[发明专利]数据处理方法、装置及其设备在审
申请号: | 202210375696.0 | 申请日: | 2022-04-11 |
公开(公告)号: | CN114722943A | 公开(公告)日: | 2022-07-08 |
发明(设计)人: | 吴辰晔;张家声 | 申请(专利权)人: | 深圳市人工智能与机器人研究院 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 王学强 |
地址: | 518129 广东省深圳市龙岗区坂*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据处理 方法 装置 及其 设备 | ||
1.一种数据处理方法,其特征在于,包括:
获取目标用户的初始负载数据,所述初始负载数据包括初始维数的负载数据;
获取由多个训练样本训练得到的目标自编码器,其中,所述目标自编码器包括由N个卷积层和M个池化层构成的编码器;每个所述训练样本包括初始维数的历史负载数据和目标维数的历史负载数据,且所述初始维数大于所述目标维数,所述目标自编码器保存有所述初始维数降维至所述目标维度的降维规则;
将所述初始负载数据输入至所述目标自编码器,以使所述目标自编码器根据所述降维规则将所述初始维数的负载数据降维为所述目标维数的负载数据。
2.根据权利要求1所述的数据处理方法,其特征在于,所述目标自编码器包括由2个卷积层和2个池化层构成的编码器以及由2个卷积层和2个池化层构成的解码器,其中,所述编码器的第一卷积层卷积核长度为5,第一池化层步长为5;所述编码器的第二卷积层卷积核长度为4,第一池化层步长为4;所述解码器的第一卷积层卷积核长度为4,第一池化层步长为4;所述解码器的第一卷积层卷积核长度为5,第一池化层步长为5。
3.根据权利要求1所述的数据处理方法,其特征在于,在所述将所述初始负载数据输入至所述目标自编码器之前,所述方法还包括:
对所述初始负载数据进行归一化处理;
所述对所述初始负载数据进行归一化处理,具体包括:
从所述初始维数的初始负载数据中,确定最大的初始负载数据及最小的初始负载数据;
确定所述最大的初始负载数据与所述最小的初始负载数据的差值;
若所述差值等于0,则将预设归一化参数设置为1;
若所述差值不等于0,则将所述预设归一化参数设置为所述差值;
针对所述初始负载数据中的每个负载数据,根据公式x'=(x-xmin)/d计算所述负载数据归一化后的负载数据;其中x为所述负载数据,x'为归一化后的所述负载数据,d为所述预设归一化参数。
4.根据权利要求1至3中任一项所述的数据处理方法,其特征在于,在所述将所述初始负载数据输入至所述目标自编码器,以使所述目标自编码器根据所述降维规则将所述初始维数的负载数据降维为所述目标维数的负载数据之后,所述方法还包括:
对多个所述目标用户的目标负载数据进行聚类,得到每个所述目标用户的聚类特征;
将具有相同聚类特征的目标用户划分为一个用户簇,得到至少一个用户簇。
5.根据权利要求4所述的数据处理方法,其特征在于,在对多个所述目标用户的目标负载数据进行聚类,得到每个所述目标用户的聚类特征之后,所述方法还包括:
将所述目标用户的目标负载数据输入至目标预测模型,以使所述目标预测模型根据所述目标用户的聚类特征以及目标对应关系得到预测负载数据;其中,所述目标预测模型由所述目标用户的历史目标负载数据和所述聚类特征进行训练得到,所述目标预测模型保存有目标负载数据转换至预测负载数据的所述目标对应关系。
6.一种数据处理装置,其特征在于,包括:
获取单元,用于获取目标用户的初始负载数据,所述初始负载数据包括初始维数的负载数据;
所述获取单元,还用于获取由多个训练样本训练得到的目标自编码器,其中,所述目标自编码器包括由N个卷积层和M个池化层构成的编码器;每个所述训练样本包括初始维数的历史负载数据和目标维数的历史负载数据,且所述初始维数大于所述目标维数,所述目标自编码器保存有所述初始维数降维至所述目标维度的降维规则;
输入单元,用于将所述初始负载数据输入至所述目标自编码器,以使所述目标自编码器根据所述降维规则将所述初始维数的负载数据降维为所述目标维数的负载数据。
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深圳市人工智能与机器人研究院,未经深圳市人工智能与机器人研究院许可,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/202210375696.0/1.html,转载请声明来源钻瓜专利网。