[发明专利]基于神经网络的多源高维多尺度实时数据流的分拣方法

摘要

本发明公开了基于神经网络的多源高维多尺度实时数据流的分拣方法，涉及计算机高维数据分类技术领域，设计一个管道式的信息处理模型，该模型使用抽象工厂方式忽略了设备间数据格式的差异，然后使用消息泵机制将不同信道采集的多通道异构数据泵入数据处理管道，采用协处理器中间件方式完成异构消息的协同处理，在协处理器内部采用神经网络结构对多源高维数据进行分类处理，从而有效地解决了多通道信号分类融合处理问题。本发明通过研究现有分类器的优缺点，提出了一种改进的分拣方法，该方案融入人工智能的神经网络算法，通过对分类器的优化设计，满足了高维多尺度高速实时数据流的分拣。

主权项

1.基于神经网络的多源高维多尺度实时数据流的分拣方法，其特征在于，具体步骤包括：步骤一、将采集设备采集的数据泵入多个消息泵将采集设备1‑n采集的数据通过不同的数据通道泵入到多个消息泵中，具有相同泵入消息方式的采集设备之间共享一个数据通道，或者选用不同的数据通道；步骤二、多个消息泵分别接收具有相同传输协议的数据利用消息泵组件接收采集设备的数据，消息泵组件由消息泵1‑n组成，采集设备1‑n根据自身的需要，接入不同的消息泵进行数据传输，消息泵提供多个消息传输器接口，信号源相同的采集设备共用一个传输器接口；步骤三、消息泵将数据传递给中间件组件进行类别分拣处理利用中间件组件处理消息泵传递的数据，中间件组件由消息中间件1‑n组成，每个消息中间件处理消息泵发送的相同类别的消息请求数据，并及时响应决定是否传递请求给管道模型中的下一个组件，以便及时分发指令给处理器，处理器确定是否拦截管道请求转移给其他的消息中间件处理，并在传递请求之前或回传响应消息之前执行特定操作；步骤四、中间件组将分拣完毕的数据传输给协处理器集合处理利用协处理器集合处理中间件组件传输的数据，协处理器集合由协处理器1‑n组成，处理不同设备、不同协议格式采集的同类数据，处理后的结果被持久化保存在数据库中，同时如果某设备i订阅了本类消息，协处理器将处理后数据的结果再发布给订阅者。