[发明专利]基于卷积分解深度模型的多模态数据采集及综合分析平台

权利要求书

1.一种基于卷积分解深度模型的多模态数据采集及综合分析平台，其特征在于包括如下步骤：

S1，建立数据交互模块；

S2，建立数据分析模块；

S3，建立用户服务模块。

2.根据权利要求1所述的基于卷积分解深度模型的多模态数据采集及综合分析平台，其特征在于所述步骤S1建立数据交互模块，包括以下过程：

S11，基于Tomcat的web后端数据传输；

S12，基于IDEA的Android开发；

S13，使用数据哈希的方式及服务连接池实现服务层完成对数据库的水平拓展。

3.根据权利要求1所述的基于卷积分解深度模型的多模态数据采集及综合分析平台，其特征在于所述步骤S2具体步骤如下：

对于图片和文本形式的数据的识别和分类，基于Tensorflow框架,使用pycharm ide搭建相关网络，构造匹配算法；

所述算法采用改进的卷积神经网络，基于经典的Alexnet，包括卷积层1、卷积层2、卷积层3、卷积层4、卷积层5、池化层1、池化层2、池化层3、池化层4、池化层5、全连接层1、全连接层2、全连接层3和一个融合层，最后一个全连接层输出两倍的特征点数；

卷积层和池化层进行信息的提取和筛除，卷积层的卷积核为3×3，步长设置为1，最大池化层的池化核为2×2；在卷积层2、3、4、5中包括两个堆叠的卷积层，两个3×3卷积层的串联相当于1个5×5的卷积层，同时卷积层参数量远少于5×5的卷积层，减少整个网络的训练时间；

在全连接层1、全连接层2后进行Dropout操作，提高泛化能力，激活函数选择LeakyReLu:

x_i表示卷积图像的输入矩阵；y_i表示经过激活函数后的卷积图像输出矩阵。