[发明专利]基于机器学习的系统集成方法、介质、设备及系统

权利要求书

1.一种基于机器学习的系统集成方法，其特征在于，包括以下步骤：

获取测试数据，并将所述测试数据分别输入多个算法系统，以获取每个算法系统反馈的第一计算结果，以及对每个第一计算结果进行权重赋值；

根据每个第一计算结果对应的权重值进行机器学习，以生成权重参数；

获取训练数据，并将所述训练数据分别输入到多个算法系统，以获取每个算法反馈的第二计算结果，以及根据所述第二计算结果和所述权重参数设定判定阈值；

根据所述第二计算结果与所述判定阈值确定每个算法系统对应的判定差值，以便根据所述判定差值判定对应的算法系统的检测结果是否准确。

2.如权利要求1所述的基于机器学习的系统集成方法，其特征在于，对每个第一计算结果进行权重赋值，之后，还包括：

根据每个计算结果的权重值进行加权平均和的计算，以便对多个算法系统进行融合。

3.如权利要求2所述的基于机器学习的系统集成方法，其特征在于，根据所述判定差值判定对应的算法系统的检测结果是否准确，包括：

计算每个所述第二计算结果与所述判定阈值之间的差值，并将所述差值与所述加权平均和进行比对，以便根据比对结果确定每个算法系统对应的判定差值。

4.如权利要求1所述的基于机器学习的系统集成方法，其特征在于，根据所述判定差值判定对应的算法系统的检测结果是否准确，包括：

获取待检测数据，并将所述待检测数据输入到算法系统，以获取所述算法系统反馈的第三计算结果；

计算所述第三计算结果与所述判定阈值之间的差值，并将该差值与所述判定差值进行比对，以便根据比对结果确定所述第三计算结果是否准确。

5.一种计算机可读存储介质，其特征在于，其上存储有基于机器学习的系统集成程序，该基于机器学习的系统集成程序被处理器执行时实现如权利要求1-4中任一项所述的基于机器学习的系统集成方法。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-4中任一项所述的基于机器学习的系统集成方法。

7.一种基于机器学习的系统集成系统，其特征在于，包括：

获取模块，所述获取模块用于获取测试数据，并将所述测试数据分别输入多个算法系统，以获取每个算法系统反馈的第一计算结果，以及对每个第一计算结果进行权重赋值；

学习模块，所述学习模块用于根据每个第一计算结果对应的权重值进行机器学习，以生成权重参数；

训练模块，所述训练模块用于获取训练数据，并将所述训练数据分别输入到多个算法系统，以获取每个算法反馈的第二计算结果，以及根据所述第二计算结果和所述权重参数设定判定阈值；

判定模块，所述判定模块用于根据所述第二计算结果与所述判定阈值确定每个算法系统对应的判定差值，以便根据所述判定差值判定对应的算法系统的检测结果是否准确。

8.如权利要求7所述的基于机器学习的系统集成系统，其特征在于，对每个第一计算结果进行权重赋值，之后，还包括：

根据每个计算结果的权重值进行加权平均和的计算，以便对多个算法系统进行融合。

9.如权利要求8所述的基于机器学习的系统集成系统，其特征在于，根据所述第二计算结果与所述判定阈值确定每个算法系统对应的判定差值，包括：

计算每个所述第二计算结果与所述判定阈值之间的差值，并将所述差值与所述加权平均和进行比对，以便根据比对结果确定每个算法系统对应的判定差值。

10.如权利要求7所述的基于机器学习的系统集成系统，其特征在于，根据所述判定差值判定对应的算法系统的检测结果是否准确，包括：

获取待检测数据，并将所述待检测数据输入到算法系统，以获取所述算法系统反馈的第三计算结果；

计算所述第三计算结果与所述判定阈值之间的差值，并将该差值与所述判定差值进行比对，以便根据比对结果确定所述第三计算结果是否准确。