[发明专利]基于深度学习的数据分析方法及终端设备

说明书

本发明提供了一种基于深度学习的数据分析方法及终端设备，包括：将采集的数据进行数据筛选和预处理，得到目标数据；通过深度卷积神经网络对所述目标数据进行特征提取，得到输入数据；将所述输入数据输入训练完成的深度学习模型，获取对所述目标数据的分析结果。本发明通过深度卷积神经网络进行学习，能够更好的表示数据的特征，同时，由于深度卷积神经网络模型的层次、参数很多，能够很好的表示大规模数据，对于图像、文本等特征不明显的问题，能够在大规模训练数据上取得很好的效果，使得数据分析的结果更为精准。

技术领域

本发明属于计算机技术领域，尤其涉及一种基于深度学习的数据分析方法及终端设备。

背景技术

在大数据迅速发展的时代，深度学习是浅层学习发展和延伸，深度学习可以应用到浅层结构模型的应用领域中，而由于深度学习强大的特征表达能力，其在语音识别、图像识别、自然语言处理等方面都有重大的突破，并且可以应用到大规模的数据处理，但是深度学习的理论和技术发展方面还有一些不足，限制了深度学习的应用。目前已有的数据分析系统中的特征提取和分析预测模型大都是基于浅层学习开发的，这些模型转化的数据特征都是基于统计学方法计算得到的，这样得到的特征不能准确、有效的表达样本数据之间的内部关系，并且在大数据背景下的复杂网络数据处理分析应用较少,传统的数据分析系统没有整合完整算法不能为所有问题提供解决方案，没有整体的系统供数据进行分析。

发明内容

有鉴于此，本发明实施例提供了一种基于深度学习的数据分析方法及终端设备，以解决现有技术中数据分析不准确的问题。

本发明实施例的第一方面提供了一种基于深度学习的数据分析方法，包括：

将采集的数据进行数据筛选和预处理，得到目标数据；

通过深度卷积神经网络对所述目标数据进行特征提取，得到输入数据；

将所述输入数据输入训练完成的深度学习模型，获取对所述目标数据的分析结果。

本发明实施例的第二方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如下步骤：

将采集的数据进行数据筛选和预处理，得到目标数据；

通过深度卷积神经网络对所述目标数据进行特征提取，得到输入数据；

将所述输入数据输入训练完成的深度学习模型，获取对所述目标数据的分析结果。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：

将采集的数据进行数据筛选和预处理，得到目标数据；

通过深度卷积神经网络对所述目标数据进行特征提取，得到输入数据；

将所述输入数据输入训练完成的深度学习模型，获取对所述目标数据的分析结果。

本发明提供了一种基于深度学习的数据分析方法及终端设备，包括：将采集的数据进行数据筛选和预处理，得到目标数据；通过深度卷积神经网络对所述目标数据进行特征提取，得到输入数据；将所述输入数据输入训练完成的深度学习模型，获取对所述目标数据的分析结果。本发明通过深度卷积神经网络进行学习，能够更好的表示数据的特征，同时，由于深度卷积神经网络模型的层次、参数很多，能够很好的表示大规模数据，对于图像、文本等特征不明显的问题，能够在大规模训练数据上取得很好的效果，使得数据分析的结果更为精准。

附图说明