【技术实现步骤摘要】
本专利技术涉及人工智能算法分析，具体涉及基于虚拟化技术的多源模型算法解析器插件及编译算法。
技术介绍
1、虚拟化技术是将物理资源进行抽象和虚拟化的技术，通过将物理资源划分为多个逻辑部分，使得每个部分都能够独立地被应用程序或系统软件所使用，从而打破受到组件架设，地域分划和物理配置限制的实体结构，使得用户在操作虚拟资源时比原本的配置硬件资源具有充分性和高效性。而基于虚拟化技术的多源模型算法解析器插件是利用虚拟化技术，解析和处理多个数据源的模型和算法，并应用于软件系统中的插件。
2、目前人工智能算法分析技术，主要使用的开发语言为matlab、python、c++等语言，每种语言均具有独立对应的编译ide和解析器，相同的算法模型在不同语言中具有不同的构建方式。在构建算法模型时，需要在专用的解析器中进行解析完成后，再部署到目标机器上使用；若是目标机器上无相应的库文件时，算法模型就不被响应编译且无法运行，导致目标机器在日常使用中，存在数据库容纳不全的停滞运行缺陷，对施工效率和目标机器利用率造成一定的麻烦。并且每种编译工具在使用中具有一定的需求条件及其对应的学习成本。
技术实现思路
1、本专利技术的目的在于提供了基于虚拟化技术的多源模型算法解析器插件及编译算法及编译算法，用于解决现有方案中不能使用单一语言编译ide和解析器，在目标机器上因缺少依赖库而无法无法运行，且不具备跨平台运行的能力的技术问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、基于虚拟
4、matlab算法模型，在matlab环境中，通过matlab脚本、函数、应用程序、数学公式和算法思想的方式表示，matlab环境中提供了丰富的算法开发和计算工具，并使用这些工具来开发和实现matlab算法模型；
5、统一输入输出接口层，采用虚拟化技术建立一个抽象化的通信接口，屏蔽了底层具体实现的细节，使得目标机器运行的应用程序能与不同的输入输出设备进行交互；
6、matlab算法库，matlab为开发者用户提供的一组内置函数、工具箱和工具，用于开发和执行matlab算法模型；
7、windows依赖库，目标机器在windows操作系统上使用matlab运行时引擎所需要的一组库文件和组件，用于支持matlab运行时引擎的正常运行和与操作系统的交互；
8、虚拟层，利用软件建立对数据交换和整合操作的抽象层，实现应用与底层的解耦，以提供可靠的数据处理机制和专门的交互方式，根据底层不同的架构使用不同的操作方法，用于处理不同数据源之间的差异和兼容性问题。
9、优选地，所述matlab算法模型、所述matlab算法库和所述windows依赖库在开发环境中配置使用的步骤如下：
10、在多源模型算法解析器中配置matlab算法模型，使用matlab的编程语言和工具来实现目标机器特定问题的算法模型；
11、通过统一输入输出接口层链接使用matlab算法库，从matlab的内置函数和工具箱中选择适配的算法库来解决目标机器特定问题；
12、并且在多源模型算法解析器中安装和配置windows依赖库，使得在windows操作系统上使用matlab运行时引擎时流畅，并通过虚拟层对算法模型中的数据进行整合、交换处理。
13、优选地，所述python算法模型，通过编写python脚本、创建python类或支持python编程语言来实现；
14、python算法库，为开发者用户提供的一组用于开发和执行算法模型的python函数、模块和工具集合；
15、centos依赖库，在centos操作系统上运行python算法模型和库所需的库文件和组件，centos赖库提供了与centos操作系统的接口和功能，用于支持python算法模型和库与操作系统的交互和运行；其中，python算法库和centos依赖库是在python开发环境中安装和配置的，集成在多源模型算法解析器中，以实现多语言编译过程。
16、优选地，所述c++算法模型，通过编写c++源代码来实现，利用 c++提供的数据结构、算法和底层编程能力来支持算法开发，使用c++编程语言实现的特定算法逻辑；
17、c++算法库，用于开发和执行c++算法模型的函数、类、模块等集合，为开发者提供了便捷的函数和工具，以解决特定的问题和实现特定的算法模型；
18、debian依赖库，在debian操作系统上运行c++算法模型和库所需的库文件和组件，debian依赖库提供了与debian操作系统的接口和功能，用于支持c++算法模型和库与操作系统的交互和运行，集成在多源模型算法解析器中，以实现多语言编译过程。
19、优选地，所述ide开发工具是集成了代码编辑器、编译器、调试器的软件工具，为程序员提供一个集中管理、高效开发和调试代码的环境，ide代码编辑具备调试和测试功能、集成编译器和构建工具、创建和管理项目的工程文件、集成了版本控制系统和协作工具。
20、优选地，目标机器是能够识别和兼容二进制文件格式的软硬件设备，包括台式机、笔记本电脑、智能手机、平板电脑、嵌入式系统、服务器和云平台中任意一种，目标机器的操作系统包括windows、centos、debian、macos、linux、ios、android或windowsmobile的若干种形式。
21、优选地，编译过程的步骤如下：
22、s1、在模型算法ide中安装上多源模型算法解析器插件；
23、s2、用户在模型算法ide中开发需要的算法模型。在算法模型开发过程中，根据原开发流程进行开发；
24、s3、当用户开发完毕后，打开多源模型算法解析器插件；
25、s4、选择开发机器的操作系统版本信息，选择目标机器的操作系统版本信息；
26、s5、然后点击编译，多源模型算法解析器会把用户编辑的算法模型导入到解析器中，解析器会根据用户选择的信息及操作系统信息调用不同的编译链工具进行编译；
27、s6、当算法模型编译完成后，自动生成目标机器的汇编语言程序，用户能够直接导入到目标机器上运行。
28、优选地，编译算法的原理如下：
29、用户在源模型算法解析器点击完开始编译后，算法源文件会先传输到统一输入输出接口层，该层会自动把对应不同语言开发的算法中依赖的算法模块与源文件进行动态链接；
30、在链接的过程中若是有些库需要依赖不同的操作系统，会自动向下层请求对应的操作系统依赖库；
31、完本文档来自技高网...
【技术保护点】
1.基于虚拟化技术的多源模型算法解析器插件，安装于IDE开发工具，其特征在于：包括包括Matlab算法模型、Python算法模型、C++算法模型、统一输入输出接口层、Matlab算法库、Python算法库、C++算法库、若干语言算法库、Windows依赖库、CentOS依赖库、Debian依赖库、若干语言依赖库和虚拟层的架构；
2.根据权利要求1所述的基于虚拟化技术的多源模型算法解析器插件，其特征在于：所述Matlab算法模型、所述Matlab算法库和所述Windows依赖库在开发环境中配置使用的步骤如下：
3.根据权利要求2所述的基于虚拟化技术的多源模型算法解析器插件，其特征在于：所述Python算法模型，通过编写Python脚本、创建Python类或支持Python编程语言来实现；
4.根据权利要求3所述的基于虚拟化技术的多源模型算法解析器插件，其特征在于：所述C++算法模型，通过编写C++源代码来实现，利用 C++提供的数据结构、算法和底层编程能力来支持算法开发，使用C++编程语言实现的特定算法逻辑；
5.根据权利要求1所述的
6.根据权利要求1所述的基于虚拟化技术的多源模型算法解析器插件，其特征在于：目标机器是能够识别和兼容二进制文件格式的软硬件设备，包括台式机、笔记本电脑、智能手机、平板电脑、嵌入式系统、服务器和云平台中任意一种，目标机器的操作系统包括Windows、CentOS、Debian、macOS、Linux、iOS、Android或WindowsMobile的若干种形式。
7.基于虚拟化技术的多源模型算法解析器插件的编译算法，应用于权利要求1-6任一项所述的基于虚拟化技术的多源模型算法解析器插件，其特征在于：编译过程的步骤如下：
8.根据权利要求7所述的基于虚拟化技术的多源模型算法解析器插件的编译算法，其特征在于：编译算法的原理如下：
...【技术特征摘要】
1.基于虚拟化技术的多源模型算法解析器插件，安装于ide开发工具，其特征在于：包括包括matlab算法模型、python算法模型、c++算法模型、统一输入输出接口层、matlab算法库、python算法库、c++算法库、若干语言算法库、windows依赖库、centos依赖库、debian依赖库、若干语言依赖库和虚拟层的架构；
2.根据权利要求1所述的基于虚拟化技术的多源模型算法解析器插件，其特征在于：所述matlab算法模型、所述matlab算法库和所述windows依赖库在开发环境中配置使用的步骤如下：
3.根据权利要求2所述的基于虚拟化技术的多源模型算法解析器插件，其特征在于：所述python算法模型，通过编写python脚本、创建python类或支持python编程语言来实现；
4.根据权利要求3所述的基于虚拟化技术的多源模型算法解析器插件，其特征在于：所述c++算法模型，通过编写c++源代码来实现，利用 c++提供的数据结构、算法和底层编程能力来支持算法开发，使用c++编程语言实现的特定算法逻辑；
5...
【专利技术属性】
技术研发人员：乔孟磊，隋振利，于海波，黎文彪，
申请(专利权)人：道莅智远技术苏州有限公司，
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。