[发明专利]数据处理系统

说明书

本发明涉及一种数据处理系统，包括数据库，处理器和存储有计算机程序的存储器，所述数据库包括第一数据表和数据配置表，所述第一数据表的每条记录均为周期结果数据，所述周期结果数据为采样数据，所述第一数据表的字段包括结果数据ID、X个时间‑采样值对、周期标识、M个数据索引，其中，X为采样周期内固定的采样次数；所述数据配置表的字段包括随机数据标识、随机数据采样时间和随机数据标识对应的多个中间分量随机数据采样值。本发明对于无法直接获取的分量数据，能够通过该数据分量预先配置的中间分量来表征，从而准确、快度地获取到该数据分量对于结果数据的权重。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据处理系统。

背景技术

数据处理领域是计算机领域的重要分支。在计算机领域中，根据呈现方式，数据可以包括文本数据、图像数据、音频数据、视频数据等多种；根据存储方式，数据可以被存储到数据库、文本文件、特定格式文件(例如.doc/.xls)等；根据数据形成的方式，可以包括静态数据和动态数据，动态数据尤其是随时间变化的数据，例如通过温度传感器获取的温度数据、通过路由器交换机等网络设备获取的网络流量数据、通过GPS或北斗等采集的设备LBS数据等。数据处理可以为“正向处理”，例如利用某种算法处理图像，使之更清晰，也可以为“逆向处理”，例如在已知合成图像的清楚下，通过计算机程序分离合成图像所使用的多个原始图像。

静态数据的“逆向处理”相对容易。动态数据之间也会存在关联关系，但因为动态数据多是随时间变化的数据(尤其是随时间高频变化的数据)，需要考虑时间维度对关联关系的影响，不仅会占用较多的计算机存储资源、检索资源、运算处理资源，而且处理精度也不够理想，因此如何高效的通过数据的“逆向处理”，获取动态数据的关联关系，成为数据处理的难点。动态的结果数据通常对应多个分量数据，现有技术通常采用基于多个数据分量以及对应的结果数据的数据集，进行线性回归，得到每个数据分量的权重的方式，来获取数据分量的关联关系。但是，有些分量数据可以直接获取，有些则无法直接获取，这种情况下，则无法直接采用线性回归来获取动态数据的关联关系。此外，由于不同的数据分量可能具有不同的属性，且同一分量可能具有多种属性，因此，直接进行线性回归获取数据分量的关联关系的准确度较低。

发明内容

本发明目的在于，提供一种数据处理系统，对于无法直接获取的分量数据，能够通过该数据分量预先配置的中间分量来表征，从而准确、快度地获取到该数据分量对于结果数据的权重。

能够准确快速地基于周期结果数据得到周期结果数据对应的每个数据分量的权重。

本发明提供了一种数据处理系统，包括数据库，处理器和存储有计算机程序的存储器，所述数据库包括第一数据表和数据配置表，所述第一数据表的每条记录均为周期结果数据，所述周期结果数据为采样数据，所述第一数据表的字段包括结果数据I D、X个时间-采样值对、周期标识、M个数据索引，其中，X为采样周期内固定的采样次数；所述数据配置表的字段包括随机数据标识、随机数据采样时间和随机数据标识对应的多个中间分量随机数据采样值；

当所述计算机程序被处理器执行时，实现以下步骤：

步骤S10、接收用户输入的第n-m周期到n周期；

步骤S20、根据第i周期在所述第一数据表的周期标识中进行检索，获取对应的X个时间-采样值对中的采样值，以及N个数据索引，i＝n-m，n-m+1…n，其中，n、m、N均为正整数，n大于等于m，；

步骤S30、根据X个时间-采样值对中的采样值获取第i周期的周期结果数据；

步骤S40、根据第i周期在所述数据配置表的随机数据采样时间中进行检索，根据N个数据索引在所述数据配置表的随机数据标识中进行检索，获取N组中间分量随机数据采样值，每组至少包括两个中间分量随机数据采样值；