[发明专利]基于机器学习的系统集成方法、介质、设备及系统

说明书

本发明公开了一种基于机器学习的系统集成方法、介质、设备及系统，其中方法包括：获取测试数据，并将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。能够保证识别精度的同时，节约多个算法系统集成所需要的计算资源。

技术领域

本发明涉及机器学习技术领域，特别涉及一种基于机器学习的系统集成方法、一种计算机可读存储介质、一种计算机设备以及一种基于机器学习的系统集成系统。

背景技术

目前，为了保证系统的识别率和稳定性，都会不止布置一套系统(例如：多套人脸识别系统、多套声纹识别系统、多套指纹识别系统等)。而不同的系统由于算法不同，往往会存在一定的差异，即言，识别结果不一致。

相关技术中，多采用简单的投票机制来确定各个算法的最终检测结果是否准确。然而，这种方法需要每个算法系统进行一次计算，耗费大量的计算资源；同时，当算法系统识别精度不一时，容易出现识别错误。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种基于机器学习的系统集成方法，能够保证识别精度的同时，节约多个算法系统集成所需要的计算资源。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种计算机设备。

本发明的第四个目的在于提出一种基于机器学习的系统集成系统。

为达到上述目的，本发明第一方面实施例提出了一种基于机器学习的系统集成方法，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。

根据本发明实施例的基于机器学习的系统集成方法，首先，获取测试数据，并将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；接着，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；然后，获取训练数据，并将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，以及根据第二计算结果设定判定阈值；接着，根据第二计算结果与判定阈值确定每个算法系统对应的判定差值，以便根据判定差值判定对应的算法系统的检测结果是否准确，从而实现保证识别精度的同时，节约多个算法系统集成所需要的计算资源。

另外，根据本发明上述实施例提出的基于机器学习的系统集成方法还可以具有如下附加的技术特征：

可选地，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。

可选地，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。