[发明专利]数据处理方法，装置及存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取目标对象的至少一个样本；

利用第一神经网络对所述至少一个样本进行特征提取得到至少一个第一特征数据，所述第一特征数据用于指示所述至少一个样本的特征；

利用第二神经网络对所述至少一个第一特征数据进行特征提取得到至少一个第二特征数据，所述第二特征数据用于指示对应的第一特征数据的变化特征；

根据所述至少一个第二特征数据进行决策得到决策数据；

其中，利用第一神经网络对所述至少一个样本进行特征提取得到至少一个第一特征数据，包括：

将至少一个图像按照至少一个对象分割为至少一个片段，并将所述目标对象的至少一个片段作为所述目标对象的至少一个样本；具体地，至少一个图像是指与一段时间序列的至少一个时间点对应的至少一个图像，这里的至少一个图像至少包含部分相同的对象，将目标对象的至少一个片段作为目标对象的至少一个样本，这里的至少一个样本可以与一段时间序列的至少一个时间点对应；并将每个时间点中图像的样本的特征作为节点的属性，由此由每个图像可以得到具有三个节点的知识图谱，从而得到三张知识图谱，将所有图谱按照时间序列存储在计算机中；

其中，所述第二神经网络包括预测模型和特征编码模型；利用第二神经网络对所述至少一个第一特征数据进行特征提取得到至少一个第二特征数据，包括：

利用所述预测模型对所述至少一个第一特征数据进行预测得到至少一个预测数据；

利用所述特征编码模型对所述至少一个预测数据进行特征提取和编码得到所述至少一个第二特征数据。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述至少一个第一特征数据按照时间排序得到特征节点序列；

利用所述特征节点序列对所述预测模型进行训练。

3.根据权利要求1所述的方法，其特征在于，利用所述特征编码模型对所述至少一个预测数据进行特征提取和编码得到所述至少一个第二特征数据，包括：

利用所述特征编码模型对所述至少一个第一特征数据进行卷积运算和池化得到所述至少一个第二特征数据。

4.一种数据处理装置，其特征在于，包括：样本获取模块，第一神经网络模块，第二神经网络模块和决策模块；

所述样本获取模块用于获取目标对象的至少一个样本；

所述第一神经网络模块用于对所述至少一个样本进行特征提取得到至少一个第一特征数据，所述第一特征数据用于指示所述至少一个样本的特征；

所述第二神经网络模块用于对所述至少一个第一特征数据进行特征提取得到至少一个第二特征数据，所述第二特征数据用于指示对应的第一特征数据的变化特征；

所述决策模块用于根据所述至少一个第二特征数据进行决策得到决策数据；其中，所述第一神经网络模块包括分割模块；所述分割模块用于将至少一个图像按照至少一个对象分割为至少一个片段，并将所述目标对象的至少一个片段作为所述目标对象的至少一个样本；

其中，所述第一神经网络模块用于对所述至少一个样本进行特征提取得到至少一个第一特征数据，包括：

将至少一个图像按照至少一个对象分割为至少一个片段，并将所述目标对象的至少一个片段作为所述目标对象的至少一个样本；具体地，至少一个图像是指与一段时间序列的至少一个时间点对应的至少一个图像，这里的至少一个图像至少包含部分相同的对象，将目标对象的至少一个片段作为目标对象的至少一个样本，这里的至少一个样本可以与一段时间序列的至少一个时间点对应；并将每个时间点中图像的样本的特征作为节点的属性，由此由每个图像可以得到具有三个节点的知识图谱，从而得到三张知识图谱，将所有图谱按照时间序列存储在计算机中；

其中，所述第二神经网络模块包括预测模块和特征编码模块；所述第二神经网络模块用于对所述至少一个第一特征数据进行特征提取得到至少一个第二特征数据，包括：

利用所述预测模块对所述至少一个第一特征数据进行预测得到至少一个预测数据；

利用所述特征编码模块对所述至少一个预测数据进行特征提取和编码得到所述至少一个第二特征数据。