[发明专利]一种多方位大数据采集整理系统及方法

权利要求书

1.一种多方位大数据采集整理方法，其特征在于，所述多方位大数据采集整理方法包括：

收集一定数量的数据，对数据进行分类分级，记录所标记矩形框区域的信息，作为训练数据集；

对训练数据用深度学习YOLO模型进行训练，并使用随机抽取样本对模型的分类性能进行测试，对模型进行参数调整；

利用带权重的神经网络对数据进行分析处理；并利用分布式以太网保存参数；

利用数据处理程序绘制变化曲线图。

2.如权利要求1所述的多方位大数据采集整理方法，其特征在于，带权重的神经网络包括：

(1)确定n个样本的聚类中心C_i(i＝1,2，…，m,m≤n)，m为隐节点的个数，n为样本总数；

(2)确定径向基函数的半径σ_i(i＝1,2，…，m)，方法如下：

其中，i＝1,2，…，m，m为隐节点的个数，Γ_i为属于核函数中心的C_i样本集合，N_i为集合Γ_i的元素个数；

(3)用随机数初始化连接权值w_i(i＝1,2，…，m)；

(4)用下式模型求出n个输入样本所对应的n个输出，F¹(x)、F²(x)…Fⁿ(x)：

(5)采用梯度下降算法来修正权值：

设d^j(j＝1,2，…，n)为第j个样本的目标输出，F^j(j＝1,2，…，n)为实际输出，求出网络误差e^j；

网络总误差描述为：

ξ(k)关于w_j(k)的偏导数为：

用以下公式修正权值：

其中，i＝1,2，…，m，m为隐节点的个数，η为权值向量的学习率；给定一个最小误差e，当网络输出误差小于e时，结束训练，否则转到第(4)步利用修正的权值再次计算网络误差。

3.如权利要求1所述的多方位大数据采集整理方法，其特征在于，利用带权重的神经网络对数据进行分析处理中，设目标与决策层中有决策指标p₁,p₂,…,p_m，目标与决策层下的网络架构层有C₁,C₂,…,C_N个指标集，其中C_i中有元素

以目标与决策层决策指标p_s(s＝1,2,…,m)为准则，以C_j中元素e_jk(k＝1,2,…,n_j)为次准则，将指标集C_i中指标按其对e_jk的影响力大小进行间接优势度比较，即在准则p_s下构造判断矩阵：

并由特征根法得权重向量

4.如权利要求3所述的多方位大数据采集整理方法，其特征在于，k＝1,2..,n_i时，得到下式所示矩阵W_ij；

其中，W_ij的列向量为C_i中的元素对C_j中元素的影响程度排序向量；若C_j中元素不受C_i中元素影响，则W_ij＝0。