一种全网智能营销防伪数据监控系统技术方案

本发明专利技术涉及数据传输技术领域，具体涉及一种全网智能营销防伪数据监控系统。该系统包括数据采集模块用于获取全网营销过程中产品的防伪二维码数据；数据编码模块对所述产品的防伪二维码数据进行编码，获取所述产品的防伪二维码数据的特征向量；隐空间变形模块用于训练中心自编码神经网络，并根据所述产品的防伪二维码数据的特征向量对产品的防伪二维码数据的特征向量的隐空间进行变形；异常检测与数据传输检索模块，基于变形的隐空间向量进行异常判断，并依据结果进行防伪信息的检索与传输。本发明专利技术采用对防伪二维码编码的方式，来实现其是否异常的检测，若异常则不进行数据传输，降低二维码解译工作量，提高了防伪数据获取的效率。率。率。

【技术实现步骤摘要】
一种全网智能营销防伪数据监控系统


[0001]本专利技术涉及数据传输
，具体涉及一种全网智能营销防伪数据监控系统。

技术介绍

[0002]随着经济全球化的快速发展和信息技术的不断变革，传统中小企业的营销模式已明显无法适应互联网的发展需求，最突出的表现是产品滞销、实体店倒闭关门。为了在激烈的市场竞争中获得优势，传统中小企业必须适应互联网的变革需求，不断改革营销模式和手段，制定适应企业自身发展和市场需求的营销战略，只有建立互联网时代全新的市场营销模式，才能使企业获得长远发展。在此背景下，探索开创多样化的营销模式成为传统中小企业的当务之急。
[0003]获取全网的营销数据，并对时序的全网营销数据进行异常检测，可以降低数据检索工作量，提高防伪监控系统的运行效率。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种全网智能营销防伪数据监控系统，所采用的技术方案具体如下：本专利技术提出一种全网智能营销防伪数据监控系统，所述系统包括：数据采集模块用于获取全网营销过程中产品的防伪二维码数据；数据编码模块用于构建自编码网络并对所述产品的防伪二维码数据进行编码，获取所述产品的防伪二维码数据的特征向量；隐空间变形模块用于训练中心自编码神经网络，并根据所述产品的防伪二维码数据的特征向量对产品的防伪二维码数据的特征向量的隐空间进行变形；异常检测与数据传输检索模块，基于变形的隐空间向量进行异常判断，并依据结果进行防伪信息的检索与传输。
[0005]进一步地，所述获取全网营销过程中产品的防伪二维码数据包括：利用智能手机拍照功能扫描产品外包装印刷或者粘贴上的二维码图形，最终可以得到防伪二维码的图像数据，然后通过智能手机网络通信将拍摄防伪二维码的图像数据传输给二维码服务器。
[0006]进一步地，所述对所述产品的防伪二维码数据进行编码包括：将产品的防伪二维码数据输入到自编码器中，所述防伪二维码图像要经过大津阈值处理；然后利用交叉熵损失函数初次训练自编码器神经网络。
[0007]进一步地，所述对产品的防伪二维码数据的特征向量的隐空间进行变形，包括：利用初次训练好的自编码神经网络对所有的防伪二维码数据进行推理，得到所有防伪二维码的特征向量，然后计算特征向量的平均值，得到防伪二维码的隐空间中心向量；对自编码神经网络添加变形因子层，度量分类层，得到中心自编码神经网络；获取比例均衡的防伪二维码与伪造二维码数据，然后利用隐空间变形向量损失函
数结合防伪二维码的隐空间中心向量对所述中心自编码神经网络进行训练。
[0008]进一步地，所述根据变形因子层的计算包括：将变形因子层与二维码图像编码器的输出进行下述变形计算：Xc为防伪二维码的隐空间中心向量，F表示变形因子向量，X表示防伪二维码隐空间向量,所述表示防伪二维码的隐空间变形向量;所述变形因子层在训练过程需要进行初始化，采用正态分布初始化。
[0009]进一步地，所述根据度量分类层的计算包括：度量分类层包含多层全连接层，其输入为防伪二维码的隐空间变形向量，分类二维码是否为防伪二维码和伪造二维码。
[0010]进一步地，所述利用隐空间变形向量损失函数结合防伪二维码的隐空间中心向量对所述中心自编码神经网络进行训练包括：隐空间变形向量损失函数包含两部分，一个是解码器的交叉熵损失函数，另外一个是隐空间变形向量损失函数；获取训练中心自编码神经网络时的批次样本，对于该批次样本每次训练都可以通过中心自编码神经网络得到其每个样本的隐空间向量，然后利用PCA方法对样本的隐空间向量进行降维，降维到二维空间，得到二维的防伪二维码隐空间坐标、伪造二维码隐空间坐标、防伪二维码的隐空间中心坐标；然后对于上述二维的防伪二维码隐空间坐标、伪造二维码隐空间坐标分别拟合圆，得到防伪二维码隐空间拟合圆形区域、伪造二维码隐空间圆形区域；然后构建类间约束损失、类内约束损失；基于类内约束损失、类内约束损失、交叉熵损失构建隐空间变形向量损失函数，利用隐空间变形向量损失函数训练中心自编码神经网络。
[0011]进一步地，所述基于变形的隐空间向量进行异常判断，并依据结果进行防伪信息的检索与传输包括：对于训练集中的所有防伪二维码数据利用训练好后的中心自编码神经网络进行推理，获取所有防伪二维码的隐空间变形特征向量，然后计算防伪二维码的隐空间变形特征向量的平均值，得到防伪二维码的隐空间变形中心向量；利用Kd
‑
Tree算法获取与防伪二维码的隐空间变形中心向量欧式距离最远的防伪二维码的隐空间变形向量，该距离作为分类半径；对于后面每次推理后的样本，计算其与防伪二维码的隐空间变形中心向量的距离，若大于分类半径则该样本为异常样本，可能属于伪造二维码，若处于分类半径内，则进行数据库检索，看是否存在该防伪二维码，若存在，则获取防伪信息，并传输给客户端进行信息展示，若不存在，则该样本属于伪造二维码，并反馈给客户。
[0012]本专利技术具有如下有益效果：本专利技术方法采用中心自动编码器与空间的变形相结合，可以有效的提高异常检测的精度。以数据集中心的自动编码器能够自然地基于空间几何检测未知的异常。
[0013]本专利技术通过对防伪二维码进行编码，通过变形隐向量来控制数据的传输，可以加
快防伪二维码系统的监控效率。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0015]图1为本专利技术一个实施例所提供的一种全网智能营销防伪数据监控系统框图。
[0016]图2为本专利技术一个实施例所提供的一种中心自编码神经网络示意图。
具体实施方式
[0017]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种全网智能营销防伪数据监控系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0018]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0019]下面结合附图具体的说明本专利技术所提供的一种全网智能营销防伪数据监控系统的具体方案。
[0020]请参阅图1，其示出了本专利技术一个实施例提供的全网智能营销防伪数据监控系统框图，该系统包括：数据采集模块、数据编码模块、隐空间变形模块和异常检测与数据传输检索模块。
[0021]数据采集模块，获取全网营销过程中产品的防伪数据。
[0022]伴随着国民的消费水平迅速提升，商品的消费市场日益扩大，商家为了保证自身利益越来越注重品牌效益，随之而来对商业防伪的需求也日益提升。由于互联网技术的发展本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全网智能营销防伪数据监控系统，其特征在于，所述系统包括：数据采集模块用于获取全网营销过程中产品的防伪二维码数据；数据编码模块用于构建自编码网络并对所述产品的防伪二维码数据进行编码，获取所述产品的防伪二维码数据的特征向量；隐空间变形模块用于训练中心自编码神经网络，并根据所述产品的防伪二维码数据的特征向量对产品的防伪二维码数据的特征向量的隐空间进行变形；异常检测与数据传输检索模块，基于变形的隐空间向量进行异常判断，并依据结果进行防伪信息的检索与传输。2.根据权利要求1所述的一种全网智能营销防伪数据监控系统，其特征在于，所述获取全网营销过程中产品的防伪二维码数据包括：利用智能手机拍照功能扫描产品外包装印刷或者粘贴上的二维码图形，最终可以得到防伪二维码的图像数据，然后通过智能手机网络通信将拍摄防伪二维码的图像数据传输给二维码服务器。3.根据权利要求1所述的一种全网智能营销防伪数据监控系统，其特征在于，所述对所述产品的防伪二维码数据进行编码包括：将产品的防伪二维码数据输入到自编码器中，所述防伪二维码图像要经过大津阈值处理；然后利用交叉熵损失函数初次训练自编码器神经网络。4.根据权利要求1所述的一种全网智能营销防伪数据监控系统，其特征在于，所述对产品的防伪二维码数据的特征向量的隐空间进行变形，包括：利用初次训练好的自编码神经网络对所有的防伪二维码数据进行推理，得到所有防伪二维码的特征向量，然后计算特征向量的平均值，得到防伪二维码的隐空间中心向量；对自编码神经网络添加变形因子层，度量分类层，得到中心自编码神经网络；获取比例均衡的防伪二维码与伪造二维码数据，然后利用隐空间变形向量损失函数结合防伪二维码的隐空间中心向量对所述中心自编码神经网络进行训练。5.根据权利要求4所述的一种全网智能营销防伪数据监控系统，其特征在于，所述根据变形因子层的计算包括：将变形因子层与二维码图像编码器的输出进行下述变形计算：Xc为防伪二维码的隐空间中心向量，F表示变形因子向量，X表示防伪二维码隐空间向量,所述表示防伪二维码的隐空间变形向量;所述变形因子层在训练过程需要进行初始化，采用正态分布初始化。6.根据权利要...

【专利技术属性】
技术研发人员：高玲，
申请(专利权)人：南通领跑信息技术有限公司，
类型：发明
国别省市：