一种基于互联网大数据的电数字数据处理系统技术方案

一种基于互联网大数据的电数字数据处理系统，包括：数据采集模块

【技术实现步骤摘要】
一种基于互联网大数据的电数字数据处理系统


[0001]本专利技术涉及电数据处理
，具体涉及一种基于互联网大数据的电数字数据处理系统
。

技术介绍

[0002]电子数据处理（
EDP ,electronic data processing
）由“数据处理（
DP ,data processing
）”演变而来，它是在多数计算以穿孔卡片形式输入到计算机并以穿孔卡片或纸质报告的形式输出的时候产生的
。
以计算机替代人工处理例行性的数据，并产生报表以支持组织的作业活动
。
其内容重点在于取代重复性的人工操作，以支持基层管理者及作业人员等，例如会计账之应用，故其是重效率的信息系统
。
[0003]现有的电子数据处理技术，例如中国专利文献
CN113794725A
记载了一种电数字数据传输方法及系统，包括：获取当前电数字数据的初始信息，将同一时刻下的电数字数据与初始信息通过加密演算法进行比较，获得差异化数据；采用多元投影降维算法对差异化数据进行加密诊断，然后将诊断后的数据进行解码；对解码后的数据进行预处理，并对预处理后的数据采用密文设置技术进行标记，然后进行电数字数据传输
。
其能够通过对传统分析方式进行改进，使其可以对电数字数据进行在线监测
、
分析及传输
。
该方案中电数字进行采集
、
处理
、
分析时难以对不同种类的电数字参数进行特征提取和划分，不方便物体识别
。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种基于互联网大数据的电数字数据处理系统，用以解决现有方案中电数字进行采集
、
处理
、
分析时难以对不同种类的电数字参数进行特征提取和划分，不方便物体识别的问题
。
[0005]为解决上述技术问题，本专利技术所采用的技术方案是：一种基于互联网大数据的电数字数据处理系统，包括依次连接的数据采集模块
、
数据存储模块
、
数据处理模块
、
数据分析模块以及数据可视化模块；数据采集模块，负责从外部设备或传感器中采集电数字数据，并进行预处理和转换；数据存储模块，用于存储电数字数据，数据存储模块包括数据库
、
文件系统以及云存储单元，以确保数据的安全性和可访问性；数据处理模块，执行数据处理任务，包括数据清洗
、
转换
、
聚合
、
计算
、
卷积神经网络模型训练，以获得有用的信息和结果，数据处理模块包括自然语言处理单元
、
深度学习单元和异常检测单元；数据分析模块，利用统计分析
、
机器学习
、
数据挖掘技术对电数字数据进行分析，提取模式
、
关联性和数据洞察，支持决策和预测；数据可视化模块，将电数字数据可视化为图表
、
图形
、
地图形式
。
[0006]上述的自然语言处理单元，用于处理分词
、
词性标注
、
句法分析
、
实体识别
、
文本分
类以及情感分析
。
[0007]上述的深度学习单元进行数据收集和预处理
、
构建卷积神经网络模型
、
数据训练和优化
、
模型评估和测试以及模型应用和预测，通过卷积神经网络对电数字数据中的图像进行训练和识别
。
[0008]上述的构建卷积神经网络包括卷积层
、
激活函数和池化层
。
[0009]上述的卷积层用于提取图像或其他二维数据的特征，卷积层的表达式为：；其中，
y1（
i,j
）表示卷积后的输出特征图的位置（
i,j
）的值，
x
（
i,j
）表示输入特征图的位置（
i,j
）的值，
W
表示卷积核的权重参数，
b
表示偏置参数
,f
表示激活函数
。
[0010]上述的激活函数用于引入非线性特性，增强神经网络的表达能力，激活函数的公式如下：；其中，
y
表示激活后的输出值，
x
表示输入值
,activation
表示激活函数
。
[0011]上述的池化层用于减小特征图的空间尺寸，同时保留特征信息，池化操作的公式如下：；其中
, y2（
i,j
）表示池化后的输出特征图的位置（
i,j
）的值
, x
（
i,j
）表示输入特征图位置（
i,j
）的值，
pooling
表示池化操作，为最大值或平均值；通过卷积实现深度学习模型对电数字数据的特征提取
、
分类和预测，实现自动化的图像分类或物体识别
。
[0012]本专利技术提供的一种基于互联网大数据的电数字数据处理系统，本专利技术的有益效果是：（1）本专利技术通过数据采集模块，数据存储模块采集和储存电数字数据，并通过深度学习单元，利用深度神经网络技术，进行端到端的学习和推断，处理复杂的电数字数据，并提取高层次的抽象特征和表示，通过卷积神经网络对电数字数据中的图像进行训练和识别，实现自动化的图像分类或物体识别，对电数字数据的特征提取
、
分类和预测等任务
。
[0013]（2）本专利技术通过数据分析模块和数据可视化模块，将提取的数据进行分析并将电数字数据可视化为图表
、
图形
、
地图等形式，使用户能够直观理解数据并发现潜在的模式和趋势，利用异常检测算法，对电数字数据进行实时监测和异常检测，识别异常模式
、
离群点或故障，以提高系统的安全性和稳定性
。
附图说明
[0014]下面结合附图和实施例对本专利技术作进一步说明：图1是本专利技术基于互联网大数据的电数字数据处理系统框图；图2是本专利技术数据处理模块的组成框图；图3是本专利技术卷积神经网络组成框图
。
具体实施方式
[0015]以下结合附图和实施例详细说明本专利技术技术方案
。
[0016]如图
1、2
和3中所示，一种基于互联网大数据的电数字数据处理系统，包括依次连接的数据采集模块
、
数据存储模块
、
数据处理模块
、
数据分析模块以及数据可视化模块；数据采集模块，负责从外部设备或传感器中采集电数字数据，并进行预处理和转换；数据存储模块，用于存储电数字数据，数据存储模块包括数据库
、
文件系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于互联网大数据的电数字数据处理系统，其特征在于，包括依次连接的数据采集模块
、
数据存储模块
、
数据处理模块
、
数据分析模块以及数据可视化模块；数据采集模块，负责从外部设备或传感器中采集电数字数据，并进行预处理和转换；数据存储模块，用于存储电数字数据，数据存储模块包括数据库
、
文件系统以及云存储单元，数据存储模块用以确保数据的安全性和可访问性；数据处理模块，执行数据处理任务，包括数据清洗
、
转换
、
聚合
、
计算
、
卷积神经网络模型训练，数据处理模块包括自然语言处理单元
、
深度学习单元和异常检测单元；数据分析模块，利用统计分析
、
机器学习
、
数据挖掘技术对电数字数据进行分析，提取模式
、
关联性和数据洞察，支持决策和预测；数据可视化模块，将电数字数据可视化为图表
、
图形
、
地图形式
。2.
根据权利要求1所述的一种基于互联网大数据的电数字数据处理系统，其特征在于，所述的自然语言处理单元，用于处理分词
、
词性标注
、
句法分析
、
实体识别
、
文本分类以及情感分析
。3.
根据权利要求2所述的一种基于互联网大数据的电数字数据处理系统，其特征在于，所述的深度学习单元进行数据收集和预处理
、
构建卷积神经网络模型
、
数据训练和优化
、

【专利技术属性】
技术研发人员：张文韬，陈超群，向强铭，张鹏，艾远高，杨之圣，刘松林，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：