与个性化数据集成组;所述操作数据集成模块用于获取新系统更新数据包,构建用户特征点,获取新系统更新数据包中与个性化数据集成组存在相同用户特征点的数据类型,记为同特征点数据集合;所述数据融合分析模块用于获取个性化数据集成组中的个性化数据的操作历史数据,构建数据智能管控模型,输出个性化数据的融合分值;所述智能管控模块用于构建分配阈值,若存在个性化数据的融合分值低于分配阈值,在个性化数据对应的同特征点数据集合中,删除个性化数据的数据类型,以新系统更新数据包中的数据类型输出;若存在个性化数据的融合分值不低于分配阈值,反馈信息至管理员端口;
所述数据融合模块的输出端与所述操作数据集成模块的输入端相连接;所述操作数据集成模块的输出端与所述数据融合分析模块的输入端相连接;所述数据融合分析模块的输出端与所述智能管控模块的输入端相连接。
所述数据融合模块包括系统数据采集单元和数据集成组分类单元;
所述系统数据采集单元用于构建数据融合端口,采集旧系统内部数据;所述数据集成组分类单元用于对数据进行集成分配,生成原始数据集成组与个性化数据集成组;所述原始数据集成组指系统内自带的原始控制数据,未经过调整和修改;所述个性化数据集成组指用户在使用过程中通过手动设置的方式形成的智能控制数据,用于记住用户的使用偏好;
所述系统数据采集单元的输出端与所述数据集成组分类单元的输入端相连接。
所述操作数据集成模块包括特征点分析单元和集成单元;
所述特征点分析单元用于获取新系统更新数据包,构建用户特征点;所述集成单元用于获取新系统更新数据包中与个性化数据集成组存在相同用户特征点的数据类型,记为同特征点数据集合;
所述特征点分析单元的输出端与所述集成单元的输入端相连接。
所述数据融合分析模块包括数据智能管控单元与分值输出单元;
所述数据智能管控单元用于获取个性化数据集成组中的个性化数据的操作历史数据,构建数据智能管控模型;所述分值输出单元用于根据数据智能管控模型实时输出个性化数据的融合分值;
所述数据智能管控单元的输出端与所述分值输出单元的输入端相连接。
所述智能管控模块包括分配阈值处理单元与对比单元;
所述分配阈值处理单元用于构建若干组测试组数据,用户选用保留旧系统个性化数据的记为第一标签组;用户不选用保留旧系统个性化数据的记为第二标签组,取第二标签组内数据对应的个性化数据的融合分值的平均值作为分配阈值;所述对比单元用于对比个性化数据的融合分值与分配阈值的大小关系;
所述分配阈值处理单元的输出端与所述对比单元的输入端相连接。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是: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,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。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 (6)
1.一种基于数据融合的数据集成智能管控方法,其特征在于:该方法包括以下步骤:
S1、构建数据融合端口,采集旧系统内部数据,对数据进行集成分配,生成原始数据集成组与个性化数据集成组;
S2、获取新系统更新数据包,构建用户特征点,获取新系统更新数据包中与个性化数据集成组存在相同用户特征点的数据类型,记为同特征点数据集合;
S3、获取个性化数据集成组中的个性化数据的操作历史数据,构建数据智能管控模型,输出个性化数据的融合分值;
S4、系统构建分配阈值,若存在个性化数据的融合分值低于分配阈值,在个性化数据对应的同特征点数据集合中,删除个性化数据的数据类型,以新系统更新数据包中的数据类型输出;若存在个性化数据的融合分值不低于分配阈值,反馈信息至管理员端口;
所述原始数据集成组指系统内自带的原始控制数据,未经过调整和修改;
所述个性化数据集成组指用户在使用过程中通过手动设置的方式形成的智能控制数据,用于记住用户的使用偏好;
所述同特征点数据集合包括:
获取新系统内数据,与旧系统数据进行对比,输出新系统更新数据包,提取新系统更新数据包中的数据特征点,所述数据特征点包括数据类型、数据的上一级控制节点、数据存储位置、数据指令控制的系统节点;若存在任一个性化数据集成组的数据满足与新系统更新数据包中的任一数据相同的数据特征点超过系统设置的数量阈值,定义为同特征点数据集合;
所述构建数据智能管控模型包括:
获取个性化数据集成组中的个性化数据的操作历史数据,所述操作历史数据包括调用记录、关联节点数量、修改次数以及使用频率占比;以操作历史数据作为输入特征,其中调用记录指个性化数据被调用的总次数;所述关联节点指个性化数据对应的节点与其他节点存在指令上的上下级关系;所述修改次数指用户对个性化数据的调节系数;所述使用频率占比指用户对给个性化数据的使用次数与开机次数的比值;
对输入特征进行模糊化,对每一个特征设置n个隶属度函数,所述隶属度函数取钟型函数,隶属度函数参数记为前向参数;根据n个隶属度函数对每一个输入特征取一个[0,1]的隶属度;
取任一个输入特征的所有隶属度相乘得到输入特征的触发强度,并对每一层的触发强度做归一化,用来表征输入特征在整个输入特征库中的触发比重:
其中,w0、i指输入特征i的触发强度归一化适用度;wi指输入特征i的触发强度;N指输入特征数量;hi指输入特征i的隶属度总和;
根据输入特征i以及输入特征i的n个隶属度,构建输入特征i的线性组合式Fi:
Fi=a0+a1*x1+a2*x2+…+an*xn
其中,a0、a1、a2、…、an分别代表输入特征i的后向参数;x1、x2、…、xn分别代表输入特征i的n个隶属度数据;
在操作历史数据下,选取若干组输入特征i的数据,作为线性组合式因变量Fi取值,每一组输入特征i对应的n个隶属度数据作为自变量x1、x2、…、xn的取值,利用寻优算法输出输入特征i的后向参数,形成输入特征i的线性组合式;
对所有输入特征进行求和,作为系统最后的输出结果,记为个性化数据的融合分值:
其中,Q指个性化数据的融合分值;
构建若干组测试组数据,用户选用保留旧系统个性化数据的记为第一标签组;用户不选用保留旧系统个性化数据的记为第二标签组,取第二标签组内数据对应的个性化数据的融合分值的平均值作为分配阈值。
2.一种基于数据融合的数据集成智能管控系统,使用如权利要求1所述的一种基于数据融合的数据集成智能管控方法,其特征在于:该系统包括:数据融合模块、操作数据集成模块、数据融合分析模块以及智能管控模块;
所述数据融合模块用于构建数据融合端口,采集旧系统内部数据,对数据进行集成分配,生成原始数据集成组与个性化数据集成组;所述操作数据集成模块用于获取新系统更新数据包,构建用户特征点,获取新系统更新数据包中与个性化数据集成组存在相同用户特征点的数据类型,记为同特征点数据集合;所述数据融合分析模块用于获取个性化数据集成组中的个性化数据的操作历史数据,构建数据智能管控模型,输出个性化数据的融合分值;所述智能管控模块用于构建分配阈值,若存在个性化数据的融合分值低于分配阈值,在个性化数据对应的同特征点数据集合中,删除个性化数据的数据类型,以新系统更新数据包中的数据类型输出;若存在个性化数据的融合分值不低于分配阈值,反馈信息至管理员端口;
所述数据融合模块的输出端与所述操作数据集成模块的输入端相连接;所述操作数据集成模块的输出端与所述数据融合分析模块的输入端相连接;所述数据融合分析模块的输出端与所述智能管控模块的输入端相连接。
3.根据权利要求2所述的一种基于数据融合的数据集成智能管控系统,其特征在于:所述数据融合模块包括系统数据采集单元和数据集成组分类单元;
所述系统数据采集单元用于构建数据融合端口,采集旧系统内部数据;所述数据集成组分类单元用于对数据进行集成分配,生成原始数据集成组与个性化数据集成组;所述原始数据集成组指系统内自带的原始控制数据,未经过调整和修改;所述个性化数据集成组指用户在使用过程中通过手动设置的方式形成的智能控制数据,用于记住用户的使用偏好;
所述系统数据采集单元的输出端与所述数据集成组分类单元的输入端相连接。
4.根据权利要求2所述的一种基于数据融合的数据集成智能管控系统,其特征在于:所述操作数据集成模块包括特征点分析单元和集成单元;
所述特征点分析单元用于获取新系统更新数据包,构建用户特征点;所述集成单元用于获取新系统更新数据包中与个性化数据集成组存在相同用户特征点的数据类型,记为同特征点数据集合;
所述特征点分析单元的输出端与所述集成单元的输入端相连接。
5.根据权利要求2所述的一种基于数据融合的数据集成智能管控系统,其特征在于:所述数据融合分析模块包括数据智能管控单元与分值输出单元;
所述数据智能管控单元用于获取个性化数据集成组中的个性化数据的操作历史数据,构建数据智能管控模型;所述分值输出单元用于根据数据智能管控模型实时输出个性化数据的融合分值;
所述数据智能管控单元的输出端与所述分值输出单元的输入端相连接。
6.根据权利要求2所述的一种基于数据融合的数据集成智能管控系统,其特征在于:所述智能管控模块包括分配阈值处理单元与对比单元;
所述分配阈值处理单元用于构建若干组测试组数据,用户选用保留旧系统个性化数据的记为第一标签组;用户不选用保留旧系统个性化数据的记为第二标签组,取第二标签组内数据对应的个性化数据的融合分值的平均值作为分配阈值;所述对比单元用于对比个性化数据的融合分值与分配阈值的大小关系;
所述分配阈值处理单元的输出端与所述对比单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311462349.2A CN117494045B (zh) | 2023-11-06 | 2023-11-06 | 一种基于数据融合的数据集成智能管控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311462349.2A CN117494045B (zh) | 2023-11-06 | 2023-11-06 | 一种基于数据融合的数据集成智能管控系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117494045A CN117494045A (zh) | 2024-02-02 |
CN117494045B true CN117494045B (zh) | 2024-04-26 |
Family
ID=89677745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311462349.2A Active CN117494045B (zh) | 2023-11-06 | 2023-11-06 | 一种基于数据融合的数据集成智能管控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117494045B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6425257B1 (ja) * | 2017-09-12 | 2018-11-21 | 株式会社三井住友銀行 | 新旧システムの並行稼働に伴う移行負担・リスクを軽減するシステム移行方法、移行システム及びプログラム |
CN110197404A (zh) * | 2019-06-12 | 2019-09-03 | 合肥工业大学 | 可降低流行度偏差的个性化长尾商品推荐方法和系统 |
CN111507508A (zh) * | 2020-03-26 | 2020-08-07 | 冶金自动化研究设计院 | 一种数据和知识结合的防护决策分析方法 |
US10986084B1 (en) * | 2017-09-22 | 2021-04-20 | Massachusetts Mutual Life Insurance Company | Authentication data migration |
CN112859792A (zh) * | 2021-02-04 | 2021-05-28 | 杭州易闻科技有限公司 | 一种智能工厂管控系统 |
CN113010607A (zh) * | 2021-04-06 | 2021-06-22 | 工银科技有限公司 | 系统间数据同步方法、装置、计算机系统、存储介质 |
CN113641653A (zh) * | 2021-08-10 | 2021-11-12 | 中国民用航空局信息中心 | 一种基于国产达梦数据库的历史数据迁移方法及系统 |
WO2023130599A1 (zh) * | 2022-01-06 | 2023-07-13 | 苏州百孝医疗科技有限公司 | 标签生成方法和装置、监控血糖水平的系统 |
CN116910034A (zh) * | 2023-07-26 | 2023-10-20 | 上海微盟企业发展有限公司 | 一种数据迁移方法、装置、设备及可读存储介质 |
CN116934062A (zh) * | 2023-09-19 | 2023-10-24 | 南京海汇装备科技有限公司 | 一种基于多元融合的信息处理系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230259520A1 (en) * | 2022-02-17 | 2023-08-17 | Business Mobile Ag | One-Click Paradigm for Data Processing in Data Migration |
-
2023
- 2023-11-06 CN CN202311462349.2A patent/CN117494045B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6425257B1 (ja) * | 2017-09-12 | 2018-11-21 | 株式会社三井住友銀行 | 新旧システムの並行稼働に伴う移行負担・リスクを軽減するシステム移行方法、移行システム及びプログラム |
US10986084B1 (en) * | 2017-09-22 | 2021-04-20 | Massachusetts Mutual Life Insurance Company | Authentication data migration |
CN110197404A (zh) * | 2019-06-12 | 2019-09-03 | 合肥工业大学 | 可降低流行度偏差的个性化长尾商品推荐方法和系统 |
CN111507508A (zh) * | 2020-03-26 | 2020-08-07 | 冶金自动化研究设计院 | 一种数据和知识结合的防护决策分析方法 |
CN112859792A (zh) * | 2021-02-04 | 2021-05-28 | 杭州易闻科技有限公司 | 一种智能工厂管控系统 |
CN113010607A (zh) * | 2021-04-06 | 2021-06-22 | 工银科技有限公司 | 系统间数据同步方法、装置、计算机系统、存储介质 |
CN113641653A (zh) * | 2021-08-10 | 2021-11-12 | 中国民用航空局信息中心 | 一种基于国产达梦数据库的历史数据迁移方法及系统 |
WO2023130599A1 (zh) * | 2022-01-06 | 2023-07-13 | 苏州百孝医疗科技有限公司 | 标签生成方法和装置、监控血糖水平的系统 |
CN116910034A (zh) * | 2023-07-26 | 2023-10-20 | 上海微盟企业发展有限公司 | 一种数据迁移方法、装置、设备及可读存储介质 |
CN116934062A (zh) * | 2023-09-19 | 2023-10-24 | 南京海汇装备科技有限公司 | 一种基于多元融合的信息处理系统及方法 |
Non-Patent Citations (3)
Title |
---|
Data Migration Need, Strategy, Challenges, Methodology, Categories, Risks, Uses with Cloud Computing, and Improvements in Its Using with Cloud Using Suggested Proposed Model (DMig 1);A. A. Hussien;《Journal of Information Security》;20210119;第12卷(第1期);79-103 * |
Interoperable Data Migration between NoSQL Columnar Databases;M. Scavuzzo等;《2014 IEEE 18th International Enterprise Distributed Object Computing Conference Workshops and Demonstrations》;20140902;154-162 * |
资源发现系统中多源文献元数据融合研究;李想;《中国优秀硕士学位论文全文数据库:信息科技辑》;20210501(第5期);1-63 * |
Also Published As
Publication number | Publication date |
---|---|
CN117494045A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145047B (zh) | 用户标签画像的配置方法、数据处理装置及存储介质 | |
CN108052605A (zh) | 一种基于客户特征库的智能问答系统 | |
CN111538901B (zh) | 一种物品推荐方法、装置、服务器及储存介质 | |
Hill et al. | Building an effective representation for dynamic networks | |
CN110766438B (zh) | 一种通过人工智能对电网用户的用户行为进行分析的方法 | |
CN101071412A (zh) | 一种基于自定义模型的神经网络分析系统及方法 | |
CN109992642B (zh) | 一种基于科技词条的单任务专家自动遴选方法及系统 | |
CN115497272A (zh) | 一种基于数字化建造的工期智能化预警系统及方法 | |
CN112115276B (zh) | 基于知识图谱的智能客服方法、装置、设备及存储介质 | |
CN111985623A (zh) | 基于最大化互信息和图神经网络的属性图群组发现方法 | |
CN111198969A (zh) | 一种基于网络大数据的经济信息咨询系统和方法 | |
CN108399553A (zh) | 一种考虑地理和线路从属关系的用户特征标签设定方法 | |
CN106708912A (zh) | 垃圾文件识别及管理方法、识别装置、管理装置和终端 | |
CN113435627A (zh) | 基于工单轨迹信息的电力客户投诉预测方法及装置 | |
CN102411594B (zh) | 一种获取信息的方法及装置 | |
CN117494045B (zh) | 一种基于数据融合的数据集成智能管控系统及方法 | |
CN115544250B (zh) | 一种数据处理方法及系统 | |
Bordogna et al. | Graph‐based interaction in a fuzzy object oriented database | |
Castellanos et al. | Improving Machine Learning Performance Using Conceptual Modeling. | |
CN115222302A (zh) | 一种企业信息系统自动化决策分析模型构建及其约简方法 | |
CN114066310A (zh) | 审批任务分配方法、装置、计算机设备和存储介质 | |
CN110135747B (zh) | 基于神经网络的流程定制方法 | |
CN110851852B (zh) | 基于移动社交网络的数据访问控制策略生成方法 | |
CN113554241A (zh) | 一种基于用户用电投诉行为的用户分层方法及预测方法 | |
CN112559854A (zh) | 一种分类方法及装置 |
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 |