[发明专利]一种提供多种机器学习框架的机器学习paas云平台系统在审

专利信息
申请号: 202010794410.3 申请日: 2020-08-10
公开(公告)号: CN111669412A 公开(公告)日: 2020-09-15
发明(设计)人: 朱旨昂;黄璐;朱恒文;宋轶轩;杨兵;程全 申请(专利权)人: 南京江北新区生物医药公共服务平台有限公司
主分类号: H04L29/06 分类号: H04L29/06;H04L29/08;G06N20/20;H04L12/28
代理公司: 北京卓岚智财知识产权代理事务所(特殊普通合伙) 11624 代理人: 蒋真
地址: 210000 江苏省南京市江北新区新锦湖*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 提供 多种 机器 学习 框架 paas 平台 系统
【说明书】:

发明涉及云平台技术领域,具体地说,涉及一种提供多种机器学习框架的机器学习paas云平台系统。包括设备接入单元、大数据处理单元、用户管理单元和管理员管理平台,所述设备接入单元用于将不同设备,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;所述用户管理单元用于为终端用户提供操作功能;所述管理员管理平台用于为平台管理员提供操作功能。本发明设计能够提高paas云平台和设备之间的兼容性,减少数据分析处理量,提高数据处理效率,同时,对paas云平台系统内的机器算法进行自主训练,提升整体平台的计算效率。

技术领域

本发明涉及云平台技术领域,具体地说,涉及一种提供多种机器学习框架的机器学习paas云平台系统。

背景技术

随着互联网业务发展及IaaS云资源池技术的成熟,IT支撑系统也在尝试PaaS云的建设及应用。目前随着互联网技术的高速发展,接入paas云平台系统的设备种类繁多,由于不同的设备协议不同,在接入paas云平台系统时,会存在差异,甚至产生设备不兼容的现象,同时,paas云平台系统内的数据量日益增多,数据分析和处理的要求也越来越高,paas云平台系统中数据处理多采用机器算法实现,但是现有的机器算法无法自主学习,导致机器算法数据分析效率低。

发明内容

本发明的目的在于提供一种提供多种机器学习框架的机器学习paas云平台系统,以解决上述背景技术中提出的问题。

为实现上述技术问题的解决,本发明的目的之一在于,提供一种提供多种机器学习框架的机器学习paas云平台系统,包括设备接入单元、大数据处理单元、用户管理单元和管理员管理平台,所述设备接入单元用于将不同设备,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;所述用户管理单元用于为终端用户提供操作功能;所述管理员管理平台用于为平台管理员提供操作功能。

作为本技术方案的进一步改进,所述设备接入单元包括协议转化模块、信道管理模块、设备连接管理模块、设备组网管理模块和远程信息处理模块;所述协议转化模块用于将接入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用于对接入的设备进行网络管理;所述远程信息处理模块用于实现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。

所述协议转化模块包括WiFi类设备、蜂窝网络类设备、蓝牙类设备、近距离低功耗组网类设备和远距离低功耗组网类设备的协议封装;

所述设备连接管理模块包括实时状态信息管理、历史状态信息管理设备告警信息管理,设备故障信息管理、设备收发信息管理、设备信息转发管理功能;

所述设备组网管理模块的网络管理包括物理组网管理、逻辑组网管理、应用网络管理、虚拟网络管理、自定义网络管理功能。

所述远程信息处理模块的远程条件服务包括数据实时转发、数据实时广播、消息推送管理、设备权限管理、设备联动管理、云到端的固件升级管理、定时任务管理、远程触发管理和情景模式管理功能。

作为本技术方案的进一步改进,所述大数据处理单元包括数据收集模块、数据构造模块、选择特征模块和多机器学习框架模块;所述数据收集模块用于对paas云平台的数据进行收集;所述数据构造模块用于将数据构造模块;所述选择特征模块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用于采用多种机器算法对数据进行分析处理。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京江北新区生物医药公共服务平台有限公司,未经南京江北新区生物医药公共服务平台有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010794410.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top