[发明专利]一种提供多种机器学习框架的机器学习paas云平台系统

权利要求书

1.一种提供多种机器学习框架的机器学习paas云平台系统，其特征在于：包括设备接入单元（100）、大数据处理单元（200）、用户管理单元（300）和管理员管理平台（400），所述设备接入单元（100）用于将不同设备，根据标准协议连接至paas云平台，并对设备进行管理；所述大数据处理单元（200）用于对多源数据进行采集、实时处理和分析；所述用户管理单元（300）用于为终端用户提供操作功能；所述管理员管理平台（400）用于为平台管理员提供操作功能；所述设备接入单元（100）包括协议转化模块（101）、信道管理模块（102）、设备连接管理模块（103）、设备组网管理模块（104）和远程信息处理模块（105）；所述协议转化模块（101）用于将接入paas云平台的设备的自有协议转化为标准协议；所述信道管理模块（102）用于提供接入设备和paas云平台之间的信道查询；所述设备连接管理模块（103）用于获取连接的设备信息，设备接入后，支持paas云平台与设备的双向通信，在通信的基础上进行设备信息的相互传递；所述设备组网管理模块（104）用于对接入的设备进行网络管理；所述远程信息处理模块（105）用于实现paas云平台、设备和用户之间远程信息转发、推送的远程条件服务；所述大数据处理单元（200）包括数据收集模块（201）、数据构造模块（202）、选择特征模块（203）和多机器学习框架模块（204）；所述数据收集模块（201）用于对paas云平台的数据进行收集；所述数据构造模块（202）用于将数据构造模块（202）；所述选择特征模块（203）用于剔除数据中不相关或亢余的特征；所述多机器学习框架模块（204）用于采用多种机器算法对数据进行分析处理；所述多机器学习框架模块（204）包括KNN文本分类算法（2041）、Logistic Regression线性回归算法（2042）和朴素贝叶斯分类器算法（2043）；所述KNN文本分类算法（2041）的步骤如下：

S1、根据特征项集合重新描述训练文档向量；

S2、在新文档到达后，根据特征词分词新文档，确定新文档的向量表示；

S3、在训练文档集中选出与新文档最相似的K个文档，计算公式为：

其中， 为测试文本的特征向量， 为第类的中心向量；为特征向量的维数； 为向量的第维；

S4、在新文本的K个邻居中，依次计算每类的权重，计算公式如下：

其中，是未知文本与第个最近文本之间的相似度，是一个函数，当的类为时，其值为1否则为0。

2.根据权利要求1所述的提供多种机器学习框架的机器学习paas云平台系统，其特征在于：所述Logistic Regression线性回归算法（2042）的公式如下：

是连续随机变量，表示位置参数，为形状参数。

3.根据权利要求1所述的提供多种机器学习框架的机器学习paas云平台系统，其特征在于：所述用户管理单元（300）包括账号管理模块（301）、用户权限管理模块（302）、用户关系管理模块（303）和消息推送模块（304）；所述账号管理模块（301）用于统一用户账户体系，维护账户基本信息；所述用户权限管理模块（302）用于实现用户对设备的权限设备；所述用户关系管理模块（303）用于用户和设备之间的管理；所述消息推送模块（304）用于实现设备、paas云平台和用户之间的信息推送。

4.根据权利要求1所述的提供多种机器学习框架的机器学习paas云平台系统，其特征在于：所述管理员管理平台（400）包括管理员权限管理模块（401）、管理员设备管理模块（402）、管理用户模块（403）和数据管理模块（404）；所述管理员权限管理模块（401）用于对管理员账号进行统一授权；所述管理员设备管理模块（402）用于管理员后台管理设备；所述管理用户模块（403）用于管理员查看所有用户的所有信息；所述数据管理模块（404）用于管理员查看平台数据。

5.一种具备水平伸缩功能的云平台装置，其特征在于：包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序，处理器用于执行计算机程序时实现如权利要求1-4中任一所述的提供多种机器学习框架的机器学习paas云平台系统。

6.一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程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的提供多种机器学习框架的机器学习paas云平台系统。