【技术实现步骤摘要】
本专利技术属于数据智能处理，具体涉及一种基于量子贝叶斯数据评估的智能负载分发方法及装置。
技术介绍
1、遗传算法最初是由美国密歇根大学的j.holland教授提出的，借鉴了生物进化中的遗传、基因变异、杂交和自然选择的思想。这种算法一般用于解决全局优化问题，已被广泛地用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。
2、遗传算法具有很多优越的性能。首先它是一个高效并行并且有全局搜索能力的算法，可以大大减少计算时间。遗传算法操作的对象是一组可行解(种群)，而不是单个解(个体)，有良好的并行性和全局搜索能力，不易陷入局部最优解。遗传算法按概率搜索，在有噪声的情况下仍然能够有很大的概率找到最优解。此外，因为遗传算法以适应度作为唯一的搜索信息，所以很适合解决高复杂度的非线性优化问题。遗传算法是从可能潜在解集的一个种群开始的，种群由经过基因编码的一定数目的个体组成。在遗传算法中，基因是杂交、变异操作的最基本的单位。遗传算法的搜索策略是通过个体基因的交换来实现的。现有通讯信息感知领域技术主要采用系统辨识流程因此系统辨识有误差问题。
技术实现思路
1、本专利技术实施例的目的是提供一种基于量子贝叶斯数据评估的智能负载分发方法及装置，以解决现有通讯信息感知领域技术主要采用系统辨识流程因此系统辨识有误差问题。
2、为了解决上述技术问题，本专利技术是这样实现的：
3、第一方面，本专利技术实施例提供了一种基于量子贝叶斯数据评估的智能负载分发方法，其特征在于，
4、通过遗传算法优化遗传算法模型的参数，以使准则函数最小；
5、通过模型评测算法对于所述遗传算法模型进行二次评测，以优化所述遗传算法模型的结构；
6、利用所述遗传算法模型通过目标搜索引擎在无线数据中进行检索，以获得数据集合；
7、将所述数据集合中满足预设条件的数据通过量子贝叶斯进行数据质量预测，将数据质量预测小于预设值的数据不进行负载分发。
8、可选地，所述利用所述遗传算法模型通过目标搜索引擎在无线数据中进行检索包括：
9、利用所述遗传算法模型通过目标搜索引擎在无线数据中进行检索，且以搜索关键字符的方式在不同数据源进行检索，以得到符合查询条件的数据；
10、所述获得数据集合包括：
11、对所述符合查询条件的数据进行同数据源分类，以得到同数据源分类数据集合。
12、可选地，所述目标搜索引擎为分布式搜索引擎trino技术为系统的搜索引擎。
13、可选地，在所述将所述数据集合中满足预设条件的数据通过量子贝叶斯进行数据质量预测之前，所述方法还包括：
14、通过模型获得所述同数据源分类数据集合中数据的f1值，将f1值在查询范围内的数据分发给负载均衡集群；
15、所述将所述数据集合中满足预设条件的数据通过量子贝叶斯进行数据质量预测，将数据质量预测小于预设值的数据不进行负载分发包括：
16、通过量子贝叶斯对于f1值小于50％对应的数据进行数据质量预测，将数据质量预测小于预设值的数据不进行负载分发；
17、所述f1值通过获得，其中，p为精确率，r为召回率。
18、可选地，通过模型获得所述同数据源分类数据集合中数据的f1值，将f1值在查询范围内的数据分发给负载均衡集群之后，所述方法还包括：
19、通过所述负载均衡集群将f1值大于等于50％对应的数据下推到服务器端，以生成数据查询结果范围集合。
20、第二方面，本专利技术实施例提供了一种基于量子贝叶斯数据评估的智能负载分发装置，包括：
21、优化模块，用于通过遗传算法优化遗传算法模型的参数，以使准则函数最小；
22、评测模块，用于通过模型评测算法对于所述遗传算法模型进行二次评测，以优化所述遗传算法模型的结构；
23、检索模块，用于利用所述遗传算法模型通过目标搜索引擎在无线数据中进行检索，以获得数据集合；
24、预测模块，用于将所述数据集合中满足预设条件的数据通过量子贝叶斯进行数据质量预测，将数据质量预测小于预设值的数据不进行负载分发。
25、可选地，所述检索模块包括：
26、检索子模块，用于利用所述遗传算法模型通过目标搜索引擎在无线数据中进行检索，且以搜索关键字符的方式在不同数据源进行检索，以得到符合查询条件的数据；
27、得到模块，用于对所述符合查询条件的数据进行同数据源分类，以得到同数据源分类数据集合。
28、可选地，所述目标搜索引擎为分布式搜索引擎trino技术为系统的搜索引擎。
29、可选地，所述装置还包括分发模块，用于通过模型获得所述同数据源分类数据集合中数据的f1值，将f1值在查询范围内的数据分发给负载均衡集群；
30、所述预测模块，具体用于通过量子贝叶斯对于f1值小于50％对应的数据进行数据质量预测，将数据质量预测小于预设值的数据不进行负载分发；
31、所述f1值通过获得，其中，p为精确率，r为召回率。
32、可选地，所述装置还包括生成模块，用于通过所述负载均衡集群将f1值大于等于50％对应的数据下推到服务器端，以生成数据查询结果范围集合。
33、在本专利技术实施例中，通过遗传算法优化遗传算法模型的参数，以使准则函数最小，通过模型评测算法对于所述遗传算法模型进行二次评测，以优化所述遗传算法模型的结构，利用所述遗传算法模型通过目标搜索引擎在无线数据中进行检索，以获得数据集合，将所述数据集合中满足预设条件的数据通过量子贝叶斯进行数据质量预测，将数据质量预测小于预设值的数据不进行负载分发。针对遗传算法模型结构已知的情况下，由ga优化模型的参数，使准则函数最小。同时，利用模型评测的算法对遗传算法模型进行二次评测从而达到优化遗传算法模型结构的目的。弥补了遗传算法模型结构可能的缺陷造成ga用于系统辨识的误差问题。当在海量无线数据中进行检索时，采用分布式搜索引擎trino技术为系统的搜索引擎。首先，按照查询关键字或词从不同数据源获得符合查询条件的数据并按照同数据源分类，由于trino connector很好的与不同数据源在接口层进行了引擎加速优化了查询速度。其次，同数据源分类数据集合通过模型获得f1值大小有序的将查询范围内数据集合分发给负载均衡集群。最后，将上一步f1值大于50％的数据由负载均衡集群将数据下推到服务器端生成数据查询结果范围集合。反之f1值小于50％的数据采用量子贝叶斯进行数据质量预测，预测结果低于50％的数据不进行负载分发。
本文档来自技高网...【技术保护点】
1.一种基于量子贝叶斯数据评估的智能负载分发方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述遗传算法模型通过目标搜索引擎在无线数据中进行检索包括：
3.根据权利要求2所述的方法，其特征在于，所述目标搜索引擎为分布式搜索引擎Trino技术为系统的搜索引擎。
4.根据权利要求2所述的方法，其特征在于，在所述将所述数据集合中满足预设条件的数据通过量子贝叶斯进行数据质量预测之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，在所述通过模型获得所述同数据源分类数据集合中数据的F1值，将F1值在查询范围内的数据分发给负载均衡集群之后，所述方法还包括：
6.一种基于量子贝叶斯数据评估的智能负载分发装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述检索模块包括：
8.根据权利要求7所述的装置，其特征在于，所述目标搜索引擎为分布式搜索引擎Trino技术为系统的搜索引擎。
9.根据权利要求7所述的装置，其特征在于，所述装置还包括：
...【技术特征摘要】
1.一种基于量子贝叶斯数据评估的智能负载分发方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述遗传算法模型通过目标搜索引擎在无线数据中进行检索包括：
3.根据权利要求2所述的方法，其特征在于，所述目标搜索引擎为分布式搜索引擎trino技术为系统的搜索引擎。
4.根据权利要求2所述的方法，其特征在于，在所述将所述数据集合中满足预设条件的数据通过量子贝叶斯进行数据质量预测之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，在所述通过模型获...
【专利技术属性】
技术研发人员：赵思，
申请(专利权)人：中电信数智科技有限公司，
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。