[发明专利]数据处理学习方法、系统以及电子设备

权利要求书

1.一种数据处理学习方法，其特征在于，包括：

对第一目标数据进行初始数据处理，得到特征数据；

通过聚类算法将所述特征数据中的每个数据类型分为多个数据集合；

计算每个所述数据集合内的特征数据密度，得到密度值；

根据所述密度值将多个所述数据集合进行排序，得到最大密度值数据集合；

根据每个所述数据类型中的所述最大密度值数据集合形成数据处理模型；其中，所述数据处理模型用于对第二目标数据进行初始数据处理；

所述对第一目标数据进行初始数据处理，得到特征数据，具体包括：

根据数据处理模型对第一目标数据进行特征提取，得到特征数据；

所述数据为图像信息；

所述数据处理的过程为对图像的中的物品进行识别的过程；

所述根据数据处理模型对第一目标数据进行特征提取，得到特征数据，具体包括：

根据数据处理模型对第一目标数据进行图像中的元素与特征提取，得到特征数据。

2.根据权利要求1所述的数据处理学习方法，其特征在于，所述通过聚类算法将所述特征数据中的每个数据类型分为多个数据集合，具体包括：

通过聚类算法将所述特征数据分为若干个数据类型，并将每个所述数据类型中的特征数据分成多个数据集合。

3.根据权利要求1所述的数据处理学习方法，其特征在于，所述根据所述密度值将多个所述数据集合进行排序，得到最大密度值数据集合，具体包括：

根据所述密度值将多个所述数据集合进行从大到小的排序，得到最大密度值数据集合。

4.根据权利要求1所述的数据处理学习方法，其特征在于，所述根据每个所述数据类型中的所述最大密度值数据集合形成数据处理模型，具体包括：

将每个所述数据类型中的所述最大密度值数据集合进行组合，形成准确数据组合；

根据所述准确数据组合设置数据模型，形成数据处理模型。

5.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至4任一项所述的方法的步骤。