[发明专利]产品检测数据集的相似度计算方法及装置

权利要求书

1.一种产品检测数据集的相似度计算方法，其特征在于，所述方法包括：

根据每个缺陷在不同特征维度上的权重，计算每个缺陷在两个数据集之间的相似度K’；

根据每个缺陷的相似度K’以及每个缺陷的数量占比，计算得到两个数据集之间的相似度K1，所述相似度K1用于刻画每个缺陷的数量占比对两个数据集相似度的贡献；

计算各个缺陷在两个数据集中数量的两个向量之间的余弦相似度，将余弦相似度与所述相似度K1相乘，得到两个数据集之间的相似度K2，所述余弦相似度用于刻画缺陷数量的结构占比，所述相似度K2用于刻画每个缺陷的数量的结构占比对两个数据集相似度的贡献；

对所述相似度K2进行归一化处理，将所述相似度K2映射到[0,1]之间，得到两个数据集之间最终的相似度K。

2.根据权利要求1所述的方法，其特征在于，所述根据每个缺陷在不同特征维度上的权重，计算每个缺陷在两个数据集之间的相似度K’，包括：

对于每个缺陷，在两个数据集中分别提取所述缺陷的特征值[f_i1,f_i2,f_i3,f_i4,f_i5,...f_in]，其中f_ij表示所述缺陷在第i个数据集在j维度上的特征值，n为缺陷的特征维度的总数量；

根据所述缺陷在两个数据集的特征值以及每个特征维度的权重，计算所述缺陷在两个数据集之间的相似度K’，其中，每个特征维度的权重为[w₁,w₂,w₃,w₄,w₅,...,w_n]，K’=v₁*w₁+v₂*w₂+v₃*w₃+v₄*w₄+v₅*w₅+...+v_n*w_n，v_j表示当前缺陷第j维度上的特征值在两个数据集间的相似度，且v_j数值在[0,1]区间，v_j=f_1j/f_2j。

3.根据权利要求1所述的方法，其特征在于，所述根据每个缺陷的相似度K’以及每个缺陷的数量占比，计算得到两个数据集之间的相似度K1，包括：

获取每个缺陷在所述两个数据集中的数量；

将各个缺陷的数量相加得到缺陷数量总和；

将每个缺陷的数量除以所述缺陷数量总和，得到每个缺陷的数量占比；

将每个缺陷的数量占比分别与每个缺陷的相似度K’相乘后得到每个缺陷的乘积值；

将各个缺陷的乘积值相加得到所述相似度K1。

4.根据权利要求1所述的方法，其特征在于，所述计算各个缺陷在两个数据集中数量的两个向量之间的余弦相似度，将余弦相似度与所述相似度K1相乘，得到两个数据集之间的相似度K2，包括：

根据各个缺陷在两个数据集中的数量，得到第一向量（P₁₁,P₁₂,...,P_1m）和第二向量（P₂₁，P₂₂,...,P_2m），P_ij为第i个数据集中缺陷j的数量，m为缺陷的数量；

计算所述第一向量和所述第二向量之间的余弦相似度；

将所述相似度K1与所述余弦相似度相乘，得到所述相似度K2。

5.根据权利要求1所述的方法，其特征在于，所述对所述相似度K2进行归一化处理，将所述相似度K2映射到[0,1]之间，得到两个数据集之间最终的相似度K，包括：

获取缺陷各个特征维度的权重总和W；

将所述相似度K2除以所述权重总和W，得到所述相似度K。