[发明专利]一种数据处理方法和装置

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取训练样本，并初始化狄里克雷过程和高斯过程，所述训练样本包括单元结构几何参数及对应的电磁响应曲线三次样条系数；

根据所述训练样本，获取高斯过程参数的最大后验似然值对应的最大高斯过程参数和所述最大高斯过程参数对应的区域划分；

根据所述最大高斯过程参数和区域划分，拟合单元结构几何参数及对应的电磁响应曲线三次样条系数的映射关系；

根据外部输入的单元结构几何参数和所述映射关系，获取所述外部输入的单元结构几何参数对应的电磁响应曲线三次样条系数。

2.根据权利要求1所述的方法，其特征在于，所述获取训练样本，并初始化狄里克雷过程和高斯过程的步骤包括：

获取训练样本；

将每个训练样本确定一个区域标识符，将所述区域标识符随机分布到各个区域，使每个训练样本对应一个区域；

初始化狄里克雷过程参数和高斯过程参数。

3.根据权利要求2所述的方法，其特征在于，所述根据训练样本，获取高斯过程参数的最大后验似然值对应的最大高斯过程参数和所述最大高斯过程参数对应的区域划分的步骤包括：

判断马尔可夫链是否稳定；

如果不稳定，则：

将所述训练样本确定狄里克雷过程的区域，每个所述区域对应一个高斯过程；

获取高斯过程参数的后验概率并更新狄里克雷过程参数。

4.根据权利要求3所述的方法，其特征在于，所述如果不稳定，则将所述训练样本确定狄里克雷过程的区域的步骤包括：

通过高斯过程获取每个训练样本在每个区域内的高斯似然值；

通过狄里克雷过程获取每个区域的先验概率，所述每个区域的先验概率指每个区域出现的可能性；

将所述高斯似然值和所述每个区域的先验概率相乘，得到每个训练样本在每个区域的后验概率；

计算所述每个训练样本在每个区域的后验概率的累积概率分布，并通过块吉布斯采样方法得到训练样本新的区域标识符。

5.根据权利要求3所述的方法，其特征在于，所述获取高斯过程参数的后验概率并更新狄里克雷过程参数的步骤包括：

获取高斯过程参数的似然值；

获取该高斯过程参数的先验概率；

将所述高斯过程参数的似然值和所述高斯过程参数的先验概率相乘，得到该高斯过程参数的后验概率；

用自适应剔除采样方法更新狄里克雷过程参数。

6.根据权利要求5所述的方法，其特征在于，所述获取高斯过程参数的似然值的步骤包括：

用梅特罗波利斯-黑斯廷斯算法更新高斯过程参数；

根据所述更新的高斯过程参数计算高斯过程参数的似然值，所述高斯过程参数的似然值为训练样本在所述更新的高斯过程参数下的边缘相似性。

7.根据权利要求6所述的方法，其特征在于，所述获取该高斯过程参数的先验概率的步骤包括：

根据预先设置的先验概率分布获取该高斯过程参数的先验概率。

8.根据权利要求7所述的方法，其特征在于，所述预先设置的先验概率分布为伽马分布。

9.根据权利要求5所述的方法，其特征在于，所述将高斯过程参数的似然值和所述高斯过程参数的先验概率相乘，得到该高斯过程参数的后验概率的步骤包括：

将所述高斯过程参数的似然值和所述高斯过程参数的先验概率相乘，得到该高斯过程参数的后验概率；

用梅特罗波利斯-黑斯廷斯算法判断所述高斯过程参数的后验概率是否保留；

如果保留，则记录所述高斯过程参数的后验概率；

如果不保留，则所述高斯过程参数的后验概率为上一轮循环计算得到的高斯过程参数后验概率。

10.根据权利要求3所述的方法，其特征在于，所述判断马尔可夫链是否稳定的步骤还包括：

如果稳定，则根据每次循环所得的所述高斯过程参数的后验概率获取最大的高斯过程参数的后验概率；

根据所述最大的高斯过程参数的后验概率获取最大高斯过程参数和最大高斯过程参数对应的区域划分，所述最大高斯过程参数和所述最大高斯过程参数对应的区域划分是所述最大的高斯过程参数的后验概率对应的高斯过程参数和区域划分。