多特征向量的目标模式快速检索方法、设备、存储介质和程序产品技术

本发明专利技术提供多特征向量的目标模式快速检索方法，包括以下步骤：处理数据，接收并处理输入数据，生成多特征向量；编码转换，将多特征向量转换成多特征码向量；计算向量序列值，将多特征码向量转换成向量序列值；获取目标模式，将向量序列值作为索引，获取索引位置上的目标模式，判断数据输入是否结束，是则结束检索，否则跳转至处理数据步骤。本发明专利技术涉及一种电子设备、存储介质和程序产品。本发明专利技术能够将检索时间复杂度控制在O(1)，不受特征向量的数量的影响，大大提高了目标模式的检索效率。大大提高了目标模式的检索效率。大大提高了目标模式的检索效率。

【技术实现步骤摘要】
多特征向量的目标模式快速检索方法、设备、存储介质和程序产品


[0001]本专利技术涉及模式识别
，尤其涉及多特征向量的目标模式快速检索方法、设备、存储介质和程序产品。

技术介绍

[0002]当前工程应用中，基本上都是采用树的平衡策略及二分折半查找的方法来保证检索效率。对于单项特征的值的检索方法，多采用二叉平衡树，B树，B+树，B*树及其他衍生树来实现，而对于多项特征的向量的检索方法，多采用KD树来实现。
[0003]平衡树检索单特征的时间复杂度为O(logN)，KD树检索多特征向量的时间复杂度为其中N为数据量，k为特征数量。显然，这类方法的检索时间复杂度随着特征向量数量的增加而增大。因此，急需一种多项特征参数的向量集与目标模式对应关系的表征方法和检索方法，以提高工程应用中基于实时解析到的多特征向量检索目标模式的效率。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术的目的在于提供多特征向量的目标模式快速检索方法，能够将检索时间复杂度控制在O(1)，不受特征向量的数量的影响，大大提高了目标模式的检索效率。
[0005]本专利技术提供多特征向量的目标模式快速检索方法，包括以下步骤：
[0006]处理数据，接收并处理输入数据，生成多特征向量；
[0007]编码转换，将所述多特征向量转换成多特征码向量；
[0008]计算向量序列值，将所述多特征码向量转换成向量序列值；
[0009]获取目标模式，将所述向量序列值作为索引，获取索引位置上的目标模式，判断数据输入是否结束，是则结束检索，否则跳转至所述处理数据步骤。
[0010]进一步地，所述处理数据步骤中，将接收的输入数据通过数值计算得到物理量数据，通过滤波处理滤除物理量数据中的干扰信号，基于滤波后物理量数据提取特征模式，基于特征模式完成特征计算输出多项特征，根据特征项排列顺序生成多特征向量。
[0011]进一步地，所述编码转换步骤中，所述多特征向量通过编码公式转换成多特征码值向量，所述编码公式为：
[0012][0013]其中，为第j项特征的第kq个取值，N为特征向量的特征总项数，(j＝1,2，...,N)是指根据所述编码公式对多特征向量集与目标模式对应表中第j列特征值进行编码后的码值。
[0014]进一步地，所述计算向量序列值步骤中，所述多特征码值向量通过特征序列值计算公式转换成向量序列值，所述特征序列值计算公式为：
[0015][0016]其中，Sn
x
是指根据多特征向量中各项特征对应的码值计算得到的向量序列值,取值范围为[1,M]，m
i
表示第i项特征共有m
i
个取值。
[0017]进一步地，所述获取目标模式步骤中，将向量序列值作为表索引，从向量序列值与目标模式对应表中获取表索引位置上的目标模式。
[0018]进一步地，所述向量序列值与目标模式对应表的生成包括以下步骤：
[0019]根据所述编码公式，对特征向量集中的各项特征的特征值进行编码，将多特征向量集转换成多特征码向量集，进而将多特征向量集与目标模式对应表转换成多特征码向量集与目标模式对应表；
[0020]根据所述特征序列值计算公式，将多特征码向量集与目标模式对应表转换成向量序列值与目标模式对应表。
[0021]进一步地，所述多特征向量集与目标模式对应表中，目标模式有l个取值，特征向量具有N项特征，每项特征分别有m1，m2，...,m
N
个取值,第1项特征共有m1个取值，第2项特征共有m2个取值，...，m
N
表示第N项特征共有m
N
个取值，则对应关系表则有M条记录，其中，Ft1，Ft2,...，Ft
N
分别表示第1项，第二项,...，第N项特征,是第1项特征的第1个取值，...,是第1项特征的第k1个取值(k1≤m1)，是第2项特征的第1个取值，....，是第2项特征的第k2个取值(k2≤m2)，...，是第N项特征的第1个取值，...，是第N项的第k
N
个取值(k
N
≤m
N
),Obj表示目标模式，Obj1是目标模式的第1个取值，...，Obj
l
是目标模式的第l个取值；
[0022]所述向量序列值与目标模式对应表中，Sn
x
取值1至M分别对应Obj1至Obj
l
。
[0023]一种电子设备，包括：处理器；
[0024]存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行多特征向量的目标模式快速检索方法。
[0025]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行多特征向量的目标模式快速检索方法。
[0026]一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现多特征向量的目标模式快速检索方法。
[0027]相比现有技术，本专利技术的有益效果在于：
[0028]本专利技术提供多特征向量的目标模式快速检索方法，包括以下步骤：处理数据，接收并处理输入数据，生成多特征向量；编码转换，将多特征向量转换成多特征码向量；计算向量序列值，将多特征码向量转换成向量序列值；获取目标模式，将向量序列值作为索引，获
取索引位置上的目标模式，判断数据输入是否结束，是则结束检索，否则跳转至处理数据步骤。本专利技术涉及一种电子设备、存储介质和程序产品。本专利技术能够将检索时间复杂度控制在O(1)，不受特征向量的数量的影响，大大提高了目标模式的检索效率。
[0029]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。本专利技术的具体实施方式由以下实施例及其附图详细给出。
附图说明
[0030]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0031]图1为本专利技术的多特征向量的目标模式快速检索方法流程图。
具体实施方式
[0032]下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
[0033]多特征向量的目标模式快速检索方法，如图1所示，包括以下步骤：
[0034]通过各种机器学习方法对训练数据集进行分析，学习确定特征向量集与目标模式的对应关系，目标模式有l个取值，特征向量具有N项特征，每项特征分别有m1，m2，...,m
N
个取值,第1项特征共有m1个取值，第2项特征共有m2个取值，...，m
N
表示第N项特征共有m
N
个取值，则对应关系表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.多特征向量的目标模式快速检索方法，其特征在于，包括以下步骤：处理数据，接收并处理输入数据，生成多特征向量；编码转换，将所述多特征向量转换成多特征码向量；计算向量序列值，将所述多特征码向量转换成向量序列值；获取目标模式，将所述向量序列值作为索引，获取索引位置上的目标模式，判断数据输入是否结束，是则结束检索，否则跳转至所述处理数据步骤。2.如权利要求1所述的多特征向量的目标模式快速检索方法，其特征在于：所述处理数据步骤中，将接收的输入数据通过数值计算得到物理量数据，通过滤波处理滤除物理量数据中的干扰信号，基于滤波后物理量数据提取特征模式，基于特征模式完成特征计算输出多项特征，根据特征项排列顺序生成多特征向量。3.如权利要求2所述的多特征向量的目标模式快速检索方法，其特征在于：所述编码转换步骤中，所述多特征向量通过编码公式转换成多特征码值向量，所述编码公式为：其中，为第j项特征的第k
q
个取值，N为特征向量的特征总项数，个取值，N为特征向量的特征总项数，是指根据所述编码公式对多特征向量集与目标模式对应表中第j列特征值进行编码后的码值。4.如权利要求3所述的多特征向量的目标模式快速检索方法，其特征在于：所述计算向量序列值步骤中，所述多特征码值向量通过特征序列值计算公式转换成向量序列值，所述特征序列值计算公式为：其中，Sn
x
是指根据多特征向量中各项特征对应的码值计算得到的向量序列值,取值范围为[1,M]，m
i
表示第i项特征共有m
i
个取值。5.如权利要求4所述的多特征向量的目标模式快速检索方法，其特征在于：所述获取目标模式步骤中，将向量序列值作为表索引，从向量序列值与目标模式对应表中获取表索引位置上的目标模式。6.如权利要求5所述的多特征向量的目标模式快速检索方法，其特征在于：所述向量序列值与目标模式对应表的生成包括以下步骤：根据所述编码公式，对特征向量集中的各项特征的特征值进行编码，将多特征向量集转换成多特征码向量集，进而将多特征向量集...

【专利技术属性】
技术研发人员：陈合意，吴保盛，文立勇，陈兴平，
申请(专利权)人：深圳市奋达智能技术有限公司，
类型：发明
国别省市：