[发明专利]基于大数据的对象识别方法、电子装置及存储介质

权利要求书

1.一种基于大数据的对象识别方法，应用于电子装置，其特征在于，所述方法包括：

获取步骤：获取预设用户群的终端设备的位置信息，对所述位置信息的数据执行数据清洗操作，从执行数据清洗后的位置信息中筛选出属于预设时间段内的位置信息；

聚类步骤：基于DBSCAN算法对所述预设时间段内的位置信息执行聚类操作，得到多个位置信息簇，将所述多个位置信息簇设置成对应的多个目标区域，分别获取各目标区域内的所有兴趣点的属性特征；

训练步骤：利用预设的标注规则对各所述目标区域进行标注，基于标注后的目标区域及各目标区域内的所有兴趣点的属性特征生成样本集，将所述样本集输入随机森林模型中进行训练，得到对象识别模型；及

识别步骤：接收某个用户发出的对象识别请求，解析得到所述请求携带的待识别区域的兴趣点的属性特征，将所述待识别区域的兴趣点的属性特征输入所述对象识别模型，得到所述待识别区域的识别结果，并将所述识别结果反馈至所述用户。

2.如权利要求1所述的基于大数据的对象识别方法，其特征在于，所述预设时间段内的位置信息为LBS点，所述基于DBSCAN算法对所述预设时间段内的位置信息执行聚类操作包括：

设置各LBS点之间的密度半径，及所述密度半径内最小的LBS点的数量，基于所述密度半径及所述最小的LBS点的数量，从所有LBS点中迭代计算得到核心LBS点、密度可达的LBS点以及边缘LBS点，将得到的核心LBS点、密度可达的LBS点以及边缘LBS点聚集成位置信息簇。

3.如权利要求2所述的基于大数据的对象识别方法，其特征在于，所述将得到的核心LBS点、密度可达的LBS点以及边缘LBS点聚集成位置信息簇包括：

获取所述核心LBS点的密度可达的LBS点，利用所述迭代计算得到的密度可达的LBS点，更新所述核心LBS点对应的聚类簇，直至获取到所述核心LBS点的位置信息簇。

4.如权利要求1所述的基于大数据的对象识别方法，其特征在于，所述训练步骤包括：

将所述样本集按预设比例分为训练集及验证集；

利用所述训练集的样本数据对随机森林模型进行训练，以确定模型的具体参数；

利用所述验证集的样本数据来验证模型的准确率，当所述准确率达到预设阈值时结束训练，得到所述对象识别模型，当所述准确率未达到预设阈值时，继续增加样本数据对随机森林模型进行训练。

5.如权利要求1至4任意一项所述的基于大数据的对象识别方法，其特征在于，所述对所述位置信息的数据执行数据清洗操作包括：

选取信息完整的终端设备的位置信息的数据作为清洗样本放入CART决策树的根部，并将所述清洗样本分为第一组数据和第二组数据；

利用所述第一组数据建立决策树，并以该决策树内部每个节点信息作为分割依据；

利用所述第二组数据修剪决策树，当决策树每个类只存在一个节点时，结束数据清洗。

6.一种电子装置，该电子装置包括存储器及处理器，其特征在于，所述存储器上存储基于大数据的对象识别程序，所述基于大数据的对象识别程序被所述处理器执行，实现如下步骤：

获取步骤：获取预设用户群的终端设备的位置信息，对所述位置信息的数据执行数据清洗操作，从执行数据清洗后的位置信息中筛选出属于预设时间段内的位置信息；

聚类步骤：基于DBSCAN算法对所述预设时间段内的位置信息执行聚类操作，得到多个位置信息簇，将所述多个位置信息簇设置成对应的多个目标区域，分别获取各目标区域内的所有兴趣点的属性特征；

训练步骤：利用预设的标注规则对各所述目标区域进行标注，基于标注后的目标区域及各目标区域内的所有兴趣点的属性特征生成样本集，将所述样本集输入随机森林模型中进行训练，得到对象识别模型；及

识别步骤：接收某个用户发出的对象识别请求，解析得到所述请求携带的待识别区域的兴趣点的属性特征，将所述待识别区域的兴趣点的属性特征输入所述对象识别模型，得到所述待识别区域的识别结果，并将所述识别结果反馈至所述用户。