【技术实现步骤摘要】
本专利技术涉及云边协同，具体涉及一种面向产业链协同运作的数字资源匹配方法。
技术介绍
1、在当今数字化和信息化程度不断提升的产业环境中，产业链协同运作成为了企业间合作的重要方式。产业链上的各个环节需要通过信息共享、资源匹配和协同合作，以实现供应链的高效运作、生产过程的协同优化和市场需求的快速响应。在这样的背景下，数字资源匹配方法成为了产业链协同运作的重要支撑。
2、数字资源匹配的过程中，需要根据数字资源的需求、数据类型进行资源匹配，常规的资源匹配方法需要将每个数字资源数据与其他全部数字资源数据一一进行匹配，需要极大的计算量，对数字资源数据进行分类存储可解决该问题，因此使用迭代自组织聚类算法对面向产业链协同运作的数字资源匹配方法进行分类存储，以在对其进行资源匹配算法过程中能够大大减少计算量，而常规的迭代自组织聚类通过预设最少样本数在每次聚类簇分裂后判断分裂簇是否可抛，然而在数字资源数据中，存在一些数字资源数据数量较少且独自能够成为一类，这样的类别由于样本数较少容易被算法视为可抛而不被分为一个聚类簇，造成对数字资源数据的分类不够充分，难以最大化降低数字资源数据匹配计算量。
技术实现思路
1、为了解决上述问题，本专利技术提供一种面向产业链协同运作的数字资源匹配方法。
2、本专利技术的一种面向产业链协同运作的数字资源匹配方法采用如下技术方案：
3、本专利技术一个实施例提供了一种面向产业链协同运作的数字资源匹配方法，该方法包括以下步骤：
4、采
5、将每个数字资源数据的各项数据映射到多维坐标系中，对多维坐标系中的数字资源数据进行初始聚类，得到若干分裂簇；根据每个分裂簇与其他分裂簇之间的欧式距离，获取每个分裂簇的孤立程度；根据每个分裂簇中数字资源数据的各项数据的极差，获取每个分裂簇的聚集程度；根据每个分裂簇的孤立程度以及聚集程度，获取每个分裂簇的可保留度；
6、根据每个分裂簇的可保留度对预设最小样本数据进行调整，获取每个分裂簇的修正最小样本数；
7、根据每个分裂簇的修正最小样本数对多维坐标系中的数字资源数据进行聚类，得到若干最终聚类簇；根据最终聚类簇对新的数字资源数据进行匹配，获取新的数字资源数据的匹配数据点。
8、优选的，所述将每个数字资源数据的各项数据映射到多维坐标系中，对多维坐标系中的数字资源数据进行初始聚类，得到若干分裂簇，包括的具体步骤如下：
9、将每个数字资源数据的各项数据映射到多维坐标系中，每个数字资源数据对应多维坐标系中一个坐标点，每项数据均为多维坐标系中的一个维度，使用迭代自组织聚类算法对多维坐标系中的数字资源数据进行初始聚类，距离度量采用多维坐标系中数字资源数据对应坐标点之间的距离，得到若干分裂簇。
10、优选的，所述根据每个分裂簇与其他分裂簇之间的欧式距离，获取每个分裂簇的孤立程度，包括的具体步骤如下：
11、
12、式中，代表第个分裂簇的孤立程度；代表分裂簇的个数；代表第个分裂簇的聚类中心与除第个分裂簇之外的第个分裂簇的聚类中心之间的欧式距离；获取每个两两组合的分裂簇的聚类中心之间的欧式距离，将所有两两组合的分裂簇的聚类中心之间的欧式距离的均值记为。
13、优选的，所述每个分裂簇中数字资源数据的各项数据的极差，具体的获取步骤如下：
14、将第个分裂簇中所有数字资源数据的第项数据的最大值与最小值的差值作为第个分裂簇中所有数字资源数据的第项数据的极差。
15、优选的，所述根据每个分裂簇中数字资源数据的各项数据的极差，获取每个分裂簇的聚集程度，包括的具体步骤如下：
16、
17、式中，代表第个分裂簇的聚集程度；代表每个数字资源数据含有的数据项个数；代表第个分裂簇中所有数字资源数据的第项数据的极差；代表所有数字资源数据的第项数据的极差。
18、优选的，所述根据每个分裂簇的孤立程度以及聚集程度，获取每个分裂簇的可保留度，包括的具体步骤如下：
19、
20、式中，代表第个分裂簇的可保留度；代表第个分裂簇的聚集程度；代表第个分裂簇的孤立程度。
21、优选的，所述根据每个分裂簇的可保留度对预设最小样本数据进行调整，获取每个分裂簇的修正最小样本数，包括的具体步骤如下：
22、预设最小样本数；
23、
24、式中，代表第个分裂簇的修正最少样本数，代表第个分裂簇的可保留度；代表预设最少样本数；为避免分母为0的超参数。
25、优选的，所述根据每个分裂簇的修正最小样本数对多维坐标系中的数字资源数据进行聚类，得到若干最终聚类簇，包括的具体步骤如下：
26、预设迭代次数，使用迭代自组织聚类算法对多维坐标系中的数字资源数据进行聚类，若任一分裂簇中数字资源数据小于该分裂簇的修正最小样本数，将该分裂簇删除，重复该操作，直至达到迭代次数时停止聚类，得到若干最终聚类簇。
27、优选的，所述根据最终聚类簇对新的数字资源数据进行匹配，获取新的数字资源数据的匹配数据点，包括的具体步骤如下：
28、将后续获取的新的数字资源数据映射到多维坐标系中，获取该数字资源数据与每个最终聚类簇的聚类中心之间的欧式距离，将欧式距离最小值对应的最终聚类簇，作为待匹配聚类簇，获取该数字资源数据与待匹配聚类簇中的每个数字资源数据之间的欧式距离，将欧式距离最小值对应的待匹配距离簇中的数字资源数据作为该数字资源数据的匹配数据点。
29、优选的，所述采集数字资源数据，包括的具体步骤如下：
30、对于任意一批产品，采集计划生产量数据、产品采购量数据、采购价格数据、存储成本数据、物流运输成本数据以及售后服务成本数据，构成数字资源数据。
31、本专利技术的技术方案的有益效果是：本专利技术将每个数字资源数据映射到多维坐标系中，对多维坐标系中数字资源数据进行初始聚类，得到若干分裂簇，便于后续对每个分裂簇的可保留度进行分析，结合分裂簇与其他分裂簇之间的距离得到每个分裂簇的孤立程度，对于孤立程度较大的分裂簇，其保留度越高；根据每个分裂簇中数字资源数据之间的关联性得到每个分裂簇的聚集程度，对于聚集程度较大的分裂簇，其保留度越高；根据每个分裂簇的孤立程度以及聚集程度得到每个分裂簇的可保留度，并将预设最小样本数据进行调小，获取每个分裂簇的修正最小样本数，根据修正最小样本数对每个分裂簇进行可抛判断更加准确，使得数字资源数据较少但是不应该被抛弃的分裂簇保留，对数字资源数据的分类更加充分，在后续资源匹配过程中降低匹配计算量。
本文档来自技高网...【技术保护点】
1.一种面向产业链协同运作的数字资源匹配方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述将每个数字资源数据的各项数据映射到多维坐标系中，对多维坐标系中的数字资源数据进行初始聚类，得到若干分裂簇，包括的具体步骤如下：
3.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述根据每个分裂簇与其他分裂簇之间的欧式距离，获取每个分裂簇的孤立程度，包括的具体步骤如下：
4.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述每个分裂簇中数字资源数据的各项数据的极差，具体的获取步骤如下：
5.根据权利要求4所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述根据每个分裂簇中数字资源数据的各项数据的极差，获取每个分裂簇的聚集程度，包括的具体步骤如下：
6.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述根据每个分裂簇的孤立程度以及聚集程度，获取每个分裂簇的可保留度，包括
7.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述根据每个分裂簇的可保留度对预设最小样本数据进行调整，获取每个分裂簇的修正最小样本数，包括的具体步骤如下：
8.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述根据每个分裂簇的修正最小样本数对多维坐标系中的数字资源数据进行聚类，得到若干最终聚类簇，包括的具体步骤如下：
9.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述根据最终聚类簇对新的数字资源数据进行匹配，获取新的数字资源数据的匹配数据点，包括的具体步骤如下：
10.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述采集数字资源数据，包括的具体步骤如下：
...【技术特征摘要】
1.一种面向产业链协同运作的数字资源匹配方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述将每个数字资源数据的各项数据映射到多维坐标系中，对多维坐标系中的数字资源数据进行初始聚类，得到若干分裂簇，包括的具体步骤如下：
3.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述根据每个分裂簇与其他分裂簇之间的欧式距离，获取每个分裂簇的孤立程度，包括的具体步骤如下：
4.根据权利要求1所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述每个分裂簇中数字资源数据的各项数据的极差，具体的获取步骤如下：
5.根据权利要求4所述的一种面向产业链协同运作的数字资源匹配方法，其特征在于，所述根据每个分裂簇中数字资源数据的各项数据的极差，获取每个分裂簇的聚集程度，包括的具体步骤如下：
6.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员：刘闯，
申请(专利权)人：北京中微盛鼎科技有限公司，
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。