【技术实现步骤摘要】
本专利技术涉及数据管理，尤其涉及一种多模态数据库的数据管理方法及系统。
技术介绍
1、多模态数据库的数据管理技术源于多种数据类型的增加和复杂性的提升，这些数据类型包括文本、图像、视频、音频以及多种传感器数据等，特别是在处理复杂的、多源的、异构的数据时，传统的单一数据模型数据库由于其局限性，已经难以满足现代应用的需求；一般的数据管理是指对数据进行有效的采集、存储、安全管理、验证和处理的一系列策略和技术，但随着技术的发展，普通的数据管理方法无法满足大部分用户的需求，需要对数据进行深层次的分析，挖掘内部特征，对多样化的多模态数据提供智能化、个性化的管理模式，对内部存储结构进行调整和优化，针对多模态数据的特征优化数据存储策略。
技术实现思路
1、本专利技术旨在提供一种多模态数据库的数据管理方法及系统，针对多模态数据的特征优化数据存储策略。
2、一种多模态数据库的数据管理方法，包括以下步骤：
3、获取待管理多模态数据集，待管理多模态数据集包含有n条待管理多模态数据dn，待管理多模态数据dn为文本数据或图像数据；基于待管理多模态数据集和多模态数据特征分析模型中进行分析，得到待管理多模态数据融合特征rn，n=1，2，…，n；
4、多模态数据特征分析模型包括有数据预处理层、特征提取层、综合分析层和融合特征输出层，基于知识图谱算法对基础cnn模型进行改进，并引入特征自适应阈值因子z，用于提取待管理多模态数据dn的深层次特征；
5、基于待管理多模态数据融
6、多模态数据管理分配模型包括有特征匹配层、分区存储层和结果输出层，利用特征匹配技术对待管理多模态数据dn进行数据库存储分配；
7、获取目标用户操作记录；基于目标用户操作记录和多模态数据库管理更新模型，对多模态数据库分区pm进行动态更新，得到新的多模态数据库分区pm，并赋予新的多模态数据库分区pm新的数据库访问隐含值ym；
8、多模态数据库管理更新模型包括有操作特征量化层、隐含值变更层和数据库存储更新层，基于启发式改进的群体优化算法进行优化。
9、作为本专利技术的一种优选技术方案，多模态数据特征分析模型包括有数据预处理层、特征提取层、综合分析层和融合特征输出层；
10、数据预处理层用于对待管理多模态数据dn进行预处理，得到预处理待管理多模态数据dn’；
11、特征提取层用于利用改进后的知识图谱算法和cnn模型对预处理待管理多模态数据dn’进行特征提取，得到待管理多模态数据特征tn；
12、综合分析层用于将所有预处理待管理多模态数据dn’进行融合特征分析，得到多模态数据集特征；
13、融合特征输出层用于将待管理多模态数据特征tn和多模态数据集特征进行特征融合，得到待管理多模态数据融合特征rn。
14、作为本专利技术的一种优选技术方案，特征提取层中进行特征提取的具体步骤，包括：
15、特征提取层由i层卷积层构成，i=1，2，…，i；设定特征自适应阈值因子z，，σ是多模态数据卷积特征j3i-2的标准差，表示特征的波动范围；μ是多模态数据卷积特征j3i-2的均值，表示特征的平均水平；h（f）是多模态数据卷积特征j3i-2的熵，表示特征的复杂度；α、β和ϵ是一个调整系数；
16、在第3i-2卷积层中，对预处理待管理多模态数据dn’或多模态数据卷积特征j3i进行特征识别，得到多模态数据卷积特征j3i-2；计算当前的特征自适应阈值因子z；当特征自适应阈值因子z大于预设特征调整阈值时，则在将第3i-1卷积层降低池化强度；否则，保持不变；
17、在第3i-1卷积层中，对多模态数据卷积特征j3i-2进行池化操作，得到多模态数据卷积特征j3i-1；
18、在第3i卷积层中，对多模态数据卷积特征j3i-1进行实体识别，得到多模态数据卷积特征j3i；
19、重复上述操作，在第i卷积层中，得到待管理多模态数据特征tn。
20、作为本专利技术的一种优选技术方案，多模态数据管理分配模型包括有特征匹配层、分区存储层和结果输出层；
21、特征匹配层用于对待管理多模态数据融合特征rn进行特征匹配，得到数据库访问匹配预测结果gn；
22、分区存储层用于基于数据库访问匹配预测结果gn匹配最接近的数据库访问隐含值ym，得到数据库管理分配结果qn；
23、结果输出层用于基于所有数据库管理分配结果qn将待管理多模态数据dn存储至对应的多模态数据库分区pm中。
24、作为本专利技术的一种优选技术方案，训练特征匹配层的具体步骤，包括：
25、收集若干组带有标签值的数据特征匹配样本；每一组数据特征匹配样本中包含有已验证的数据对应的数据融合特征和标签值，标签值表示数据访问标签；若干组带有标签值的数据特征匹配样本组合，得到数据特征匹配训练集；
26、将数据特征匹配训练集输入至多模态数据管理分配模型中对特征匹配层利用标签值为目标进行训练，得到初始特征匹配层；对初始特征匹配层进行模型评估，得到初始特征匹配层模型评估结果；若初始特征匹配层模型评估结果为通过，则将初始特征匹配层作为多模态数据管理分配模型中的特征匹配层；否则，利用数据特征匹配训练集继续进行模型训练。
27、作为本专利技术的一种优选技术方案，多模态数据库管理更新模型包括有操作特征量化层、隐含值变更层和数据库存储更新层；
28、操作特征量化层用于对目标用户操作记录进行特征量化，得到目标用户操作特征量化值lm；
29、隐含值变更层用于根据目标用户操作特征量化值lm和数据库隐含值变更函数进行分析，得到新的数据库访问隐含值ym；数据库隐含值变更函数由启发式改进群体优化算法确定；
30、数据库存储更新层用于基于新的数据库访问隐含值ym重新分配多模态数据库分区pm中的多模态数据，得到新的多模态数据库分区pm。
31、作为本专利技术的一种优选技术方案，确定数据库隐含值变更函数的具体步骤，包括：
32、构建2k个模拟隐含值变更函数个体ak，k=1，2，…，2k；每一个模拟隐含值变更函数个体ak中包含有对数据库隐含值变更函数的解；将前k个模拟隐含值变更函数个体ak作为探索隐含值变更函数种群，后k个模拟隐含值变更函数个体ak作为开发隐含值变更函数种群；设定迭代次数b，b=1，2，…，b；记开发隐含值变更函数种群中适应度最大的值为哨兵隐含值变更函数个体；
33、计算适应度的具体步骤，包括：
34、收集若干组已验证初始特征量化值和对应的数据库分配结果作为一组数据库隐含值变更训练样本；
35、根本文档来自技高网...
【技术保护点】
1.一种多模态数据库的数据管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多模态数据库的数据管理方法，其特征在于，多模态数据特征分析模型包括有数据预处理层、特征提取层、综合分析层和融合特征输出层；
3.根据权利要求2所述的一种多模态数据库的数据管理方法，其特征在于，特征提取层中进行特征提取的具体步骤，包括：
4.根据权利要求3所述的一种多模态数据库的数据管理方法，其特征在于，多模态数据管理分配模型包括有特征匹配层、分区存储层和结果输出层；
5.根据权利要求4所述的一种多模态数据库的数据管理方法，其特征在于，训练特征匹配层的具体步骤，包括：
6.根据权利要求5所述的一种多模态数据库的数据管理方法，其特征在于，多模态数据库管理更新模型包括有操作特征量化层、隐含值变更层和数据库存储更新层；
7.根据权利要求6所述的一种多模态数据库的数据管理方法，其特征在于，确定数据库隐含值变更函数的具体步骤，包括：
8.一种多模态数据库的数据管理系统，其特征在于，所述系统应用上述权利要求1-7任一项所
...【技术特征摘要】
1.一种多模态数据库的数据管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多模态数据库的数据管理方法，其特征在于，多模态数据特征分析模型包括有数据预处理层、特征提取层、综合分析层和融合特征输出层；
3.根据权利要求2所述的一种多模态数据库的数据管理方法，其特征在于，特征提取层中进行特征提取的具体步骤，包括：
4.根据权利要求3所述的一种多模态数据库的数据管理方法，其特征在于，多模态数据管理分配模型包括有特征匹配层、分区存储层和结果输出层；
5.根据...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。