[发明专利]面向大数据的密度图灵机方法和系统在审
申请号: | 201711459624.X | 申请日: | 2017-12-28 |
公开(公告)号: | CN108108330A | 公开(公告)日: | 2018-06-01 |
发明(设计)人: | 朱定局;周国富 | 申请(专利权)人: | 深圳市国华光电科技有限公司;华南师范大学 |
主分类号: | G06F17/10 | 分类号: | G06F17/10 |
代理公司: | 深圳市神州联合知识产权代理事务所(普通合伙) 44324 | 代理人: | 刘真 |
地址: | 518000 广东省深圳市龙华新区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 大数据 字符集合 输出字符串 输入字符串 图灵机模型 提示用户 转移函数 状态集合 输入框 弹出 存储 | ||
本发明公开面向大数据的密度图灵机方法和系统,面向大数据的密度图灵机方法,定义密度图灵机:M=(Q,Σ,Γ,δ,q0,qaccept,qreject,P),获取价值密度阈值P:弹出输入框,提示用户输入价值密度阈值作为P;其中:Q为状态集合,Σ为输入字符集合,Γ为存储带字符集合,Γ=Σ∪{□},δ为转移函数,δ:Q×Γ→Q×Γ×{L,R};q0是初始状态,qaccept是接受状态,qreject是拒绝状态。本发明通过给图灵机模型加上输出字符串的长度除以输入字符串长度的限制,形成密度图灵机。
技术领域
本发明涉及图灵机领域,尤其涉及面向大数据的密度图灵机方法和系统。
背景技术
图灵机是现有所有计算机、手机等电子设备以及电子系统、电子平台的计算模型。图灵机模型的优越性就在于既能适用于最古老的最原始的计算机,又能适用于最新最先进的计算机,既能适用于单台计算机,又能适用于分布式计算机集群,既能适合于小数据的处理,又能适用于大数据的处理,正是因为其通用性、普遍性,才能成为所有类型计算机和电子设备以及电子系统、电子平台的计算模型。
图灵机可以用M=(Q,Σ,Γ,δ,q0,qaccept,qreject),Q为状态集合,Σ为输入字符集合,存储带字符集合Γ=Σ∪{□},转移函数δ:Q×Γ→Q×Γ×{L,R},q0是初始状态,qaccept是接受状态,qreject是拒绝状态。
现有图灵机不限制输出字符串的长度除以输入字符串的长度。大数据应用的另一个特性是价值密度低,在大数据应用中虽然图灵机输入的数据量是巨大的,但产出的有价值的数据量是不大的,输出的数据量是不大的。在大数据出现之前的数据处理中,价值密度是不被关心的,因为那么小数据的价值密度都很大,但在数据时代,价值密度就成了一个大数据的衡量目标,因为价值密度的微小变化就能带来大数据总体价值的巨大变化。从图灵机模型中也可以衡量出大数据的价值密度,价值密度等于输出字符串的长度除以输入字符串的长度。大数据的价值密度不是固定不变的,随着大数据挖掘程度的加深和大数据挖掘算法的改进,其价值密度必然会上升,那么就存在着大数据计算到什么程度可以结束,计算出多少价值的时候可以结束的问题,这就是需要价值密度来进行把控,例如规定价值密度达到P时,计算就可以结束,那么当有效输出长度大于或等于输入长度乘以P时,图灵机就可以有效停机了。因此需要在图灵机中加入价值密度阀值P作为图灵机有效停机的条件。那么有人可能会问了,当然是挖掘出更大的价值才好,为什么还要定义一个价值密度的阈值呢?这是因为追求越高的价值密度,则需要越长的计算时间,而这是与大数据处理的实时需求背道而驰的,因此价值密度的追求要有一个度,要适可而止。
发明内容
本发明的目的是提供面向大数据的密度图灵机方法和系统。
本发明的技术方案如下:
面向大数据的密度图灵机方法,
定义密度图灵机:M=(Q,Σ,Γ,δ,q0,qaccept,qreject,P),
获取价值密度阈值P:弹出输入框,提示用户输入价值密度阈值作为P;
其中:Q为状态集合,Σ为输入字符集合,Γ为存储带字符集合,Γ=Σ∪{□},δ为转移函数,δ:Q×Γ→Q×Γ×{L,R};q0是初始状态,qaccept是接受状态,qreject是拒绝状态。
进一步的,获取当前图灵机获得的价值密度,如超过P,就以qaccept状态结束,说明达密成功。
进一步的,获取当前图灵机获得的价值密度,如果未超过P,且以qaccetp或qreject结束,说明正常计算成功或失败,但未达到预设价值密度阈值。
进一步的,终止应用前处理得到的中间结果返回给用户。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市国华光电科技有限公司;华南师范大学,未经深圳市国华光电科技有限公司;华南师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711459624.X/2.html,转载请声明来源钻瓜专利网。