CN117668326B - 智慧标识的数据处理方法、系统和设备 - Google Patents
智慧标识的数据处理方法、系统和设备 Download PDFInfo
- Publication number
- CN117668326B CN117668326B CN202410123318.2A CN202410123318A CN117668326B CN 117668326 B CN117668326 B CN 117668326B CN 202410123318 A CN202410123318 A CN 202410123318A CN 117668326 B CN117668326 B CN 117668326B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- identification
- compiling
- model
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims description 33
- 230000002776 aggregation Effects 0.000 claims description 24
- 238000004220 aggregation Methods 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种智慧标识的数据处理方法、系统和设备，所述方法，包括：获取智慧标识屏上的标识数据；通过标识模型对所述标识数据进行处理，并依据处理数据进行数据聚类，得到对应的聚类数据；对所述聚类数据进行分析，得到分析结果，依据分析结果制定对应的决策信息，将决策信息分别发送至所述智慧标识屏和智慧标识管理平台；所述智慧标识屏执行所述标识模型发送的决策信息，生成反馈数据，对反馈数据进行特征加密，得到加密数据和解密值，将加密数据和解密值发送至所述标识模型；通过标识模型依据解密值读取加密数据中的反馈数据，并依据所述反馈数据对所述标识模型进行数据更新。本发明实时控制智慧标识屏所显示的内容。
Description
技术领域
本发明涉及智慧标识领域，特别涉及一种智慧标识的数据处理方法、系统和设备。
背景技术
传统的标识牌，交互性比较简单，主要以不会轻易改变的导视信息为主。而智能标识则是一个很好的信息载体，它可以让用户在不同的地方找到自己想要的信息。智能标识是静态标识与信息化系统软硬件结合的标识产品。通常以LED 屏幕为载体，整合物联网、传感技术、云计算等技术，让静态传统标识在数据的驱动下能够动态变化展现，让标识管理者能够便捷管理场内所有标识设备。但目前的智慧标识还需要人工巡视，以判断智慧标识是否出现故障，并且目前的智慧标识所显示的内容通常预先设置，无法实时响应变化以提供对应的服务。
发明内容
本发明的主要目的为提供一种智慧标识的数据处理方法、系统和设备，通过获取智慧标识屏的数据，进行处理，能够控制智慧标识屏所显示的内容，并且能实时响应变化，控制智慧标识屏提供对应的服务。
为实现上述目的，本发明提供了一种智慧标识的数据处理方法，包括：
获取智慧标识屏上的标识数据；
通过标识模型对所述标识数据进行处理，并依据处理数据进行数据聚类，得到对应的聚类数据；
对所述聚类数据进行分析，得到分析结果，依据分析结果制定对应的决策信息，将决策信息分别发送至所述智慧标识屏和智慧标识管理平台；
所述智慧标识屏执行所述标识模型发送的决策信息，生成反馈数据，对反馈数据进行特征加密，得到加密数据和解密值，将加密数据和解密值发送至所述标识模型；
通过标识模型依据解密值读取加密数据中的反馈数据，并依据所述反馈数据对所述标识模型进行数据更新。
进一步地，所述通过标识模型对所述标识数据进行处理，包括：
通过所述标识模型依据移动平均滤波算法对所述标识数据进行平滑处理，得到平滑数据，依据异常检测算法对平滑数据进行异常检测，并对异常数据进行清除，得到处理数据；
其中，依据异常检测算法对平滑数据进行异常检测包括：
通过对所有平滑数据进行计算得到平滑数据的均值，通过对均值和平滑数据的数据点进行计算得到标准差，通过每个平滑数据的数据点、均值和标准差进行计算得到标准化分数，将计算得的标准化分数与预设的阈值进行比较，并将超过预设阈值的标准化分数对应的平滑数据标记为异常数据；
所述标准化分数计算公式为：标准化分数= (数据点-均值) / 标准差。
进一步地，所述依据处理数据进行数据聚类，得到对应的聚类数据，包括：
通过所述标识模型对所述处理数据进行特征码提取，并对特征码进行识别，得到识别数据；将识别数据分别按指令数据和状态数据进行分类存储，得到指令聚集数据和状态聚集数据。
进一步地，所述标识模型包括分析子模型和对策子模型，所述对所述聚类数据进行分析，得到分析结果，包括：
通过所述分析子模型对所述指令聚集数据进行计算，得到所述指令聚集数据的数据长度，结合预设的特征码表和数据长度对所述指令聚集数据进行特征码提取，得到指令特征码，基于所述分析子模型依据预设的指令码表对指令特征码进行匹配，得到所述指令聚集数据的具体指令，将所述具体指令发送至所述对策子模型；
通过所述分析子模型对状态聚集数据进行解析，得到状态编码和统计特征码，对状态编码进行识别，得到所述智慧标识屏的运行状态，通过所述分析子模型结合统计特征码和所述智慧标识屏的运行状态进行处理，得到具体的状态变化曲线，基于状态变化曲线生成状态报告并发送至所述对策子模型。
进一步地，所述依据分析结果制定对应的决策信息，将决策信息发送至所述智慧标识屏和智慧标识管理平台，包括：
通过所述对策子模型依据对策指令表对所述具体指令进行匹配，得到匹配结果，对匹配结果依次进行排序，将匹配度最高的匹配结果对应的对策指令生成对应的对策，并分别发送至所述智慧标识屏和所述智慧标识管理平台；
通过所述对策子模型依据预设的状态表对所述状态报告进行检测，当所述状态报告符合状态表时，检测通过，生成检测报告发送至所述智慧标识管理平台；当所述状态报告不符合状态表时，检测不通过，生成异常检测报告发送至所述智慧标识管理平台；其中，异常检测报告包括所述智慧标识屏的异常信息和异常解决方案。
进一步地，所述对反馈数据进行特征加密，得到加密数据和解密值，包括：
所述智慧标识屏对所述反馈数据进行特征值提取，得到特征值，依据所述特征值对所述反馈数据进行加密，得到加密数据和解密密码，通过预设的编译表对解密密码进行编译处理，并将编译处理得到的第一编译值、第二编译值和第三编译值进行统一封装处理，得到解密值。
进一步地，所述通过标识模型依据解密值读取加密数据中的反馈数据，并依据所述反馈数据对所述标识模型进行数据更新，包括：
通过所述标识模型对所述解密值进行初次解封读取，获得所述第一编译值，依据所述编译表对所述第一编译值进行检测，当所述第一编译值符合所述编译表的要求时，所述标识模模型通过所述第一编译值对所述解密值进行二次解封读取，得到所述第二编译值；依据所述编译表对所述第二编译值进行检测，当所述第二编译值符合所述编译表的要求时，所述标识模模型通过所述第一编译值和所述第二编译值对所述解密值进行三次解封读取，得到所述第三编译值；
依据所述编译表对所述第三编译值进行检测，当所述第三编译值符合所述编译表的要求时，通过所述标识模型依据所述编译表对所述第一编译值、所述第二编译值和所述第三编译值进行反编译处理，并依据反编译处理得到所述解密密码，并对所述加密数据进行解密读取，得到所述反馈数据；
通过所述标识模型依据所述分析结果对所述反馈数据进行解析，得到所述分析结果与所述反馈数据的偏差数据，基于所述标识模型依据所述偏差数据进行数据更新。
本发明还提供一种智慧标识的数据处理系统，包括：
获取模块，所述获取模块用于获取智慧标识屏上的标识数据；
聚类模块，所述聚类模块用于通过标识模型对所述标识数据进行处理，并依据处理数据进行数据聚类，得到对应的聚类数据；
处理模块，所述处理模块用于对所述聚类数据进行分析，得到分析结果，依据分析结果制定对应的决策信息，将决策信息分别发送至所述智慧标识屏和智慧标识管理平台；
执行模块，所述执行模块用于所述智慧标识屏执行所述标识模型发送的决策信息，生成反馈数据，对反馈数据进行特征加密，得到加密数据和解密值，将加密数据和解密值发送至所述标识模型；
更新模块，所述更新模块用于通过标识模型依据解密值读取加密数据中的反馈数据，并依据所述反馈数据对所述标识模型进行数据更新。
本发明还提供一种智慧标识的数据处理设备，包括：
存储器，用于存储程序；
处理器，用于执行所述程序，实现上述任意一项所述的智慧标识的数据处理方法的各个步骤。
本发明提供的一种智慧标识的数据处理方法、系统和装置具有以下有益效果：
通过使用标识模型对标识数据进行处理和聚类，同时通过对聚类信息的分析，得到分析结果，并基于分析结果制定对应的决策信息，并发送决策信息到智慧标识屏，使得能实时获取智慧标识屏的状态，并且能基于智慧标识屏的状态和分析结果生成对应的决策信息，从而实时控制智慧标识屏的显示内容，智慧标识屏执行标识模型发送的决策信息，生成对应的反馈数据，并发送反馈数据至标识模型中，使得智慧标识屏能够自动执行决策信息，并能实时响应问题，提供对应的服务，以及预先处理智慧标识屏的状态问题，降低人力成本。
附图说明
图1是本发明提供的一种智慧标识的数据处理方法的流程图；
图2是本发明提供的一种智慧标识的数据处理系统的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照附图1，本发明提出的一种智慧标识的数据处理方法，包括：
步骤1：获取智慧标识屏上的标识数据；
步骤2：通过标识模型对标识数据进行处理，并依据处理数据进行数据聚类，得到对应的聚类数据；
步骤3：对聚类数据进行分析，得到分析结果，依据分析结果制定对应的决策信息，将决策信息分别发送至智慧标识屏和智慧标识管理平台；
步骤4：智慧标识屏执行标识模型发送的决策信息，生成反馈数据，对反馈数据进行特征加密，得到加密数据和解密值，将加密数据和解密值发送至标识模型；
步骤5：通过标识模型依据解密值读取加密数据中的反馈数据，并依据反馈数据对标识模型进行数据更新。
如上述发明的步骤，具体的步骤如下：
步骤1： 首先，管理系统需要确定与智慧标识屏进行通信的协议和接口。
当确定通信接口后，管理系统通过所确定的通信接口与智慧标识屏进行连接，根据所选的通信协议和接口，使用适当的硬件设备（如串口转USB适配器）或软件驱动程序来建立连接。建立连接后，管理系统向智慧标识屏发送请求，请求获取标识数据。智慧标识屏接收到管理系统的请求后，根据请求进行处理，并将相应的标识数据通过通信接口发送回管理系统。管理系统接收到标识数据后，对其进行解析，提取出有效的标识数据。提取出来的标识数据可以根据需要进行存储，以便后续使用或分析，存储可以采用适当的数据结构或格式，如数据库、文件系统等。
其中，智慧标识屏：指一种具备智能化功能的显示屏，可以显示文字、图像等信息，并能够与管理系统或其他设备进行通信和交互。
通信协议可以是串口通信（如RS232、RS485）、以太网通信（如TCP/IP）或其他适用的协议，接口可以是物理接口（如串口、网口）或软件接口（如API、SDK）。
请求可以是特定的指令、命令或数据包，用于告知智慧标识屏需要获取的数据类型或内容。
标识数据包括通过布设在智慧标识屏上的传感器获取的环境数据和智慧标识屏的状态和指令数据。
步骤2：将获取的标识数据传递给标识模型，标识模型对标识数据进行处理，包括数据清洗、特征提取、数据转换等。标识模型应用数据聚类算法，将标识数据分组成不同的聚类数据。
其中，标识模型为设置在管理系统上的人工智能学习模型。
步骤3： 对聚类数据进行分析，使用统计分析、机器学习或其他数据分析方法，得到分析结果。 根据分析结果制定相应的决策信息，如优化商品陈列、调整促销策略等。 将决策信息分别发送至智慧标识屏和智慧标识管理平台。
步骤4： 智慧标识屏接收到来自标识模型的决策信息，并执行相应的操作，如更新展示内容、推荐商品等。智慧标识屏根据执行结果生成反馈数据，如用户点击数据、交互记录等。对生成的反馈数据进行特征加密，以保护数据的安全性和隐私。生成解密值，以便后续的数据更新过程。将加密数据和解密值发送至标识模型。
步骤5：标识模型使用解密值对加密数据进行解密，获取原始数据。根据读取结果，对标识模型进行数据更新，以不断优化模型的性能和准确性。
本发明所提供的一种智慧标识的数据处理方法通过使用标识模型对标识数据进行处理和聚类，同时通过对聚类信息的分析，得到分析结果，并基于分析结果制定对应的决策信息，并发送决策信息到智慧标识屏，使得能实时获取智慧标识屏的状态，并且能基于智慧标识屏的状态和分析结果生成对应的决策信息，从而实时控制智慧标识屏的显示内容，智慧标识屏执行标识模型发送的决策信息，生成对应的反馈数据，并发送反馈数据至标识模型中，使得智慧标识屏能够自动执行决策信息，并能实时响应问题，提供对应的服务，以及预先处理智慧标识屏的状态问题，降低人力成本。
在一个实施例中，通过标识模型对标识数据进行处理，包括：
通过标识模型依据移动平均滤波算法对标识数据进行平滑处理，得到平滑数据，依据异常检测算法对平滑数据进行异常检测，并对异常数据进行清除，得到处理数据；
其中，依据异常检测算法对平滑数据进行异常检测包括：
通过对所有平滑数据进行计算得到平滑数据的均值，通过对均值和平滑数据的数据点进行计算得到标准差，通过每个平滑数据的数据点、均值和标准差进行计算得到标准化分数，将计算得的标准化分数与预设的阈值进行比较，并将超过预设阈值的标准化分数对应的平滑数据标记为异常数据；
标准化分数计算公式为：标准化分数= (数据点-均值) / 标准差。
本实施例通过移动平均滤波算法对标识数据进行平滑处理，减少数据中的噪声和波动，使数据更加平稳，提高数据的可靠性和稳定性，减少异常数据的影响。使用异常检测算法对平滑数据进行异常检测，识别出与正常数据分布不一致的异常数据。通过清除异常数据，提高数据的准确性和可信度，避免异常数据对后续分析和决策的干扰。
在一个实施例中，依据处理数据进行数据聚类，得到对应的聚类数据，包括：
通过标识模型对处理数据进行特征码提取，并对特征码进行识别，得到识别数据；将识别数据分别按指令数据和状态数据进行分类存储，得到指令聚集数据和状态聚集数据。
本实施例通过标识模型对处理数据进行特征码提取，将原始数据转化为具有代表性的特征码，通过对特征码进行识别，将处理数据转化为可识别的数据形式，为后续的数据分类和分析提供基础。将识别数据按指令数据和状态数据进行分类存储，使数据更有组织性和可管理性。通过数据聚类，将识别数据聚集成指令聚集数据和状态聚集数据，更好地理解数据的共性和差异性。通过对聚集数据进行分析，获得更全面和准确的数据分析结果，从而提高分析的效果和可信度。
在一个实施例中，标识模型包括分析子模型和对策子模型，对聚类数据进行分析，得到分析结果，包括：
通过分析子模型对指令聚集数据进行计算，得到指令聚集数据的数据长度，结合预设的特征码表和数据长度对指令聚集数据进行特征码提取，得到指令特征码，基于分析子模型依据预设的指令码表对指令特征码进行匹配，得到指令聚集数据的具体指令，将具体指令发送至对策子模型；
通过分析子模型对状态聚集数据进行解析，得到状态编码和统计特征码，对状态编码进行识别，得到智慧标识屏的运行状态，通过分析子模型结合统计特征码和智慧标识屏的运行状态进行处理，得到具体的状态变化曲线，基于状态变化曲线生成状态报告并发送至对策子模型。
本实施例通过分析子模型对指令聚集数据进行计算和特征码提取，获取指令聚集数据的数据长度和特征码，有助于后续对指令数据进行分析，了解指令的特征和属性，并为后续的决策制定提供依据。基于分析子模型依据预设的指令码表对指令特征码进行匹配，将指令特征码转化为具体的指令。通过分析子模型对状态聚集数据进行解析，获得状态编码和统计特征码，同时状态编码的识别可以了解智慧标识屏的运行状态，而统计特征码可以提供状态变化的信息，从而有助于对智慧标识屏的状态进行分析和理解。通过分析子模型结合统计特征码和智慧标识屏的运行状态进行处理，得到具体的状态变化曲线，基于状态变化曲线生成状态报告，并发送至对策子模型，能有助于提供关于智慧标识屏状态的详细信息，为后续的决策制定和对策制定提供依据。通过将具体指令和状态报告发送至对策子模型，进行决策制定，同时对策子模型可以根据具体指令和智慧标识屏的状态报告，制定相应的对策和行动计划，从而实时响应智慧标识屏的状态变化，提高决策的准确性和实效性。
在一个实施例中，依据分析结果制定对应的决策信息，将决策信息发送至智慧标识屏和智慧标识管理平台，包括：
通过对策子模型依据对策指令表对具体指令进行匹配，得到匹配结果，对匹配结果依次进行排序，将匹配度最高的匹配结果对应的对策指令生成对应的对策，并分别发送至智慧标识屏和智慧标识管理平台；
通过对策子模型依据预设的状态表对状态报告进行检测，当状态报告符合状态表时，检测通过，生成检测报告发送至智慧标识管理平台；当状态报告不符合状态表时，检测不通过，生成异常检测报告发送至智慧标识管理平台；其中，异常检测报告包括智慧标识屏的异常信息和异常解决方案。
本实施例通过对策子模型依据对策指令表对具体指令进行匹配，得到匹配结果，对匹配结果进行排序，选择匹配度最高的匹配结果，生成对应的对策，能根据具体指令制定相应的对策和行动计划，实现智慧标识屏的自动化管理和控制。通过将对策发送至智慧标识屏，实现对智慧标识屏的实时控制和调整，而将对策发送至智慧标识管理平台，可以记录和管理对策信息，方便后续的数据分析和决策评估。通过对策子模型依据预设的状态表对状态报告进行检测，判断状态报告是否符合状态表，当状态报告符合状态表时，检测通过，生成检测报告，并发送至智慧标识管理平台，从而实时监测智慧标识屏的运行状态，及时了解其正常运行情况。当状态报告不符合状态表时，检测不通过，生成异常检测报告。异常检测报告包括智慧标识屏的异常信息和异常解决方案，通过将异常检测报告发送至智慧标识管理平台，可以及时发现和处理智慧标识屏的异常情况，保障其正常运行。
在一个实施例中，对反馈数据进行特征加密，得到加密数据和解密值，包括：
智慧标识屏对反馈数据进行特征值提取，得到特征值，依据特征值对反馈数据进行加密，得到加密数据和解密密码，通过预设的编译表对解密密码进行编译处理，并将编译处理得到的第一编译值、第二编译值和第三编译值进行统一封装处理，得到解密值。
其中，特征值可以是数据的统计特征、频谱特征、时域特征等，用于描述数据的关键特性。
加密过程使用特定的加密算法和密钥，将反馈数据转换为加密数据，同时，根据特征值生成解密密码，用于后续解密过程。
编译表是一组规则或映射关系，用于对密码进行进一步处理和转换。
封装处理可以将三个编译值组合为一个整体，以便后续的解密过程使用。
解密值是解密密码的一种表示或形式，用于将加密数据还原为原始的反馈数据，解密值可以通过逆向操作和解密算法来获取原始数据。
本实施例中，通过加密数据，智慧标识屏可以保护反馈数据的机密性，只有具备解密密码和解密值的合法用户才能还原加密数据为原始数据，防止未经授权的访问和泄露。编译处理和封装处理可以增加解密密码的复杂性和安全性，使其更难以被破解和推导，从而提高数据的安全性，减少密码被破解的风险。特征值提取可以用于验证反馈数据的完整性，确保数据在传输过程中没有被篡改或损坏，并通过比对特征值，检测数据是否被修改或篡改，从而提高数据的可靠性和可信度。
在一个实施例中，通过标识模型依据解密值读取加密数据，并依据读取加密数据得到的读取结果对标识模型进行数据更新，包括：
通过标识模型对解密值进行初次解封读取，获得第一编译值，依据编译表对第一编译值进行检测，当第一编译值符合编译表时，标识模模型通过第一编译值对解密值进行二次解封读取，得到第二编译值；依据编译表对第二编译值进行检测，当第二编译值符合编译表时，标识模模型通过第一编译值和第二编译值对解密值进行三次解封读取，得到第三编译值；
依据编译表对第三编译值进行检测，当第三编译值符合编译表时，通过标识模型依据编译表对第一编译值、第二编译值和第三编译值进行反编译处理，并依据反编译处理得到解密密码对加密数据进行解密读取，得到反馈数据，通过标识模型读取反馈数据，得到反馈结果；
通过标识模型依据分析结果对读取结果进行解析，得到读取结果与分析结果的偏差数据，基于标识模型依据偏差数据进行数据更新。
本实施例通过对反馈数据进行特征加密，保护数据的机密性，防止未经授权的访问和泄露，只有具备解密密码的标识模型才能解密读取加密数据，保障数据的安全性。通过对解密值进行解封读取和编译处理，确保数据的完整性和正确性，通过多次解封读取和编译处理，逐步还原解密密码，并最终对加密数据进行解密读取，保证反馈数据的完整性和准确性。通过标识模型对读取结果进行解析，获取反馈数据的具体信息和含义，这有助于对反馈数据进行分析和理解，从而提取有价值的信息，并为后续的数据更新和模型优化提供依据。通过标识模型依据解密值读取加密数据，并根据读取结果对标识模型进行数据更新，实现对标识模型的持续改进和优化，同时通过分析读取结果与分析结果的偏差数据，识别标识模型的不足之处，并基于偏差数据进行数据更新，提升标识模型的准确性和可靠性。
参照图2，本发明还提供一种智慧标识的数据处理系统，包括：
获取模块，获取模块用于获取智慧标识屏上的标识数据；
聚类模块，聚类模块用于通过标识模型对标识数据进行处理，并依据处理数据进行数据聚类，得到对应的聚类数据；
处理模块，处理模块用于对聚类数据进行分析，得到分析结果，依据分析结果制定对应的决策信息，将决策信息分别发送至智慧标识屏和智慧标识管理平台；
执行模块，执行模块用于智慧标识屏执行标识模型发送的决策信息，生成反馈数据，对反馈数据进行特征加密，得到加密数据和解密值，将加密数据和解密值发送至标识模型；
更新模块，更新模块用于通过标识模型依据解密值读取加密数据中的反馈数据，并依据反馈数据对标识模型进行数据更新。
本发明所提供的一种智慧标识的数据处理系统通过使用标识模型对标识数据进行处理和聚类，同时通过对聚类信息的分析，得到分析结果，并基于分析结果制定对应的决策信息，并发送决策信息到智慧标识屏，使得能实时获取智慧标识屏的状态，并且能基于智慧标识屏的状态和分析结果生成对应的决策信息，从而实时控制智慧标识屏的显示内容，智慧标识屏执行标识模型发送的决策信息，生成对应的反馈数据，并发送反馈数据至标识模型中，使得智慧标识屏能够自动执行决策信息，并能实时响应问题，提供对应的服务，以及预先处理智慧标识屏的状态问题，降低人力成本。
本发明还提供一种智慧标识的数据处理设备，包括：
存储器，用于存储程序；
处理器，用于执行所述程序，实现如上述任意一项所述的智慧标识的数据处理方法的各个步骤。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种智慧标识的数据处理方法，其特征在于，包括：
获取智慧标识屏上的标识数据；
通过标识模型对所述标识数据进行处理，并依据处理数据进行数据聚类，得到对应的聚类数据；
对所述聚类数据进行分析，得到分析结果，依据分析结果制定对应的决策信息，将决策信息分别发送至所述智慧标识屏和智慧标识管理平台；
所述智慧标识屏执行所述标识模型发送的决策信息，生成反馈数据，对反馈数据进行特征加密，得到加密数据和解密值，将加密数据和解密值发送至所述标识模型；
通过标识模型依据解密值读取加密数据中的反馈数据，并依据所述反馈数据对所述标识模型进行数据更新；
所述对反馈数据进行特征加密，得到加密数据和解密值，包括：
所述智慧标识屏对所述反馈数据进行特征值提取，得到特征值，依据所述特征值对所述反馈数据进行加密，得到加密数据和解密密码，通过预设的编译表对解密密码进行编译处理，并将编译处理得到的第一编译值、第二编译值和第三编译值进行统一封装处理，得到解密值；
所述通过标识模型依据解密值读取加密数据中的反馈数据，并依据所述反馈数据对所述标识模型进行数据更新，包括：
通过所述标识模型对所述解密值进行初次解封读取，获得所述第一编译值，依据所述编译表对所述第一编译值进行检测，当所述第一编译值符合所述编译表的要求时，所述标识模型通过所述第一编译值对所述解密值进行二次解封读取，得到所述第二编译值；依据所述编译表对所述第二编译值进行检测，当所述第二编译值符合所述编译表的要求时，所述标识模型通过所述第一编译值和所述第二编译值对所述解密值进行三次解封读取，得到所述第三编译值；
依据所述编译表对所述第三编译值进行检测，当所述第三编译值符合所述编译表的要求时，通过所述标识模型依据所述编译表对所述第一编译值、所述第二编译值和所述第三编译值进行反编译处理，并依据反编译处理得到所述解密密码，并对所述加密数据进行解密读取，得到所述反馈数据；
通过所述标识模型依据所述分析结果对所述反馈数据进行解析，得到所述分析结果与所述反馈数据的偏差数据，基于所述标识模型依据所述偏差数据进行数据更新。
2.根据权利要求1所述的智慧标识的数据处理方法，其特征在于，所述通过标识模型对所述标识数据进行处理，包括：
通过所述标识模型依据移动平均滤波算法对所述标识数据进行平滑处理，得到平滑数据，依据异常检测算法对平滑数据进行异常检测，并对异常数据进行清除，得到处理数据；
其中，依据异常检测算法对平滑数据进行异常检测包括：
通过对所有平滑数据进行计算得到平滑数据的均值，通过对均值和平滑数据的数据点进行计算得到标准差，通过每个平滑数据的数据点、均值和标准差进行计算得到标准化分数，将计算得的标准化分数与预设的阈值进行比较，并将超过预设阈值的标准化分数对应的平滑数据标记为异常数据；
所述标准化分数计算公式为：标准化分数= (数据点-均值) / 标准差。
3.根据权利要求1所述的智慧标识的数据处理方法，其特征在于，所述依据处理数据进行数据聚类，得到对应的聚类数据，包括：
通过所述标识模型对所述处理数据进行特征码提取，并对特征码进行识别，得到识别数据；将识别数据分别按指令数据和状态数据进行分类存储，得到指令聚集数据和状态聚集数据。
4.根据权利要求3所述的智慧标识的数据处理方法，其特征在于，所述标识模型包括分析子模型和对策子模型，所述对所述聚类数据进行分析，得到分析结果，包括：
通过所述分析子模型对所述指令聚集数据进行计算，得到所述指令聚集数据的数据长度，结合预设的特征码表和数据长度对所述指令聚集数据进行特征码提取，得到指令特征码，基于所述分析子模型依据预设的指令码表对指令特征码进行匹配，得到所述指令聚集数据的具体指令，将所述具体指令发送至所述对策子模型；
通过所述分析子模型对状态聚集数据进行解析，得到状态编码和统计特征码，对状态编码进行识别，得到所述智慧标识屏的运行状态，通过所述分析子模型结合统计特征码和所述智慧标识屏的运行状态进行处理，得到具体的状态变化曲线，基于状态变化曲线生成状态报告并发送至所述对策子模型。
5.根据权利要求4所述智慧标识的数据处理方法，其特征在于，所述依据分析结果制定对应的决策信息，将决策信息发送至所述智慧标识屏和智慧标识管理平台，包括：
通过所述对策子模型依据对策指令表对所述具体指令进行匹配，得到匹配结果，对匹配结果依次进行排序，将匹配度最高的匹配结果对应的对策指令生成对应的对策，并分别发送至所述智慧标识屏和所述智慧标识管理平台；
通过所述对策子模型依据预设的状态表对所述状态报告进行检测，当所述状态报告符合状态表时，检测通过，生成检测报告发送至所述智慧标识管理平台；当所述状态报告不符合状态表时，检测不通过，生成异常检测报告发送至所述智慧标识管理平台；其中，异常检测报告包括所述智慧标识屏的异常信息和异常解决方案。
6.一种智慧标识的数据处理系统，其特征在于，包括：
获取模块，所述获取模块用于获取智慧标识屏上的标识数据；
聚类模块，所述聚类模块用于通过标识模型对所述标识数据进行处理，并依据处理数据进行数据聚类，得到对应的聚类数据；
处理模块，所述处理模块用于对所述聚类数据进行分析，得到分析结果，依据分析结果制定对应的决策信息，将决策信息分别发送至所述智慧标识屏和智慧标识管理平台；
执行模块，所述执行模块用于所述智慧标识屏执行所述标识模型发送的决策信息，生成反馈数据，对反馈数据进行特征加密，得到加密数据和解密值，将加密数据和解密值发送至所述标识模型；
更新模块，所述更新模块用于通过标识模型依据解密值读取加密数据中的所述对反馈数据进行特征加密，得到加密数据和解密值，包括：
所述智慧标识屏对所述反馈数据进行特征值提取，得到特征值，依据所述特征值对所述反馈数据进行加密，得到加密数据和解密密码，通过预设的编译表对解密密码进行编译处理，并将编译处理得到的第一编译值、第二编译值和第三编译值进行统一封装处理，得到解密值；
所述通过标识模型依据解密值读取加密数据中的反馈数据，并依据所述反馈数据对所述标识模型进行数据更新，包括：
通过所述标识模型对所述解密值进行初次解封读取，获得所述第一编译值，依据所述编译表对所述第一编译值进行检测，当所述第一编译值符合所述编译表的要求时，所述标识模型通过所述第一编译值对所述解密值进行二次解封读取，得到所述第二编译值；依据所述编译表对所述第二编译值进行检测，当所述第二编译值符合所述编译表的要求时，所述标识模型通过所述第一编译值和所述第二编译值对所述解密值进行三次解封读取，得到所述第三编译值；
依据所述编译表对所述第三编译值进行检测，当所述第三编译值符合所述编译表的要求时，通过所述标识模型依据所述编译表对所述第一编译值、所述第二编译值和所述第三编译值进行反编译处理，并依据反编译处理得到所述解密密码，并对所述加密数据进行解密读取，得到所述反馈数据；
通过所述标识模型依据所述分析结果对所述反馈数据进行解析，得到所述分析结果与所述反馈数据的偏差数据，基于所述标识模型依据所述偏差数据进行数据更新。
7.一种智慧标识的数据处理设备，其特征在于，包括：
存储器，用于存储程序；
处理器，用于执行所述程序，实现如权利要求1-5任意一项所述的智慧标识的数据处理方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410123318.2A CN117668326B (zh) | 2024-01-30 | 2024-01-30 | 智慧标识的数据处理方法、系统和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410123318.2A CN117668326B (zh) | 2024-01-30 | 2024-01-30 | 智慧标识的数据处理方法、系统和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117668326A CN117668326A (zh) | 2024-03-08 |
| CN117668326B true CN117668326B (zh) | 2024-04-30 |
Family
ID=90071565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410123318.2A Active CN117668326B (zh) | 2024-01-30 | 2024-01-30 | 智慧标识的数据处理方法、系统和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117668326B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1538656A (zh) * | 2003-09-29 | 2004-10-20 | 智慧第一公司 | 微处理器区块密码编译方法与装置 |
| CN1558591A (zh) * | 2003-12-04 | 2004-12-29 | 智慧第一公司 | 重组透明化区块密码编译方法及装置 |
| CN206649306U (zh) * | 2016-11-14 | 2017-11-17 | 北京广育德视觉技术股份有限公司 | 广告标识牌智能管理节能系统 |
| CN108009548A (zh) * | 2018-01-09 | 2018-05-08 | 贵州大学 | 一种智能路牌识别方法及系统 |
| CN116132527A (zh) * | 2023-04-13 | 2023-05-16 | 深圳柯赛标识智能科技有限公司 | 管理指示牌的系统、方法及数据处理服务器 |
| US11748481B1 (en) * | 2015-08-26 | 2023-09-05 | Christopher Luis Hamlin | Verifying the integrity of a computing platform |
| CN116881944A (zh) * | 2023-07-21 | 2023-10-13 | 数字广东网络建设有限公司 | 一种应用程序的数据处理方法、电子设备及存储介质 |
| CN117440043A (zh) * | 2023-12-20 | 2024-01-23 | 深圳柯赛标识智能科技有限公司 | 智慧标识预警消息推送方法及装置 |
| CN117453848A (zh) * | 2023-12-26 | 2024-01-26 | 深圳柯赛标识智能科技有限公司 | 智慧标识管理方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200167834A1 (en) * | 2017-12-28 | 2020-05-28 | Google Llc | Intelligent identification and provisioning of devices and services for a smart home environment |
-
2024
- 2024-01-30 CN CN202410123318.2A patent/CN117668326B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1538656A (zh) * | 2003-09-29 | 2004-10-20 | 智慧第一公司 | 微处理器区块密码编译方法与装置 |
| CN1558591A (zh) * | 2003-12-04 | 2004-12-29 | 智慧第一公司 | 重组透明化区块密码编译方法及装置 |
| US11748481B1 (en) * | 2015-08-26 | 2023-09-05 | Christopher Luis Hamlin | Verifying the integrity of a computing platform |
| CN206649306U (zh) * | 2016-11-14 | 2017-11-17 | 北京广育德视觉技术股份有限公司 | 广告标识牌智能管理节能系统 |
| CN108009548A (zh) * | 2018-01-09 | 2018-05-08 | 贵州大学 | 一种智能路牌识别方法及系统 |
| CN116132527A (zh) * | 2023-04-13 | 2023-05-16 | 深圳柯赛标识智能科技有限公司 | 管理指示牌的系统、方法及数据处理服务器 |
| CN116881944A (zh) * | 2023-07-21 | 2023-10-13 | 数字广东网络建设有限公司 | 一种应用程序的数据处理方法、电子设备及存储介质 |
| CN117440043A (zh) * | 2023-12-20 | 2024-01-23 | 深圳柯赛标识智能科技有限公司 | 智慧标识预警消息推送方法及装置 |
| CN117453848A (zh) * | 2023-12-26 | 2024-01-26 | 深圳柯赛标识智能科技有限公司 | 智慧标识管理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117668326A (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2487860B1 (en) | Method and system for improving security threats detection in communication networks | |
| US7225343B1 (en) | System and methods for adaptive model generation for detecting intrusions in computer systems | |
| IL275042A (en) | Security monitoring Level of application programming programming with self-adaptation | |
| CN109861957A (zh) | 一种移动应用私有加密协议的用户行为精细化分类方法及系统 | |
| CN113313421A (zh) | 一种电力物联网感知层安全风险状态分析方法及系统 | |
| CN113157994A (zh) | 一种多源异构平台数据处理方法 | |
| CN112491779B (zh) | 一种异常行为检测方法及装置、电子设备 | |
| CN107707541A (zh) | 一种流式的基于机器学习的攻击行为日志实时检测方法 | |
| CN111371651A (zh) | 一种工业通讯协议逆向分析方法 | |
| CN105072115A (zh) | 一种基于Docker虚拟化的信息系统入侵检测方法 | |
| CN110276195A (zh) | 一种智能设备入侵检测方法、设备及存储介质 | |
| CN110943974B (zh) | 一种DDoS异常检测方法及云平台主机 | |
| CN111339050A (zh) | 一种基于大数据平台集中安全审计的方法及系统 | |
| CN117668326B (zh) | 智慧标识的数据处理方法、系统和设备 | |
| CN112732693B (zh) | 智能化物联网数据采集方法、装置、设备及存储介质 | |
| CN113506096A (zh) | 一种基于工业互联网标识解析体系的系统间接口方法 | |
| Michalak et al. | Outlier Detection in Network Traffic Monitoring. | |
| CN103095714A (zh) | 一种基于木马病毒种类分类建模的木马检测方法 | |
| CN113037555B (zh) | 风险事件标记方法、风险事件标记装置和电子设备 | |
| CN114285596A (zh) | 基于机器学习的变电站终端账号异常检测方法 | |
| CN111256757A (zh) | 基于云计算的医疗设备监控系统及方法 | |
| CN117972687B (zh) | 一种基于区块链的电力智能监控系统 | |
| CN115913688B (zh) | 一种网络数据安全监听方法、装置、设备及存储介质 | |
| CN117807590B (zh) | 基于人工智能的信息安全预测及监控系统及方法 | |
| CN115691771B (zh) | 一种医疗信息化系统工作信息通知的系统及方法 |
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 |