[发明专利]一种基于云计算和深度学习的大数据分析方法

权利要求书

1.一种基于云计算和深度学习的大数据分析方法，其特征在于，包括如下步骤：

S1、利用数据采集技术对不同渠道的数据进行采集，并对数据进行预处理；

S2、通过云计算技术，将S1中的数据存入云端储存平台，进行数据集中化管理和分布式存储；

S3、基于深度学习算法开发深度学习模型，导入S2中的数据对模型进行训练，模型自动学习数据的特征和规律，并对深度学习模型进行评估和调整；

S4、将S3中训练好的深度学习模型部署到远端计算平台，对海量的数据进行实时分析和处理，对模型进行监视和维护，并将用户反馈、时间日志和性能报告数据反馈到S3。

2.根据权利要求1所述的基于云计算和深度学习的大数据分析方法，其特征在于，所述S1对数据进行预处理的步骤如下：

S1.1、判断S1采集的数据中的缺陷；

S1.2、根据S1.1的判断结果对数据进行处理；

S1.3、对S1.2处理后的数据进行数据归一化处理。

3.根据权利要求2所述的基于云计算和深度学习的大数据分析方法，其特征在于，所述S2中对数据进行集中化管理的步骤如下：

S2.1、根据数据类型和存储要求选择合适的云储存服务；

S2.2、根据数据类型创建储存桶、设置访问权限，完成储存空间和访问权限的配置；

S2.3、所述S2.2完成储存空间和访问权限的配置之后，将大数据上传到云端储存平台。

4.根据权利要求3所述的基于云计算和深度学习的大数据分析方法，其特征在于，所述S2中对数据进行分布式储存的步骤如下：

S2.4、将数据进行分段，并将不同的数据段储存在不同的物理位置；

S2.5、对存储的数据进行定期备份。

5.根据权利要求1所述的基于云计算和深度学习的大数据分析方法，其特征在于，所述S3中基于深度学习算法开发深度学习模型的步骤如下：

S3.1、对原始数据进行步骤S1.1、S1.2和S1.3的处理，并将数据划分为不同的数据集；

S3.2、根据步骤S1.3处理后的数据类型选择神经网络结构和超参数，并将其编程为深度学习模型。

6.根据权利要求5所述的基于云计算和深度学习的大数据分析方法，其特征在于，所述S3中对深度学习模型进行评估和调整的步骤如下：

S3.3、使用经过步骤S3.1处理过的原始数据进行训练，并根据训练结果调整超参数；

S3.4、根据步骤S3.1中的数据对深度学习模型进行评估，并根据评估结果对该深度学习模型进行微调；

S3.5、将经过训练的深度学习模型应用于测试和实际数据中。

7.根据权利要求6所述的基于云计算和深度学习的大数据分析方法，其特征在于，所述S4中对深度学习模型进行部署的步骤如下：

S4.1、根据数据类型选择目标平台，将训练好的深度学习模块转化为目标平台上支持的模型格式；

S4.2、将转换后的深度学习模型部署到目标平台上，根据数据类型建立网络接口，并建立深度学习模型和数据源的连接；

S4.3、深度学习模型部署在目标平台之后，对深度学习模型的性能进行测试，采集用户的反馈、事件日志和性能报告数据，并将采集的数据进行反馈。

8.根据权利要求7所述的基于云计算和深度学习的大数据分析方法，其特征在于，所述S4中对深度学习模型进行维护的步骤如下：

S4.4、对深度学习模型在生产环境中各项指标进行自动检测和记录，并在异常情况出现时发送预警信号；

S4.5、根据深度学习模型实际的使用情况，对深度学习模型的使用情况进行判断，并根据判断结果对深度学习模型进行调整。