买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市锐赛科技有限公司

摘要：本发明涉及计时器评估技术领域，特别是一种基于多源数据的秒表检测与评估方法及系统。基于预设检测参数控制检测设备对待测秒表进行检测，获取待测秒表所反馈的实际特征参数，基于随机投影算法与皮尔逊相关系数算法对存储库中的各实际特征参数进行降维处理，得到降维后的最终参数矩阵；在所述降维后的最终参数矩阵数据中获取各实际特征参数在目标维度中的坐标信息，根据各实际特征参数在目标维度中的坐标信息对各实际特征参数进行归类处理，将各最终实际特征参数类群中的实际特征参数与相应项的预设特征参数进行比较并生成评估报告，能够有效提高系统鲁棒性与检测结果准确度，对秒表实现了智能化检测与评估。

主权项：1.一种基于多源数据的秒表检测与评估方法，其特征在于，包括以下步骤：S102：获取待测秒表的秒表三维模型图，并将所述秒表三维模型图导入特征数据库中进行配对检索，得到待测秒表的预设检测参数与各项预设特征参数；S104：基于所述预设检测参数控制检测设备对待测秒表进行检测，并获取待测秒表所反馈的实际特征参数，将待测秒表所反馈的实际特征参数输送至存储库上；S106：引入随机投影算法与皮尔逊相关系数算法，基于随机投影算法与皮尔逊相关系数算法对存储库中的各实际特征参数进行降维处理，得到降维后的最终参数矩阵；S108：在所述降维后的最终参数矩阵数据中获取各实际特征参数在目标维度中的坐标信息，根据各实际特征参数在目标维度中的坐标信息对各实际特征参数进行归类处理，得到若干个最终实际特征参数类群；S110：将各最终实际特征参数类群中的实际特征参数与相应项的预设特征参数进行比较，得到比较结果；根据所述比较结果对待测秒表进行评估，并生成评估报告；其中，引入随机投影算法与皮尔逊相关系数算法，基于随机投影算法与皮尔逊相关系数算法对存储库中的各实际特征参数进行降维处理，得到降维后的最终参数矩阵，具体为：S202：将存储库中的各实际特征参数汇集为一个实际特征参数集，并根据所述实际特征参数集随机生成一个原始矩阵，将原始矩阵定义为X；其中，原始矩阵中的每一行代表一个参数点，每一列代表一个特征；S204：确定将实际特征参数映射到的目标维度，定义为d；初始化投影矩阵，将投影矩阵定义为W；其中，投影矩阵是一个D×d的矩阵，D是实际特征参数的原始维度，d是目标维度；S206：将原始矩阵与投影矩阵相乘，得到降维后的初始参数矩阵；引入皮尔逊相关系数算法，基于皮尔逊相关系数算法计算降维后的初始参数矩阵中特征对之间的皮尔逊相关系数；S208：将计算得到的皮尔逊相关系数按照相应的特征排列组成相关性矩阵，判断所述相关性矩阵中是否存在相关性超过设定阈值的特征对；S210：若不存在，则将所述降维后的初始参数矩阵作为降维后的最终参数矩阵数据；若存在，则重复S202-S208步骤，直至相关性矩阵中不具有相关性超过设定阈值的特征对，则将所述降维后的初始参数矩阵作为降维后的最终参数矩阵数据；其中，在所述降维后的最终参数矩阵数据中获取各实际特征参数在目标维度中的坐标信息，根据各实际特征参数在目标维度中的坐标信息对各实际特征参数进行归类处理，得到若干个最终实际特征参数类群，具体为：S302：在所述降维后的最终参数矩阵数据中获取各实际特征参数在目标维度中的坐标信息；根据各项预设特征参数的项数初始化若干个参数中心，根据各实际特征参数在目标维度中的坐标信息计算各实际特征参数与各参数中心之间的马氏距离；S304：将各实际特征参数与各参数中心之间的马氏距离进行降序排序，排序出最短马氏距离，将各实际特征参数依次归类至马氏距离最短的参数中心中；归类完毕后，获取各个参数中心所附属的实际特征参数，得到若干个实际特征参数类群；S306：引入轮廓系数算法，根据计算轮廓系数算法各个实际特征参数类群的轮廓系数；逐一将各个实际特征参数类群的轮廓系数与预设值进行比较；S308：若某一实际特征参数类群的轮廓系数大于预设值，则说明该实际特征参数类群中不存在奇异参数，则将该实际特征参数类群作为最终实际特征参数类群输出；S310：若某一实际特征参数类群的轮廓系数不大于预设值，则说明该实际特征参数类群中存在奇异参数，则计算该实际特征参数类群中所有实际特征参数与该参数中心之间的欧氏距离，并将欧氏距离最大的实际特征参数在该实际特征参数类群中剔除；然后重复S306步骤，直至该实际特征参数类群的轮廓系数大于预设值，则将该实际特征参数类群作为最终实际特征参数类群输出。

全文数据：

权利要求：

百度查询： 深圳市锐赛科技有限公司 一种基于多源数据的秒表检测与评估方法及系统