【技术实现步骤摘要】
基于数据可视化增强的电脑散热器性能分析系统
[0001]本专利技术涉及数字数据处理
，具体涉及基于数据可视化增强的电脑散热器性能分析系统。
技术介绍
[0002]随着用户体验要求的提高，对笔记本电脑或者台式机的需求标准也在随之上升，例如电脑的运行速度、散热性能、轻薄的体型等。电脑散热器主要分为水冷散热器、风冷散热器两大类，散热器的性能越好，处理器工作时产生的大量热能散出时间越短，电脑的工作性能越稳定；散热器的性能越差，处理器工作时产生的大量热能可能无法及时散发，导致处理器降频掉速，加速CPU老化，甚至电脑出现蓝屏死机的现象。
[0003]现阶段电脑散热器的性能主要根据散热器的相关参数和电脑使用过程中的监测参数进行数据分析和可视化，例如，风扇转速、风扇噪声、风扇功率，风扇口径、CPU温度、频率等散热相关参数，但是由于电脑散热器具有型号多、场景多样的特点，获取的散热相关参数往往缺乏代表性。然而对于数据可视化而言，清晰明了的数据可视化图表应该只包含关键数据以及对应的可视化结果，避免可视化图表中无关因素对人们注意力的吸...
【技术保护点】
【技术特征摘要】
1.基于数据可视化增强的电脑散热器性能分析系统，其特征在于，该系统包括以下模块：数据采集模块，获取测试过程中每个时刻的散热数据序列；数据分类模块，根据每类散热数据取值范围的统计结果获取信息熵变化量；根据信息熵变化量获取主要数据和次要数据；根据散热数据在可视化散热器性能过程中的关键程度获取数据关键度；根据数据关键度获取采集时刻之间的数据距离，将数据距离作为聚类时采集时刻之间的度量距离利用K
‑
means算法获取散热数据的聚类结果；数据筛选模块，利用主成分分析PCA算法分别获取每个聚类簇内每类散热数据的第一主成分，将每个聚类簇内所有类散热数据的第一主成分组成的矩阵作为每个聚类簇的数据特征矩阵；根据每个时刻的散热数据序列与散热器不同性能状态对应的数据特征矩阵获取性能关联指数；根据性能关联指数获取用于可视化的筛选数据；性能分析模块，根据各个聚类簇的筛选数据获取散热数据的可视化结果，根据可视化结果获取散热器的性能分析结果。2.根据权利要求1所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据每类散热数据取值范围的统计结果获取信息熵变化量的方法为：对于每类散热数据，统计每类散热数据在所有采集时刻的取值范围，将每个不相等的采集数据作为每类散热数据中的一个数据级；对于任意一个数据级，将所述数据级所在散热数据的信息熵作为第一计算因子，将散热数据删除所述数据级后剩余散热数据的信息熵作为第二计算因子，将第一计算因子与第二计算因子的差值作为所述数据级的信息熵变化量。3.根据权利要求1所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据信息熵变化量获取主要数据和次要数据的方法为：对于任意一个采集时刻，根据采集时刻对应散热数据序列中每个元素对应的信息熵变化量，将采集时刻散热数据序列中元素对应的信息熵变化量组成的序列作为每个采集时刻的信息量序列；将信息量序列中元素的均值作为熵变化均量，将信息量序列内大于等于熵变化均量的元素对应数据作为采集时刻的主要数据，将信息量序列内小于熵变化均量的元素对应数据作为采集时刻的次要数据。4.根据权利要求1所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据散热数据在可视化散热器性能过程中的关键程度获取数据关键度的方法为：对于任意一个采集时刻，根据采集时刻对应近邻序列内所有时刻的散热数据序列以及突变时刻散热数据序列获取采集时刻的散热稳定度；对于采集时刻散热数据序列内的任意一类散热数据，分别获取采集时刻散热数据序列中的主要数据和次要数据，根据采集时刻每类散热数据的熵权值与主要数据熵权值、次要数据熵权值之间的差异获取采集时刻每类散热数据的时序信息关键度；将以自然常数为底数，以采集时刻的散热稳定度为指数的计算结果作为第一乘积因子，将采集时刻每类散热数据的时序信息关键度作为第二乘积因子，将第一乘积因子与第二乘积因子的乘积作为采集时刻每类散热数据的数据关键度。5.根据权利要求4所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在
于，所述根据采集时刻对应近邻序列内所有时刻的散热数据序列以及突变时刻散热数据序列获取采集时刻的散热稳定度的方法为：对于任意一个采集时刻，利用BG序列分割算法获取所有采...
【专利技术属性】
技术研发人员：黄臻，卢梅，
申请(专利权)人：深圳市艺高智慧科技有限公司，
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。