一种人工智能数据归类系统技术方案

本发明专利技术公开了一种人工智能数据归类系统，具体涉及数据处理技术领域，包括用户端、配件数据收集模块、配件数据分类模块、云服务端，所述用户端与配件数据收集模块通过单机片串行连接，所述配件数据收集模块与配件数据分类模块通过单机片进行串行连接，所述配件数据分类模块与云服务端模块通过网络长连接，所述用户端是指用户登录账户输入关键字或上传图像后对输入的关键字数据进行数据预处理，得到预处理后的关键字数据，或对输入的图像数据进行降噪得到预处理图像数据传输至配件数据收集模块，本发明专利技术通过数据特征偏差算法提高数据分类效率，减少数据分类误差，为后续数据处理奠定了基础。了基础。了基础。

【技术实现步骤摘要】
一种人工智能数据归类系统


[0001]本专利技术涉及数据处理
，更具体地说，本专利技术涉及一种人工智能数据归类系统。

技术介绍

[0002]随着我国网络技术的快速发展，数据处理是系统工程以及自动控制的基本环节，逐渐成为生活和工作中的一部分，在整个数据处理的过程中，数据处理是对数据的采集、归类、存储、检索、加工、变换和传输，基于网络数据存在复杂因素使得数据分类是个繁琐且复杂的工作，将大量难以理解的数据进行优化、抽取获得数据特征便于人们利用数据获取重要的意义。
[0003]数据归类是对数据处理的一部分，通过数据类别特性和数据分类方法将具有相同的数据特征归类在一起，将相异的数据与和需要归类管理的数据区别开来，并确定其相同与相异之间的关系，形成有条理的数据系统，数据归类系统包括数据采集模块、数据归类模块以及特征数据库，通过利用特征数据库对数据采集模块采集的数据按照一定的特征进行有效区分，获得数据的准确性。
[0004]目前，数据归类系统获取的数据面单一，面对数量庞大的网络数据处理方法常常受到数据收集不全面等外部因素影响到指分类反复出现错误，使得数据归类准确率下降。

技术实现思路

[0005]为了克服现有技术的上述缺陷，本专利技术的实施例提供一种人工智能数据归类系统，通过配件数据分类模块通过人工智能技术，扩大数据覆盖范围，为优化分类模型结构提供数据支持，通过数据特征偏差算法提高数据分类效率，减少数据分类误差，为后续数据处理奠定了基础，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种人工智能数据归类系统，用于生产企业采购的配件进行归类，包括用户端、配件数据收集模块、配件数据分类模块、云服务端，所述用户端与配件数据收集模块通过单机片串行连接，所述配件数据收集模块与配件数据分类模块通过单机片进行串行连接，所述配件数据分类模块与云服务端模块通过网络长连接，
[0007]所述用户端是指用户登录账户输入关键字或上传图像后对输入的关键字数据进行数据预处理，得到预处理后的关键字数据，或对输入的图像数据进行降噪得到预处理图像数据传输至配件数据收集模块，
[0008]所述配件数据收集模块基于用户端通过收集指令收集预处理关键字数据或预处理图像数据并依据数据特征进行数据基本信息创建，然后将配件数据收集模块的预处理关键字数据或预处理图像数据传输至配件数据分类模块，
[0009]所述配件数据分类模块通过人工智能技术对所收集的预处理关键字数据或预处理的图像数据进行汇总，构建分类矩阵，按照分类过程计算出偏差值，并按照偏差值设置数
据分类监测节点，扩大数据覆盖范围，为优化分类模型结构提供数据支持，
[0010]所述云服务端通过虚拟化技术进行数据分类方法存储以及关键字数据、图像数据的存储，并对配件数据分类模块出现分类错误进行纠偏，通过决策树不断优化分类方法，提高分类准确性，减少分类错误，
[0011]所述偏差值的模型如下：P为数据分类偏差值，ω1为数据特征平均值，ω2为聚类算法聚类极限值，α为聚类算法聚类次数，q为聚类训练集，通过上述计算，得到数据分类偏差值，通过数据分类偏差值，在标定的数据分类进行设定数据特征子集，实现数据分类精度提高。
[0012]在一个优选的实施方式中，所述用户端在用户登录账户之后通过已获取摄像或麦克风权限的智能设备将需要录入的配件数据通过关键字或图像的形式获取配件基本信息，并将配件基本信息通过关键字数据录入或图像传输至配件数据收集模块，所述配件的基本信息包括配件的样式、型号、规格、重量、颜色信息。
[0013]在一个优选的实施方式中，所述关键字数据预处理先确定关键字的具体数据特征进行分析，按照每个关键字的特征实际属性对应不同的关键字信息，构建具体的数据预处理条件，并通过归一量化处理进行定向缩放，得到预处理后的关键字数据集，然后利用二分对比方法对隶属关键字数据集进行关联排序，获得预处理关键字数据；所述图像数据降噪的方式通过在灰度处理的图像局部方差调整图像的输出的基础上，保留图像的边缘和高频图像信息，将图像缩放为预设的尺寸大小，得到预处理图像数据。
[0014]在一个优选的实施方式中，所述配件数据收集模块包括收集指令单元和数据特征提取单元，所述收集指令单元是指收集待分类处理的关键字数据和图像数据的指令，收集指令单元根据寄存器中的指令地址，去内存或指令缓存中获取收集指令，并加载至指令寄存器中，接着所述数据特征提取单元将寄存器中的指令进行翻译、数据特征提取，并向数据特征提取单元发送收集信息和指令信息，与此同时寄存器的指令自增后加载下一个需要指令的指令地址，所述数据特征提取单元结合人工智能技术进行特征值的提取，并通过分布式梯度增强计算出预处理关键字数据或降噪图像的冗余系数，然后依据数据特征对关键字或图像数据基本信息创建，所述数据特征单元基于关键字数据或图像数据进行逐一训练的基础上采用决策树的方法完成数据特征的提取。
[0015]在一个优选的实施方式中，所述数据特征提取单元结合人工智能技术进行特征值的提取，并通过分布式梯度增强计算出预处理关键字数据或降噪图像的冗余系数，然后依据数据特征对关键字或图像数据基本信息创建，所述数据特征单元基于关键字数据或图像数据进行逐一训练的基础上采用决策树的方法完成数据特征的提取。
[0016]在一个优选的实施方式中，所述配件数据分类模块基于数据特征的基础上构建单项分类矩阵，利用人工智能技术进行测试数据的分类，计算在分类过程中出现的偏差值，并建立偏差数据模型，在偏差数据模型中设置分类监测节点，完成数据分类监测，所述人工智能技术包括聚类算法，以关键字聚类为例，具体步骤为：
[0017]A1、随机设置关键字S个数据特征内的点作为初始聚类中心；
[0018]A2、对其他关键字数据特征点到S的个数，未知数据特征点选择最近的一个聚类中心作为标记类别；
[0019]A3、接着对标记的聚类中心之后中心计算每个聚类新中心点，获得其平均值
[0020]A4、若计算获得新中心点与原中心点相同结束计算，若不同重复第二步骤。
[0021]在一个优选的实施方式中，所述云服务端接收用户端获取的待处理关键词数据或图像数据根据分类方法选择得到待处理的关键字数据或图像数据，云服务端包括虚拟化存储模块、智能学习训练模块，所述虚拟化存储模块包括虚拟化数据库，与配件数据获取模块相连接，将配件信息的预处理关键字数据和预处理图像数据存储虚拟化数据库中，虚拟化数据库包含不同数据特征的关键字数据和图像数据，存储相同的关键字或图像时，至少有一类相同，不同数据特征即当前虚拟化数据库所代表的关键字或图像数据特征，虚拟化存储模块依据已确定的数据特征确定一个或多个当前关键字数据或图像数据对应的虚拟化数据库。
[0022]在一个优选的实施方式中，所述智能学习训练模块基于BP神经网络，利用机器学习的方式对分类数据进行监测、分析，然后利用决策树对关键字数据或图像数据的分类方法进行判别，并将其数据分类方法逐一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能数据归类系统，其特征在于：包括用户端、配件数据收集模块、配件数据分类模块、云服务端，所述用户端与配件数据收集模块通过单机片串行连接，所述配件数据收集模块与配件数据分类模块通过单机片进行串行连接，所述配件数据分类模块与云服务端模块通过网络长连接，所述用户端是指用户登录账户输入关键字或上传图像后对输入的关键字数据进行数据预处理，得到预处理后的关键字数据，或对输入的图像数据进行降噪得到预处理图像数据传输至配件数据收集模块，所述配件数据收集模块基于用户端通过收集指令收集预处理关键字数据或预处理图像数据并依据数据特征进行数据基本信息创建，然后将配件数据收集模块的预处理关键字数据或预处理图像数据传输至配件数据分类模块，所述配件数据分类模块通过人工智能技术对所收集的预处理关键字数据或预处理的图像数据进行汇总，构建分类矩阵，按照分类过程计算出偏差值，并按照偏差值设置数据分类监测节点，所述云服务端通过虚拟化技术进行数据分类方法存储以及关键字数据、图像数据的存储，并对配件数据分类模块出现分类错误进行纠偏，通过决策树不断优化分类方法，所述偏差值的模型如下：P为数据分类偏差值，ω1为数据特征平均值，ω2为聚类算法聚类极限值，α为聚类算法聚类次数，q为聚类训练集，通过上述计算，得到数据分类偏差值，通过数据分类偏差值，在标定的数据分类进行设定数据特征子集。2.根据权利要求1所述的一种人工智能数据归类系统，其特征在于：所述用户端在用户登录账户之后通过已获取摄像或麦克风权限的智能设备将需要录入的配件数据通过关键字或图像的形式获取配件基本信息，并将配件基本信息通过关键字数据录入或图像传输至配件数据收集模块，所述配件的基本信息包括配件的样式、型号、规格、重量、颜色信息。3.根据权利要求2所述的一种人工智能数据归类系统，其特征在于：所述关键字数据预处理先确定关键字的具体数据特征进行分析，按照每个关键字的特征实际属性对应不同的关键字信息，构建具体的数据预处理条件，并通过归一量化处理进行定向缩放，得到预处理后的关键字数据集，然后利用二分对比方法对隶属关键字数据集进行关联排序，获得预处理关键字数据；所述图像数据降噪的方式通过在灰度处理的图像局部方差调整图像的输出的基础上，保留图像的边缘和高频图像信息，将图像缩放为预设的尺寸大小，得到预处理图像数据。4.根据权利要求1所述的一种人工智能数据归类系统，其特征在于：所述配件数据收集模块包括收集指令单元和数据特征提取单元，所述收集指令单元是指收集待分类处理的关键字数据和图像数据的指令，收集指令单元根据寄存器中的指令地址，去内存或指令缓存中获取收集指令，并加载至指令寄存器中，接着所述数据特征提取单元将寄存器中的指令进行翻译、数据特征提取，并向数据特征提取单元发送收集信息和指令信息，与此同时寄存器的指令自增后加载下一个需要指令的指令地址，所述数据特征提取单元结合人工智能技术进行特征值的提取，并通过分布式梯度增强计算出预处理关键字数据或降噪图像的冗余系数，然后依据数据特征对关键字或图像数据基本信息创建，所述数据特征单元基于关键
字数据或图像数据进行逐一训练的基础上采用决策树的方法完成数据特征的提取。5.根据权利要求4...

【专利技术属性】
技术研发人员：衣云龙，关颖，王树平，杨立超，赵琰，姜楠，冉曙光，吴嘉隆，辛颖，张慧明，洪宇，叶一彤，
申请(专利权)人：沈阳工程学院，
类型：发明
国别省市：