[发明专利]系统及其指标优化方法及装置

权利要求书

1.一种系统指标优化方法，其特征在于，包括以下步骤：

获取系统的所有已用指标参数及其数值，以及所有待选用指标参数及其数值；

基于预设的数据降维算法将所述所有已用指标参数及其数值进行降维处理，获得对应的特征参数集及其数值；

以所述特征参数集的数值作为输入，基于训练出的预设的机器学习模型，获得所述所有待选用指标参数的数值的预测值；其中，所述预设的机器学习模型以所述特征参数集作为输入节点，以所有待选用指标参数作为目标输出节点，并以所述特征参数集的数值作为第二训练数据集训练获得；

获取所述所有待选用指标参数中每个待选用指标参数的数值与其对应预测值的差异度量值；

选取出预设数量个其差异度量值最大的待选用指标参数作为所述系统的新增指标参数。

2.根据权利要求1所述的系统指标优化方法，其特征在于，所述预设的数据降维算法包括自动编码机；

所述基于预设的数据降维算法将所述所有已用指标参数及其数值进行降维处理，获得对应的特征参数集及其数值，包括：

将所述所有已用指标参数同时作为输入节点和目标输出节点，并以所述所有已用指标参数的数值作为第一训练数据集，训练所述自动编码机，获得对应的特征参数集及其数值。

3.根据权利要求1所述的系统指标优化方法，其特征在于，所述预设的机器学习模型包括深度神经网络；

所述预设的机器学习模型采用下述方式训练：将所述特征参数集及所述所有待选用指标参数对应作为输入节点和目标输出节点，并将所述特征参数集的数值作为第二训练数据集，训练深度神经网络；

所述以所述特征参数集的数值作为输入，基于训练出的预设的机器学习模型，获得所述所有待选用指标参数的数值的预测值，包括：以所述特征参数集的数值作为输入，基于训练出的深度神经网络，获得所述所有待选用指标参数的数值的预测值。

4.根据权利要求1所述的系统指标优化方法，其特征在于，所述特征参数集中的特征参数的数量预先设定。

5.根据权利要求1所述的系统指标优化方法，其特征在于，在所述选取出预设数量个其差异度量值最大的待选用指标参数作为所述系统的新增指标参数之前，还包括：

按照对应差异度量值的大小将所述所有待选用指标参数进行排序。

6.根据权利要求1所述的系统指标优化方法，其特征在于，所述差异度量值包括残差平方和。

7.一种系统指标优化装置，其特征在于，包括以下步骤：

数据获取模块，用于获取系统的所有已用指标参数及其数值，以及所有待选用指标参数及其数值；

数据降维模块，用于基于预设的数据降维算法将所述所有已用指标参数及其数值进行降维处理，获得对应的特征参数集及其数值；

数据预测模块，用于以所述特征参数集的数值作为输入，基于训练出的预设的机器学习模型，获得所述所有待选用指标参数的数值的预测值；其中，所述预设的机器学习模型以所述特征参数集作为输入节点，以所有待选用指标参数作为目标输出节点，并以所述特征参数集的数值作为第二训练数据集训练获得；

差异获取模块，用于获取所述所有待选用指标参数中每个待选用指标参数的数值与其对应预测值的差异度量值；

指标筛选模块，用于选取出预设数量个其差异度量值最大的待选用指标参数作为所述系统的新增指标参数。

8.根据权利要求7所述的系统指标优化装置，其特征在于，所述预设的数据降维算法包括自动编码机；

所述数据降维模块基于预设的数据降维算法将所述所有已用指标参数及其数值进行降维处理，获得对应的特征参数集及其数值，包括：

将所述所有已用指标参数同时作为输入节点和目标输出节点，并以所述所有已用指标参数的数值作为第一训练数据集，训练所述自动编码机，获得对应的特征参数集及其数值。