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：深圳市捷信达电子有限公司

摘要：本发明涉及数据处理技术领域，尤其涉及一种酒店预订数据处理方法及系统，该方法包括以下步骤：基于酒店智能预订系统获取酒店订单数据；对客户进行身份数据预录入，获取用户身份识别数据；对酒店订单数据及客户身份识别数据进行数据集成；对用户身份识别数据进行面部阈值切割；对第一面部图像以及第二面部图像进行面部特征点标记；对面部特征点间距数据及用户身份识别数据对客户进行客户身份认定；对酒店订单预订数据可交互视图及客户身份认定数据进行数据绑定；对第二酒店订单预订数据集进行交互式可视化处理；利用矩阵分解法对酒店订单预订数据可交互视图进行视觉投影；本发明实现了酒店智能预订数据的高效、有序处理。

主权项：1.一种基于循环卷积网络的智能预订数据处理方法，其特征在于，包括以下步骤：步骤S1：基于酒店智能预订系统获取酒店订单数据；利用身份认定模块对客户进行身份数据预录入，获取用户身份识别数据，身份认定模块包括人脸识别摄像头及指纹识别仪；利用集成学习算法对酒店订单数据及客户身份识别数据进行数据集成，生成第一酒店订单预订数据集；步骤S2：利用图像几何结构法对用户身份识别数据进行面部阈值切割，生成第一面部图像以及第二面部图像；利用人脸识别技术对第一面部图像以及第二面部图像进行面部特征点标记，生成面部特征点间距数据；基于用户身份识别数据对面部特征点间距数据及用户身份识别数据对客户进行客户身份认定，生成客户身份认定数据；步骤S3：利用双向绑定算法对酒店订单预订数据可交互视图及客户身份认定数据进行数据绑定，生成第二酒店订单预订数据集；利用深度学习算法对第二酒店订单预订数据集进行交互式可视化处理，生成酒店订单预订数据可交互视图；步骤S4：利用矩阵分解法对酒店订单预订数据可交互视图进行视觉投影，生成酒店订单预订数据特征矩阵投影图；步骤S4的具体步骤为：步骤S41：对酒店订单预订数据可交互视图进行数据预处理，生成酒店订单预订数据预处理管道，数据预处理包括清洗、整合以及标准化；步骤S42：利用自适应划分法对酒店订单预订数据预处理管道进行矩阵划分，获得多个酒店订单预订数据子矩阵；步骤S43：利用矩阵分解法对酒店订单预订数据子矩阵进行非负矩阵分解，生成主成分矩阵以及最小误差矩阵；步骤S43的具体步骤为：步骤S431：对酒店订单预订数据子矩阵进行非负矩阵转换，生成酒店订单预订数据非负子矩阵；步骤S432：利用矩阵分解法对酒店订单预订数据非负子矩阵进行矩阵初始化，生成原始数据子矩阵；步骤S433：对原始数据子矩阵进行非负矩阵分解，生成主成分矩阵以及最小误差矩阵；步骤S44：根据主成分矩阵以及最小误差矩阵进行特征提取，生成酒店订单预订数据特征权重矩阵；步骤S45：利用应用视觉投影法对酒店订单预订数据特征权重矩阵进行视觉投影，生成酒店订单预订数据特征矩阵投影图；步骤S5：利用循环卷积网络对酒店订单预订数据特征矩阵投影图进行膨胀卷积及多尺度采样，生成酒店智能预订卷积特征模型；步骤S5包括以下步骤：步骤S51：利用卷积神经网络对酒店订单预订数据特征矩阵投影图进行卷积预处理，生成酒店订单预订数据特征样本集；步骤S52：利用超像素算法对酒店订单预订数据特征样本集进行卷积数据切割，生成酒店订单预订数据卷积特征序列；步骤S53：利用膨胀卷积算法对酒店订单预订数据卷积特征序列进行边缘特征加强处理，生成酒店订单预订数据卷积特征网络；步骤S54：利用多尺度采样算法对酒店订单预订数据卷积特征网络进行空间金字塔池化多层采样，生成酒店订单预订数据卷积特征图；步骤S55：基于组合分类器算法利用组合分类器加权综合计算公式对酒店订单预订数据卷积特征图进行数据挖掘算法建模，生成酒店订单预订数据卷积特征模型；其中，步骤S55的组合分类器加权综合计算公式具体为： 其中，fx为组合分类器权重系数，i为第i个基分类器，n为基分类器的数量，ti为第i个基分类器在组合分类器中的权重，hi为第i个基分类器对权重的预测值，x为输入初始基分类器的样本值，m为基分类器对结果值的预测结果的和，vi为第i个基分类器对结果值的预测结果，gi为第i个基分类器预测的正确率，N为分类结果的数量，vjk为第j个基分类器对第k个基分类器的权重，hk为第k个基分类器对样本的分类结果，hkx为样本x在第k个基分类器的取值；步骤S6：利用对称加密算法对酒店智能预订卷积特征模型进行对称加密，生成酒店智能预订卷积特征加密模型；利用线性规划法将酒店智能预订卷积特征加密模型上传至酒店智能预订系统，实现酒店预订数据管理。

全文数据：

权利要求：

百度查询： 深圳市捷信达电子有限公司 基于循环卷积网络的智能预订数据处理方法及系统