【技术实现步骤摘要】
多方数据协同决策方法和装置、电子设备及可读存储介质
[0001]本专利技术涉及人工智能和数据挖掘领域,尤其涉及一种多方数据协同决策方法和装置、电子设备及可读存储介质。
技术介绍
[0002]随着经济全球化的发展,运营商已不再局限于单一的地理位置发展,形成了地理位置分散的多个决策中心。由于各个地域决策中心间的数据相互壁垒,所以许多大规模决策活动已经不便于以集中的方式进行,而且集中决策还不便保证数据传输的安全性。如果各决策中心单一决策又会导致数据片面,所以实现各地域间的数据协同决策已经成为运营商关注的焦点。协同决策方法和装置被广泛地研究了很多年,已经出现大量的决策专利,大致有如下几种。
[0003]第一种是隐私保护方面的多方数据联合处理的方法,主要是研究数据加密的过程,将多个成员设备的数据加密传输,实现的是原始数据的加密方案,再集中的方式进行决策的方案。该方案对隐私数据的传输加密传输不能保证数据的绝对安全。需要花费大量的计算资源在用第一函数、第二函数的计算中,不利于资源的高效利用。
[0004]第二种是利用任务优先级排序算法对订单进行处理来实现高效利用计算资源的同时节约计算处理成本,采用的是根据所述订单类别和所述任务优先级,采用离散粒子群算法对各所述订单对应的平均执行时间与设备利用率进行协同决策。但是该方案对任务进行优先级排序需要对任务平均执行时间与设备利用率计算和估计,这样预测带来一定的误差的同时还会带来一定的计算资源的花费,任务分优先级处理会丧失对平级任务的处理能力。
[0005]第三种是通过 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种多方数据协同决策方法,其特征在于,包括:基于第一从地运营商的第一从地公共数据集和均值初始化权重,训练出第一决策器,并基于所述第一决策器的学习误差率表现,更新得到第一决策器的第一权重系数;依次基于第二至第H从地运营商的第二至第H从地公共数据集、以及第二至第H从地运营商分别对应前置的第一至第H
‑
1从地运营商的加权权重,训练出第二至第H决策器,并基于第二至第H决策器的学习误差率表现,得到第二至第H决策器的第二至第H权重系数;其中,所述第二至第H从地运营商的加权权重分别是基于第一至第H
‑
1决策器的第一至第H
‑
1权重系数得到的;所述H为大于二的正整数;对所述第一至第H决策器及其对应的第一至H权重系数进行整合,得到多方数据协同决策器。2.根据权利要求1所述的多方数据协同决策方法,其特征在于,所述基于第一从地运营商的第一从地公共数据集和均值初始化权重,训练出第一决策器,并基于所述第一决策器的学习误差率表现,更新得到第一决策器的第一权重系数之前,包括:获取第一至第H从地运营商数据;对第一至第H从地运营商数据进行预处理,得到第一至第H从地公共数据集。3.根据权利要求2所述的多方数据协同决策方法,其特征在于,所述对第一至第H从地运营商数据进行预处理,得到第一至第H从地公共数据集,包括:基于第一至第H从地运营商对中央服务器发出的询问所回复的布尔值,判断出公共数据集合,对所述公共数据集合进行脱敏处理,得到第一至第H从地公共数据集。4.根据权利要求1所述的多方数据协同决策方法,其特征在于,所述基于第一从地运营商的第一从地公共数据集和均值初始化权重,训练出第一决策器,并基于所述第一决策器的学习误差率表现,更新得到第一决策器的第一权重系数,包括:设定第一从地营运商数据{(X1,y1),(X2,y2),...(X
N
,y
N
)},其中X
i
∈X,X为具有多维特征的向量,y
i
∈Y,Y为决策的类别标签数据;均值初始化权重m(1)=(w1,w2,w3,...w
N
),其中,m(1)向量的维度同X
i
;所述N为大于二的正整数;训练出第一决策器,并得到所述第一决策器的学习误差率表现,其中,所述第一决策器的学习误差率表现的计算公式为:(第一决策器(X
i
)≠y
i
)其中,I(第一决策器(X
i
)≠y
i
)表示第一决策器和标签数据不等的数据,及第一决策器训练时错误的数据集,i表示该公式中序列表量的下表索引;w
i
表示X
技术研发人员:杨开南,何庆,尚晶,江勇,陈卓,陈立峰,宁忠寅,曾涵湄,丁亚蓓,熊伟,
申请(专利权)人:中国移动通信集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。