适用于大数据分析的系统技术方案

本发明专利技术公开了适用于大数据分析的系统，包括：用于建立带权重的神经网络的建模模块；用于随机化所有权重值，并将数据库中的数据输出到神经网络中的赋值模块；用于神经网络学习输入到神经网络中的数据的学习模块；用于对产生好的效果的连接赋予优质标识，对产生坏的效果的连接赋予劣质标识的标识模块；用于提高被赋予优质标识的连接对应的权重值，降低被赋予劣质标识的连接的权重值的调整模块。本发明专利技术适用于大数据分析的系统，将数据通过神经网络进行连接，并对连接赋予权重，同时根据连接产生的结果调整权重值，使得数据分析从单一层面扩展到整个数据库，使得所有数据通过数据之间的连接成为一个有机体，提高了数据分析结果的可靠性。

【技术实现步骤摘要】
适用于大数据分析的系统
本专利技术涉及计算机
，具体涉及适用于大数据分析的系统。
技术介绍
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。随着大数据技术的发展，为了获取产品发展方向，需要对产品制造、销售及使用产生的大数据进行分析，然而现有的数据分析技术，只能从单一层面进行分析，无法将分析结果衍生到其他层面，造成分析结果偏差很大。
技术实现思路
本专利技术所要解决的技术问题是现有的数据分析技术，只能从单一层面进行分析，无法将分析结果衍生到其他层面，造成分析结果偏差很大，目的在于提供适用于大数据分析的系统，解决上述问题。本专利技术通过下述技术方案实现：适用于大数据分析的系统，包括：用于建立带权重的神经网络的建模模块；所述神经网络中每个连接对应各自的权重值；用于随机化所有权重值，并将数据库中的数据输出到神经网络中的赋值模块；用于神经网络学习输入到神经网络中的数据的学习模块；用于对产生好的效果的连接赋予优质标识，对产生坏的效果的连接赋予劣质标识的标识模块；用于提高被赋予优质标识的连接对应的权重值，降低被赋予劣质标识的连接的权重值的调整模块。现有技术中，数据分析技术，只能从单一层面进行分析，无法将分析结果衍生到其他层面，造成分析结果偏差很大。本专利技术应用时，先建立带权重的神经网络；所述神经网络中每个连接对应各自的权重值；再随机化所有权重值，并将数据库中的数据输出到神经网络中；然后神经网络学习输入到神经网络中的数据；再然后对产生好的效果的连接赋予优质标识，对产生坏的效果的连接赋予劣质标识；再然后提高被赋予优质标识的连接对应的权重值，降低被赋予劣质标识的连接的权重值。本专利技术将数据通过神经网络进行连接，并对连接赋予权重，同时根据连接产生的结果调整权重值，使得数据分析从单一层面扩展到整个数据库，使得所有数据通过数据之间的连接成为一个有机体，提高了数据分析结果的可靠性。进一步的，所述赋值模块还用于将新采集的数据加入神经网络并由标识模块再次进行标识。进一步的，所述权重值小于1。进一步的，所述学习模块采用深度学习。进一步的，所述优质标识和劣质标识采用哈希码。本专利技术与现有技术相比，具有如下的优点和有益效果：本专利技术适用于大数据分析的系统，将数据通过神经网络进行连接，并对连接赋予权重，同时根据连接产生的结果调整权重值，使得数据分析从单一层面扩展到整个数据库，使得所有数据通过数据之间的连接成为一个有机体，提高了数据分析结果的可靠性。附图说明此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：图1为本专利技术系统结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。实施例如图1所示，本专利技术适用于大数据分析的系统，包括：用于建立带权重的神经网络的建模模块；所述神经网络中每个连接对应各自的权重值；用于随机化所有权重值，并将数据库中的数据输出到神经网络中的赋值模块；用于神经网络学习输入到神经网络中的数据的学习模块；用于对产生好的效果的连接赋予优质标识，对产生坏的效果的连接赋予劣质标识的标识模块；用于提高被赋予优质标识的连接对应的权重值，降低被赋予劣质标识的连接的权重值的调整模块。所述赋值模块还用于将新采集的数据加入神经网络并由标识模块再次进行标识。所述权重值小于1。所述学习模块采用深度学习。所述优质标识和劣质标识采用哈希码。本实施例实施时，先建立带权重的神经网络；所述神经网络中每个连接对应各自的权重值；再随机化所有权重值，并将数据库中的数据输出到神经网络中；然后神经网络学习输入到神经网络中的数据；再然后对产生好的效果的连接赋予优质标识，对产生坏的效果的连接赋予劣质标识；再然后提高被赋予优质标识的连接对应的权重值，降低被赋予劣质标识的连接的权重值。本专利技术将数据通过神经网络进行连接，并对连接赋予权重，同时根据连接产生的结果调整权重值，使得数据分析从单一层面扩展到整个数据库，使得所有数据通过数据之间的连接成为一个有机体，提高了数据分析结果的可靠性。以上所述的具体实施方式，对本专利技术的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本专利技术的具体实施方式而已，并不用于限定本专利技术的保护范围，凡在本专利技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
适用于大数据分析的系统，其特征在于，包括：用于建立带权重的神经网络的建模模块；所述神经网络中每个连接对应各自的权重值；用于随机化所有权重值，并将数据库中的数据输出到神经网络中的赋值模块；用于神经网络学习输入到神经网络中的数据的学习模块；用于对产生好的效果的连接赋予优质标识，对产生坏的效果的连接赋予劣质标识的标识模块；用于提高被赋予优质标识的连接对应的权重值，降低被赋予劣质标识的连接的权重值的调整模块。

【技术特征摘要】
1.适用于大数据分析的系统，其特征在于，包括：用于建立带权重的神经网络的建模模块；所述神经网络中每个连接对应各自的权重值；用于随机化所有权重值，并将数据库中的数据输出到神经网络中的赋值模块；用于神经网络学习输入到神经网络中的数据的学习模块；用于对产生好的效果的连接赋予优质标识，对产生坏的效果的连接赋予劣质标识的标识模块；用于提高被赋予优质标识的连接对应的权重值，降低被赋予劣质标识的连接的权重值的...

【专利技术属性】
技术研发人员：徐娇，
申请(专利权)人：成都谷问信息技术有限公司，
类型：发明
国别省市：四川,51