评价方案确定方法、装置、设备、存储介质和程序产品
文献发布时间:2024-04-18 20:00:50
技术领域
本申请涉及能源安全技术领域,特别是涉及一种评价方案确定方法、装置、设备、存储介质和程序产品。
背景技术
当前,能源安全作为能源绿色转型、经济高质量发展的基本前提,与环境安全、经济稳定、产业链供应链安全等密切相关,而只有保证能源利用的供应和需求“量”的平衡才能够保证能源利用的安全。与此同时,电力安全是能源转型发展的底线,新型电力系统安全作为能源安全的核心要素,在能源安全各个方面发挥着重要作用。电力安全在国际气源气价波动形势下,面临本地电源自给率低、源荷分布不匹配、电力需求增加与未来相关电力发展规模受限矛盾等的问题,如何保障电力供应、需求安全,是保证能源电力发展研究的基础。
现有的对分析电力安全的评价方案确定时,主要依赖于专家的经验和判断来进行打分选出一种评价方案。
然而通过这种方式确定评价方案时,对专家的经验和判断依赖性强,有主观因素在内,并且专家打分结果可能需要多次校正,准确性不高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高评价方案确定准确性的评价方案确定方法、装置、设备、存储介质和程序产品。
第一方面,本申请提供了一种评价方案确定方法,该方法包括:
基于多个候选评价方案中的每一个候选评价方案,确定目标系统的多个评价指标中各评价指标对应的评价参数,以得到评价参数矩阵;对评价参数矩阵进行自编码处理,得到自编码矩阵;基于评价参数矩阵确定各评价指标分别对应的权重值;基于自编码矩阵确定各评价指标对应的理想解;对于各候选评价方案,根据各评价指标对应的理想解,确定候选评价方案中各评价指标对应的理想偏差值,并根据各评价指标分别对应的权重值对各评价指标对应的理想偏差值进行加权求和处理,根据加权求和处理的结果确定候选评价方案对应的贴近度;根据各候选评价方案对应的贴近度,从多个候选评价方案中确定针对目标系统的目标评价方案。
在其中一个实施例中,评价参数矩阵中第i行第j列的矩阵元素根据第i个候选评价方案中第j个评价指标对应的评价参数得到。
在其中一个实施例中,基于多个候选评价方案中的每一个候选评价方案,确定目标系统的多个评价指标中各评价指标对应的评价参数,以得到评价参数矩阵,包括:
基于多个候选评价方案中的每一个候选评价方案,确定多个评价指标中各评价指标对应的评价参数,以得到初始参数矩阵,其中,初始参数矩阵中第i行第j列的矩阵元素为第i个候选评价方案中第j个评价指标对应的评价参数;对初始参数矩阵中的矩阵元素进行标准化处理,以得到标准化矩阵;对标准化矩阵中的矩阵元素进行归一化处理,以得到评价参数矩阵。
在其中一个实施例中,对初始参数矩阵中的矩阵元素进行标准化处理,以得到标准化矩阵,包括:
对于初始参数矩阵中的各矩阵元素,从矩阵元素所在的矩阵列中确定最小矩阵元素和最大矩阵元素,并根据矩阵元素、最小矩阵元素以及最大矩阵元素确定矩阵元素对应的标准值;根据初始参数矩阵中各矩阵元素对应的标准值,确定标准化矩阵。
在其中一个实施例中,对标准化矩阵中的矩阵元素进行归一化处理,以得到评价参数矩阵,包括:
对于标准化矩阵中的各矩阵元素,对矩阵元素所在的矩阵列中的矩阵元素进行求和处理,得到矩阵元素和值,根据矩阵元素以及矩阵元素和值得到矩阵元素对应的归一化值;根据标准化矩阵中的各矩阵元素对应的归一化值,确定评价参数矩阵。
在其中一个实施例中,对评价参数矩阵进行自编码处理,得到自编码矩阵,包括:
将评价参数矩阵输入至自编码器中,自编码器包括编码器和解码器;通过编码器和解码器对评价参数矩阵进行处理,以得到自编码矩阵。
在其中一个实施例中,基于评价参数矩阵确定各评价指标分别对应的权重值,包括:
基于熵权法对评价参数矩阵进行运算处理,以得到各评价指标分别对应的第一权重值;基于层次分析法得到各评价指标分别对应的第二权重值;基于博弈论算法对各评价指标分别对应的第一权重值以及各评价指标分别对应的第二权重值进行运算处理,以得到各评价指标分别对应的权重值。
在其中一个实施例中,基于熵权法对评价参数矩阵进行运算处理,以得到各评价指标分别对应的第一权重值,包括:
根据评价参数矩阵确定各评价指标对应的信息熵;根据各评价指标对应的信息熵确定各评价指标分别对应的第一权重值。
在其中一个实施例中,基于层次分析法得到各评价指标分别对应的第二权重值,包括:
对于各评价指标,获取评价指标对应的相对重要度向量,相对重要度向量中的向量元素用于指示评价指标相对于其他评价指标的重要程度;根据各评价指标对应的相对重要度向量,确定各评价指标分别对应的第二权重值。
在其中一个实施例中,基于自编码矩阵确定各评价指标对应的理想解,包括:
对于各评价指标,从自编码矩阵中确定评价指标对应的最大自编码参数和最小自编码参数;将各评价指标对应的最大自编码参数作为各评价指标对应的正理想解,将各评价指标对应的最小自编码参数作为各评价指标对应的负理想解。
在其中一个实施例中,对于各候选评价方案,根据各评价指标对应的理想解,确定候选评价方案中各评价指标对应的理想偏差值,包括:
对于各候选评价方案,从自编码矩阵中确定候选评价方案中各评价指标对应的自编码参数,并利用各评价指标对应的自编码参数与正理想解求差,以得到正理想偏差值,利用各评价指标对应的自编码参数与负理想解求差,以得到负理想偏差值。
在其中一个实施例中,根据加权求和处理的结果确定候选评价方案对应的贴近度,包括:
对于各候选评价方案,根据各评价指标分别对应的权重值对各评价指标对应的正理想偏差值进行加权求和处理得到各候选评价方案与正理想解的距离值,根据各评价指标分别对应的权重值对各评价指标对应的负理想偏差值进行加权求和处理得到各候选评价方案与负理想解的距离值;将各候选评价方案与正理想解的距离值和各候选评价方案与负理想解的距离值求和得到距离值之和,并将各候选评价方案与负理想解的距离值和距离值之和求商,以得到候选评价方案对应的贴近度。
第二方面,本申请还提供了一种评价方案确定装置,该装置包括:
获取模块,用于基于多个候选评价方案中的每一个候选评价方案,确定目标系统的多个评价指标中各评价指标对应的评价参数,以得到评价参数矩阵;
编码模块,用于对评价参数矩阵进行自编码处理,得到自编码矩阵;
权重确定模块,用于基于评价参数矩阵确定各评价指标分别对应的权重值;
理想解确定模块,用于基于自编码矩阵确定各评价指标对应的理想解;
贴近度确定模块,用于对于各候选评价方案,根据各评价指标对应的理想解,确定候选评价方案中各评价指标对应的理想偏差值,并根据各评价指标分别对应的权重值对各评价指标对应的理想偏差值进行加权求和处理,根据加权求和处理的结果确定候选评价方案对应的贴近度;
方案确定模块,用于根据各候选评价方案对应的贴近度,从多个候选评价方案中确定针对目标系统的目标评价方案。
在其中一个实施例中,评价参数矩阵中第i行第j列的矩阵元素根据第i个候选评价方案中第j个评价指标对应的评价参数得到。
在其中一个实施例中,该获取模块,具体用于:基于多个候选评价方案中的每一个候选评价方案,确定多个评价指标中各评价指标对应的评价参数,以得到初始参数矩阵,其中,初始参数矩阵中第i行第j列的矩阵元素为第i个候选评价方案中第j个评价指标对应的评价参数;对初始参数矩阵中的矩阵元素进行标准化处理,以得到标准化矩阵;对标准化矩阵中的矩阵元素进行归一化处理,以得到评价参数矩阵。
在其中一个实施例中,该获取模块,具体用于:对于初始参数矩阵中的各矩阵元素,从矩阵元素所在的矩阵列中确定最小矩阵元素和最大矩阵元素,并根据矩阵元素、最小矩阵元素以及最大矩阵元素确定矩阵元素对应的标准值;根据初始参数矩阵中各矩阵元素对应的标准值,确定标准化矩阵。
在其中一个实施例中,该获取模块,具体用于:对于标准化矩阵中的各矩阵元素,对矩阵元素所在的矩阵列中的矩阵元素进行求和处理,得到矩阵元素和值,根据矩阵元素以及矩阵元素和值得到矩阵元素对应的归一化值;根据标准化矩阵中的各矩阵元素对应的归一化值,确定评价参数矩阵。
在其中一个实施例中,该编码模块,具体用于:将评价参数矩阵输入至自编码器中,自编码器包括编码器和解码器;通过编码器和解码器对评价参数矩阵进行处理,以得到自编码矩阵。
在其中一个实施例中,该权重确定模块,具体用于:基于熵权法对评价参数矩阵进行运算处理,以得到各评价指标分别对应的第一权重值;基于层次分析法得到各评价指标分别对应的第二权重值;基于博弈论算法对各评价指标分别对应的第一权重值以及各评价指标分别对应的第二权重值进行运算处理,以得到各评价指标分别对应的权重值。
在其中一个实施例中,该权重确定模块,具体用于:根据评价参数矩阵确定各评价指标对应的信息熵;根据各评价指标对应的信息熵确定各评价指标分别对应的第一权重值。
在其中一个实施例中,该权重确定模块,具体用于:对于各评价指标,获取评价指标对应的相对重要度向量,相对重要度向量中的向量元素用于指示评价指标相对于其他评价指标的重要程度;根据各评价指标对应的相对重要度向量,确定各评价指标分别对应的第二权重值。
在其中一个实施例中,该理想解确定模块,具体用于:对于各评价指标,从自编码矩阵中确定评价指标对应的最大自编码参数和最小自编码参数;将各评价指标对应的最大自编码参数作为各评价指标对应的正理想解,将各评价指标对应的最小自编码参数作为各评价指标对应的负理想解。
在其中一个实施例中,该贴近度确定模块,具体用于:对于各候选评价方案,从自编码矩阵中确定候选评价方案中各评价指标对应的自编码参数,并利用各评价指标对应的自编码参数与正理想解求差,以得到正理想偏差值,利用各评价指标对应的自编码参数与负理想解求差,以得到负理想偏差值。
在其中一个实施例中,该贴近度确定模块,具体用于:对于各候选评价方案,根据各评价指标分别对应的权重值对各评价指标对应的正理想偏差值进行加权求和处理得到各候选评价方案与正理想解的距离值,根据各评价指标分别对应的权重值对各评价指标对应的负理想偏差值进行加权求和处理得到各候选评价方案与负理想解的距离值;将各候选评价方案与正理想解的距离值和各候选评价方案与负理想解的距离值求和得到距离值之和,并将各候选评价方案与负理想解的距离值和距离值之和求商,以得到候选评价方案对应的贴近度。
第三方面,本申请还提供了一种计算机设备,该计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面任一所述的方法。
第四方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面任一所述的方法。
第五方面,本申请还提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现上述第一方面任一所述的方法。
上述评价方案确定方法中,基于多个候选评价方案中的每一个候选评价方案,确定目标系统的多个评价指标中各评价指标对应的评价参数,以得到评价参数矩阵,对评价参数矩阵进行自编码处理,得到自编码矩阵,基于评价参数矩阵确定各评价指标分别对应的权重值,基于自编码矩阵确定各评价指标对应的理想解,对于各候选评价方案,根据各评价指标对应的理想解,确定候选评价方案中各评价指标对应的理想偏差值,并根据各评价指标分别对应的权重值对各评价指标对应的理想偏差值进行加权求和处理,根据加权求和处理的结果确定候选评价方案对应的贴近度,根据各候选评价方案对应的贴近度,从多个候选评价方案中确定针对目标系统的目标评价方案。这样,可以更客观地确定各评价指标的权重,考虑各评价指标之间的相互关系,使得评价方案的确定更加准确。
附图说明
图1为一个实施例中评价方案确定方法的流程示意图;
图2为一个实施例中确定评价参数矩阵的流程示意图;
图3为一个实施例中确定标准化矩阵的流程示意图;
图4为一个实施例中确定评价参数矩阵的流程示意图;
图5为一个实施例中确定自编码矩阵的流程示意图;
图6为一个实施例中确定各评价指标分别对应的权重值的流程示意图;
图7为一个实施例中确定各评价指标分别对应的权重值的流程示意图;
图8为一个实施例中确定各评价指标分别对应的权重值的流程示意图;
图9为一个实施例中确定理想解的流程示意图;
图10为一个实施例中确定贴近度的流程示意图;
图11为另一个实施例中评价方案确定方法的流程示意图;
图12为一个实施例中评价方案确定装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
当前,能源安全作为能源绿色转型、经济高质量发展的基本前提,与环境安全、经济稳定、产业链供应链安全等密切相关,而只有保证能源利用的供应和需求“量”的平衡才能够保证能源利用的安全。与此同时,电力安全是能源转型发展的底线,新型电力系统安全作为能源安全的核心要素,在能源安全各个方面发挥着重要作用。电力安全在国际气源气价波动形势下,面临本地电源自给率低、源荷分布不匹配、电力需求增加与未来相关电力发展规模受限矛盾等的问题,如何保障电力供应、需求安全,是保证能源电力发展研究的基础。
现有的对分析电力安全的评价方案确定时,主要依赖于专家的经验和判断来进行打分选出一种评价方案。
然而通过这种方式确定评价方案时,对专家的经验和判断依赖性强,有主观因素在内,并且专家打分结果可能需要多次校正,准确性不高。
有鉴于此,本申请提供了一种可以有效地提高评价方案确定准确性的评价方案确定方法。本申请实施例提供的评价方案确定方法,其执行主体可以是评价方案确定装置,该评价方案确定装置可以通过软件、硬件或者软硬件结合的方式实现,可以以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中。下述方法实施例中,均以执行主体是计算机设备为例来进行说明,其中计算机设备可以是服务器,也可以是台式电脑,本申请实施例不对计算机设备的具体类型进行限定。
本申请实施例提供了一种评价方案确定方法,如图1所示,该方法包括如下步骤:
S101,计算机设备基于多个候选评价方案中的每一个候选评价方案,确定目标系统的多个评价指标中各评价指标对应的评价参数,以得到评价参数矩阵。
其中,评价参数矩阵中第i行第j列的矩阵元素根据第i个候选评价方案中第j个评价指标对应的评价参数得到。
需要说明的是,得到的评价参数矩阵是一个m×n的矩阵,其中m是候选评价方案的个数,n是评价指标的个数。
在本申请实施例中,评价指标包括多种供应指标和多种需求指标,可以分为压力类指标、状态类指标、响应类指标三个准则层,从而构建供电安全指标体系。本申请实施例不对评价指标的具体类型进行限定。
可选的,评价指标包括正向评价指标和负向评价指标,其中,正向评价指标的指标值越大越好,负向评价指标的指标值越小越好,例如,一些常见的正向指标有企业利润、考试成绩等,一些常见的负向指标有污染程度、事故率等。
S102,计算机设备对评价参数矩阵进行自编码处理,得到自编码矩阵。
可选的,自编码是一种利用反向传播算法使得输出等于输入值的神经网络,先将输入压缩成潜在空间表征,然后通过这种表征来重构输出。
在一种可能实现的方式中,对评价参数矩阵进行自编码处理,得到自编码矩阵可以通过自编码器。
在一种可能实现的方式中,对评价参数矩阵进行自编码处理,得到自编码矩阵可以通过堆栈自编码器。
在另一种可能实现的方式中,对评价参数矩阵进行自编码处理,得到自编码矩阵还可以通过正则自编码器。
评价参数矩阵通过自编码处理,其潜在表征将具有价值属性,也就是说自编码处理后输出得到的自编码矩阵等于输入的评价参数矩阵,可以对数据去噪,提取评价参数矩阵的信息特征。
S103,计算机设备基于评价参数矩阵确定各评价指标分别对应的权重值。
可选的,权重值是指各评价指标在整体评价中的相对重要程度,权重越高则该评价指标越重要,每个评价指标的权重值在(0,1)之间,并且所有评价指标的权重值之和为1。
在一种可能实现的方式中,基于评价参数矩阵确定各评价指标分别对应的权重值可以采用层次分析法,层次分析法是一种主观赋权的经典方法,将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标之间能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各指标的重要程度。
在一种可能实现的方式中,基于评价参数矩阵确定各评价指标分别对应的权重值可以采用主成分分析法,主成分分析是一种客观赋权的经典方法,通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分,其特点是用n个线性无关的主成分代替原有的n个评价指标,当这n个评价指标的相关性较高时,这种方法能消除指标间信息的重叠;而且能根据指标所提供的信息,通过数学运算而主动赋权。
在一种可能实现的方式中,基于评价参数矩阵确定各评价指标分别对应的权重值可以采用熵权法,熵权法是一种客观赋权的经典方法,根据指标变异性的大小来确定客观权重。一般来说,若某个指标的信息熵越小,表明指标值得变异程度越大,提供的信息量越多,在综合评价中所能起到的作用也越大,其权重也就越大,具有严格的数学意义。
在另一种可能实现的方式中,基于评价参数矩阵确定各评价指标分别对应的权重值可以采用组合赋权法,将主客观结合起来,最大限度的减少信息的损失,使赋权结果尽可能的与实际结果接近。
S104,计算机设备基于自编码矩阵确定各评价指标对应的理想解。
可选的,理想解包括正理想解和负理想解。
在一种可能实现的方式中,如果自编码矩阵没有进行标准化处理,各正向评价指标对应的各正理想解是自编码矩阵中该正向评价指标对应的最大自编码参数,各正向评价指标对应的各负理想解是自编码矩阵中该正向评价指标对应的最小自编码参数;各负向评价指标对应的各正理想解是自编码矩阵中该负向评价指标对应的最小自编码参数,各负向评价指标对应的各负理想解是自编码矩阵中该正向评价指标对应的最大自编码参数。
在另一种可能实现的方式中,如果自编码矩阵已经经过标准化处理,则不需要再区分正向评价指标和负向评价指标,各指标对应的各正理想解是自编码矩阵中该评价指标对应的最大自编码参数,各指标对应的各负理想解是自编码矩阵中该评价指标对应的最小自编码参数。
S105,计算机设备对于各候选评价方案,根据各评价指标对应的理想解,确定候选评价方案中各评价指标对应的理想偏差值,并根据各评价指标分别对应的权重值对各评价指标对应的理想偏差值进行加权求和处理,根据加权求和处理的结果确定候选评价方案对应的贴近度。
在一种可能实现的方式中,根据加权求和处理的结果确定候选评价方案对应的贴近度时,可以将候选评价方案与负理想解的距离与候选评价方案与正理想解的距离和候选评价方案与负理想解的距离之和相比得到该候选评价方案的贴近度,公式如下:
在一种可能实现的方式中,根据加权求和处理的结果确定候选评价方案对应的贴近度时,可以将候选评价方案与负理想解距离的平方与候选评价方案与正理想解距离的平方和候选评价方案与负理想解距离的平方之和相比,并对其结果进行开方得到该候选评价方案的贴近度,公式如下:
上式中,C
S106,计算机设备根据各候选评价方案对应的贴近度,从多个候选评价方案中确定针对目标系统的目标评价方案。
可选的,贴近度的取值范围为(0,1),候选评价方案的提进度越接近1说明该候选评价方案距离正理想解越近,方案越优,即确定该候选评价方法为针对目标系统的目标评价方案。比如,评价方案A的贴近度为0.5260,评价方案B的贴近度为0.4879,评价方案C的贴近度为0.5613,那么最终从A、B和C三个候选评价方案中选择评价方案C作为目标系统的目标评价方案。
上述评价方案确定方法中,基于多个候选评价方案中的每一个候选评价方案,确定目标系统的多个评价指标中各评价指标对应的评价参数,以得到评价参数矩阵,对评价参数矩阵进行自编码处理,得到自编码矩阵,基于评价参数矩阵确定各评价指标分别对应的权重值,基于自编码矩阵确定各评价指标对应的理想解,对于各候选评价方案,根据各评价指标对应的理想解,确定候选评价方案中各评价指标对应的理想偏差值,并根据各评价指标分别对应的权重值对各评价指标对应的理想偏差值进行加权求和处理,根据加权求和处理的结果确定候选评价方案对应的贴近度,根据各候选评价方案对应的贴近度,从多个候选评价方案中确定针对目标系统的目标评价方案。这样,可以更客观地确定各评价指标的权重,考虑各评价指标之间的相互关系,使得评价方案的确定更加准确。
在一个实施例中,如图2所示,基于多个候选评价方案中的每一个候选评价方案,确定目标系统的多个评价指标中各评价指标对应的评价参数,以得到评价参数矩阵,包括以下步骤:
S201,计算机设备基于多个候选评价方案中的每一个候选评价方案,确定多个评价指标中各评价指标对应的评价参数,以得到初始参数矩阵。
其中,初始参数矩阵中第i行第j列的矩阵元素为第i个候选评价方案中第j个评价指标对应的评价参数。
可选的,得到的初始参数矩阵是一个m×n的矩阵,其中m是候选评价方案的个数,n是评价指标的个数。
S202,计算机设备对初始参数矩阵中的矩阵元素进行标准化处理,以得到标准化矩阵。
在一种可能的实现方式中,对初始参数矩阵中的矩阵元素进行标准化处理可以通过离差标准化,离差标准化是初始参数矩阵中的矩阵元素的线性转换,求得矩阵元素与该矩阵元素所在列的所有矩阵元素中的最小值的差值,并求得该矩阵元素所在列的所有矩阵元素中的最大值与最小值的差值,将两个差值相除得到标准化后的矩阵元素,公式如下:
其中,max为矩阵元素所在列所有矩阵元素中的最大值,min为矩阵元素所在列所有矩阵元素中的最小值。
在另一种可能的实现方式中,对初始参数矩阵中的矩阵元素进行标准化处理可以通过标准差标准化,处理后的数据呈正态分布,将矩阵元素与该矩阵元素所在列的所有矩阵元素的均值做差,并除以该矩阵元素所在列的所有矩阵元素的标准,以得到标准化处理后的矩阵元素,公式如下:
上式中,μ为矩阵元素所在列所有矩阵元素中的均值,σ为矩阵元素所在列所有矩阵元素的标准差。
对各评价指标间进行标准化处理,建立标准化矩阵,可以消除各评价指标间的不可见度。
S203,计算机设备对标准化矩阵中的矩阵元素进行归一化处理,以得到评价参数矩阵。
在一种可能实现的方式中,对标准化矩阵中的矩阵元素进行归一化处理可以将矩阵元素除以该矩阵元素所在列的所有矩阵元素之和,以得到矩阵元素的归一化值,公式如下:
在另一种可能实现的方式中,对标准化矩阵中的矩阵元素进行归一化处理可以先求得该矩阵元素所在列的所有矩阵元素的平方和,将矩阵元素除以该平方和的开方值,以得到矩阵元素的归一化值,公式如下:
在上述两种归一化处理的公式中,x
上述得到评价参数矩阵时,基于多个候选评价方案中的每一个候选评价方案,确定多个评价指标中各评价指标对应的评价参数,以得到初始参数矩阵,对初始参数矩阵中的矩阵元素进行标准化处理,进一步对矩阵元素进行归一化处理以得到评价参数矩阵,这样在获取到评价参数后,对评价参数矩阵进行标准化和归一化处理后,消除了各评价指标间的不可见度,使不同量纲的评价指标处于同一数量级,减少方差大的评价指标的影响,从而使得评价方案的确定更加准确。
在一个实施例中,如图3所示,对初始参数矩阵中的矩阵元素进行标准化处理,以得到标准化矩阵,包括以下步骤:
S301,计算机设备对于初始参数矩阵中的各矩阵元素,从矩阵元素所在的矩阵列中确定最小矩阵元素和最大矩阵元素,并根据矩阵元素、最小矩阵元素以及最大矩阵元素确定矩阵元素对应的标准值。
对于正向评价指标,确定矩阵元素对应的标准值可以先求得矩阵元素与该矩阵元素所在列的所有矩阵元素中的最小值的差值,并求得该矩阵元素所在列的所有矩阵元素中的最大值与最小值的差值,将两个差值相除得到标准化后的矩阵元素,公式如下:
对于负向评价指标,确定矩阵元素对应的标准值可以先求得矩阵元素所在列的所有矩阵元素中的最大值与该矩阵元素的差值,并求得该矩阵元素所在列的所有矩阵元素中的最大值与最小值的差值,将两个差值相除得到标准化后的矩阵元素,公式如下:
上式中,X
S302,计算机设备根据初始参数矩阵中各矩阵元素对应的标准值,确定标准化矩阵。
可选的,将初始参数矩阵的标准化处理后得到标准化评价矩阵R={x
上述对初始参数矩阵中的矩阵元素进行标准化时,将正向评价指标和负向评价指标采用不同的公式进行转换,将初始参数矩阵中的各矩阵元素按照比例缩放,使之落入一个特定的区间,消除各评价指标间的不可见度,从而使得评价方案的确定更加准确。
在一个实施例中,如图4所示,对标准化矩阵中的矩阵元素进行归一化处理,以得到评价参数矩阵,包括以下步骤:
S401,计算机设备对于标准化矩阵中的各矩阵元素,对矩阵元素所在的矩阵列中的矩阵元素进行求和处理,得到矩阵元素和值,根据矩阵元素以及矩阵元素和值得到矩阵元素对应的归一化值。
可选的,获取归一化值可以将矩阵元素除以该矩阵元素所在列的所有矩阵元素之和,公式如下:
上式中,x
S402,计算机设备根据标准化矩阵中的各矩阵元素对应的归一化值,确定评价参数矩阵。
可选的,根据标准化矩阵中的各矩阵元素对应的归一化值,确定评价参数矩阵P={p
上述对标准化矩阵中的矩阵元素进行归一化处理以得到评价参数矩阵,矩阵元素映射到指定的范围内,把有量纲表达式变成无量纲表达式,便于不同单位或量级的评价指标能够进行比较和加权,经过归一化处理后,消除由于量纲不同引起的误差,从而使得评价方案的确定更加准确。
在一个实施例中,如图5所示,对评价参数矩阵进行自编码处理,得到自编码矩阵,包括以下步骤:
S501,计算机设备将评价参数矩阵输入至自编码器中。
其中,自编码器包括编码器和解码器。
可选的,自编码器的输入数据为评价参数矩阵P,输出数据为自编码矩阵。自编码器是一种无监督式学习模型,通过前向传播将数据映射到编码层,即得到低维特征表示,然后基于反向传播算法与最优化算法(如梯度下降),利用输入数据本身作为监督,来指导神经网络尝试学习一个映射关系,从而得到一个重构输出。
可选的,在自编码器训练过程中,重建误差使用均方差来计算,公式如下:
上式中,p
通过反向传播算法,计算损失函数对于自编码器参数的梯度,即计算编码器和解码器的权重和偏置的梯度。使用优化算法(如梯度下降)根据计算得到的梯度,更新自编码器的参数,以最小化重建误差,从而学习到数据的有效表示。
S502,计算机设备通过编码器和解码器对评价参数矩阵进行处理,以得到自编码矩阵。
可选的,在编码器中执行编码过程,评价参数矩阵作为输入数据经过编码层,通过以下公式计算得到编码后的特征:
z
上式中,f是激活函数,一般使用ReLU函数,即f(x)=max(0,x),p
在解码器中执行解码过程,编码后的特征z
p′
上式中,W
上述将评价参数矩阵输入至自编码器中,对评价参数矩阵进行自编码处理可以学习数据的有效表示,降低了数据的维度和冗余信息,有助于提取数据中的重要特征,使得评价方案的确定更加准确。
在一个实施例中,如图6所示,基于评价参数矩阵确定各评价指标分别对应的权重值,包括以下步骤:
S601,计算机设备基于熵权法对评价参数矩阵进行运算处理,以得到各评价指标分别对应的第一权重值。
可选的,熵权法是熵理论的一个组成部分,利用熵对评价指标体系的所有定量信息中的随机变量进行度量。其基本思路是根据评价指标变异性的大小来确定客观权重。一般来说,若某个评价指标的信息熵Ej越小,表明指标值的变异程度越大,提供的信息量越多,在综合评价中所能起到的作用也越大,其权重也就越大。相反,某个评价指标的信息熵越大,表明指标值的变异程度越小,提供的信息量也越少,在综合评价中所起到的作用也越小,其权重也就越小。
可选的,用α
S602,计算机设备基于层次分析法得到各评价指标分别对应的第二权重值。
可选的,层次分析法将与决策有关的元素分解成目标、准则、方案等多个层次,并在此基础上进行定性和定量分析,是一种系统、简便、灵活有效的决策方法,其原理是在分析一个现象或问题之前,首先将现象或问题根据它们的性质分解为有关因素,并根据它们之间的关系分类而形成一个多层次的结构模型;然后通过经验或专家,来判断和衡量低层因素对高层因素的相对重要性,并根据重要性的程度得出权重排序,进而可以量化分析比较;层次分析法的核心是将影响因素层次化和数据化,它把一个抽象的现象或问题由难到易地予以分解,易于对复杂问题进行直观地判断,并作出决策。
在一种可能实现的方式中,基于层次分析法得到各评价指标分别对应的第二权重值可以通过算术平均法。
在一种可能实现的方式中,基于层次分析法得到各评价指标分别对应的第二权重值可以通过几何平均法。
在另一种可能实现的方式中,基于层次分析法得到各评价指标分别对应的第二权重值可以通过特征值法。
可选的,用β
S603,计算机设备基于博弈论算法对各评价指标分别对应的第一权重值以及各评价指标分别对应的第二权重值进行运算处理,以得到各评价指标分别对应的权重值。
在本申请实施例中,基于博弈论算法获取各评价指标对应的权重值的步骤如下:
第一步,根据熵权法和层次分析法得到组合的各评价指标对应的权重值集合w,任意线性组合均构成一个可能权重值集合,即
第二步,找到最优化权重向量W
根据矩阵的微分性质得到上述公式的优化一阶导数条件,并求解出a
第三步,根据权重系数得到各评价指标分别对应的权重值集合W
上述通过博弈论对于博弈论组合权重:博弈论组合权重方法借鉴合作博弈思想,将不同的权集视作同一联盟的不同决策,组合第一权重值即主观权重、第二权重值即客观权重,结合主观判断与客观事实,实现两者的优势互补,使得评价方案的确定更加准确。
在一个实施例中,如图7所示,基于熵权法对评价参数矩阵进行运算处理,以得到各评价指标分别对应的第一权重值,包括以下步骤:
S701,计算机设备根据评价参数矩阵确定各评价指标对应的信息熵。
其中,信息熵越小表明评价指标差异程度大,提供信息多。可选的,根据以下公式计算得到各评价指标分别对应的信息熵E
上式中,p
S702,计算机设备根据各评价指标对应的信息熵确定各评价指标分别对应的第一权重值。
可选的,根据各评价指标对应的信息熵确定各评价指标分别对应的第一权重值可以用1减去各评价指标的信息熵,记为各评价指标的信息冗余度,各评价指标的信息冗余度除以所有评价指标信息冗余度之和得到,公式如下:
上式中,E
上述根据评价参数矩阵确定各评价指标对应的信息熵进一步确定个评价指标对应的第一权重值,得到的第一权重值是基于客观赋权法,避免了人为因素带来的偏差,可以提高评价方案的确定的准确性。
在一个实施例中,如图8所示,基于层次分析法得到各评价指标分别对应的第二权重值,包括以下步骤:
S801,计算机设备对于各评价指标,获取评价指标对应的相对重要度向量。
其中,相对重要度向量中的向量元素用于指示评价指标相对于其他评价指标的重要程度。
可选的,层次分析法依据专家对评价指标间相对重要性的评分来获取评价指标对应的相对重要度向量,通常采用1-9的相对比较标度,相对重要度向量中的向量元素用于指示评价指标相对于其他评价指标的重要程度。
S802,计算机设备根据各评价指标对应的相对重要度向量,确定各评价指标分别对应的第二权重值。
在本申请实施例中,根据各评价指标对应的相对重要度向量,确定各评价指标分别对应的第二权重值的步骤如下:
第一步,根据各评价指标对应的相对重要度向量构建判断矩阵A。
其中,构造判断矩阵A={A
第二步,对判断矩阵A中的元素进行归一化。
可选的,判断矩阵中的元素归一化值可以通过将判断矩阵的矩阵元素除以该矩阵元素所在列的所有矩阵元素之和求得,进而得到归一化判断矩阵,公式如下:
/>
上式中,a
第三步,根据归一化判断矩阵获取各评价指标对应的第二权重。
可选的,根据归一化判断矩阵获取各评价指标对应的第二权重可以通过算术平均法,公式如下:
第四步,进行一致性检验。
需要说明的是,为检验判断矩阵中各元素的协调性,在得到第二权重后应对判断矩阵进行一致性检验,采用以下公式:
上式中,RI为平均随机一致性指标,根据n的大小取值如表1所示。C
表1
上述获取评价指标对应的相对重要度向量,并根据各评价指标对应的相对重要度向量,确定各评价指标分别对应的第二权重值,将定性与定量相结合,并且计算简便、结果明确,同时在得到第二权重后对判断矩阵进行了一致性检验,保证该判断矩阵没有偏离一致性过大,在一定程度上提高了评价方案的确定的准确性。
在一个实施例中,如图9所示,基于自编码矩阵确定各评价指标对应的理想解,包括以下步骤:
S901,计算机设备对于各评价指标,从自编码矩阵中确定评价指标对应的最大自编码参数和最小自编码参数。
可选的,从自编码矩阵中确定评价指标对应的最大自编码参数和最小自编码参数采用以下公式:
R
R
S902,计算机设备将各评价指标对应的最大自编码参数作为各评价指标对应的正理想解,将各评价指标对应的最小自编码参数作为各评价指标对应的负理想解。
可选的,上述R
R
R
其中,max(p′′
上述基于自编码矩阵确定各评价指标对应的正理想解和负理想解,是逼近理想解排序法其中一个步骤,可以充分利用数据信息,得到最优解即正理想解和最劣解即负理想解,以便于后续计算贴近度选出最优评价方案;逼近理想解排序法避免了数据的主观性,而且能够很好的刻画多个评价指标的综合影响力度,提高评价指标确定的准确性。
在一个实施例中,对于各候选评价方案,根据各评价指标对应的理想解,确定候选评价方案中各评价指标对应的理想偏差值,包括:
计算机设备对于各候选评价方案,从自编码矩阵中确定候选评价方案中各评价指标对应的自编码参数,并利用各评价指标对应的自编码参数与正理想解求差,以得到正理想偏差值,利用各评价指标对应的自编码参数与负理想解求差,以得到负理想偏差值。
在一个实施例中,如图10所示,根据各评价指标分别对应的权重值对各评价指标对应的理想偏差值进行加权求和处理,根据加权求和处理的结果确定候选评价方案对应的贴近度,包括:
S1001,计算机设备对于各候选评价方案,根据各评价指标分别对应的权重值对各评价指标对应的正理想偏差值进行加权求和处理得到各候选评价方案与正理想解的距离值,根据各评价指标分别对应的权重值对各评价指标对应的负理想偏差值进行加权求和处理得到各候选评价方案与负理想解的距离值;
在一种可能实现的方式中,根据各评价指标分别对应的权重值对各评价指标对应的正理想偏差值进行加权求和处理得到各候选评价方案与正理想解的距离值,根据各评价指标分别对应的权重值对各评价指标对应的负理想偏差值进行加权求和处理得到各候选评价方案与负理想解的距离值可以通过欧式距离公式,其公式如下:
在另一种可能实现的方式中,根据各评价指标分别对应的权重值对各评价指标对应的正理想偏差值进行加权求和处理得到各候选评价方案与正理想解的距离值,根据各评价指标分别对应的权重值对各评价指标对应的负理想偏差值进行加权求和处理得到各候选评价方案与负理想解的距离值可以通过曼哈顿距离公式,其公式如下:
/>
在上述各公式中,
S1002,计算机设备将各候选评价方案与正理想解的距离值和各候选评价方案与负理想解的距离值求和得到距离值之和,并将各候选评价方案与负理想解的距离值和距离值之和求商,以得到候选评价方案对应的贴近度。
根据加权求和处理的结果确定候选评价方案对应的贴近度时,可以将候选评价方案与负理想解的距离与候选评价方案与正理想解的距离和候选评价方案与负理想解的距离之和相比得到该候选评价方案的贴近度,公式如下:
其中,C
上述通过根据各评价指标分别对应的权重值对各评价指标对应的理想偏差值进行加权求和处理,根据加权求和处理的结果确定候选评价方案对应的贴近度,即确定各候选评价方案靠近正理想解和远离负理想解的程度,从而依照贴近度确定评价方案,这样可以有效提高评价方案确定的准确性。
作为一种可选的实施方式,如图11所示,本申请实施例中提供的评价方案确定方法,可包括如下具体步骤:
S1101,计算机设备基于多个候选评价方案中的每一个候选评价方案,确定多个评价指标中各评价指标对应的评价参数,以得到初始参数矩阵,其中,初始参数矩阵中第i行第j列的矩阵元素为第i个候选评价方案中第j个评价指标对应的评价参数。
S1102,计算机设备对于初始参数矩阵中的各矩阵元素,从矩阵元素所在的矩阵列中确定最小矩阵元素和最大矩阵元素,并根据矩阵元素、最小矩阵元素以及最大矩阵元素确定矩阵元素对应的标准值。
S1103,计算机设备根据初始参数矩阵中各矩阵元素对应的标准值,确定标准化矩阵。
S1104,计算机设备对于标准化矩阵中的各矩阵元素,对矩阵元素所在的矩阵列中的矩阵元素进行求和处理,得到矩阵元素和值,根据矩阵元素以及矩阵元素和值得到矩阵元素对应的归一化值。
S1105,计算机设备根据标准化矩阵中的各矩阵元素对应的归一化值,确定评价参数矩阵。
S1106,计算机设备将评价参数矩阵输入至自编码器中,自编码器包括编码器和解码器。
S1107,计算机设备通过编码器和解码器对评价参数矩阵进行处理,以得到自编码矩阵。
S1108,计算机设备根据评价参数矩阵确定各评价指标对应的信息熵。
S1109,计算机设备根据各评价指标对应的信息熵确定各评价指标分别对应的第一权重值。
S1110,计算机设备对于各评价指标,获取评价指标对应的相对重要度向量。
S1111,计算机设备根据各评价指标对应的相对重要度向量,确定各评价指标分别对应的第二权重值。
S1112,计算机设备基于博弈论算法对各评价指标分别对应的第一权重值以及各评价指标分别对应的第二权重值进行运算处理,以得到各评价指标分别对应的权重值。
S1113,计算机设备对于各评价指标,从自编码矩阵中确定评价指标对应的最大自编码参数和最小自编码参数。
S1114,计算机设备将各评价指标对应的最大自编码参数作为各评价指标对应的正理想解,将各评价指标对应的最小自编码参数作为各评价指标对应的负理想解。
S1115,计算机设备对于各候选评价方案,从自编码矩阵中确定候选评价方案中各评价指标对应的自编码参数,并利用各评价指标对应的自编码参数与正理想解求差,以得到正理想偏差值,利用各评价指标对应的自编码参数与负理想解求差,以得到负理想偏差值。
S1116,计算机设备对于各候选评价方案,根据各评价指标分别对应的权重值对各评价指标对应的正理想偏差值进行加权求和处理得到各候选评价方案与正理想解的距离值,根据各评价指标分别对应的权重值对各评价指标对应的负理想偏差值进行加权求和处理得到各候选评价方案与负理想解的距离值。
S1117,计算机设备将各候选评价方案与正理想解的距离值和各候选评价方案与负理想解的距离值求和得到距离值之和,并将各候选评价方案与负理想解的距离值和距离值之和求商,以得到候选评价方案对应的贴近度。
S1118,计算机设备根据各候选评价方案对应的贴近度,从多个候选评价方案中确定针对目标系统的目标评价方案。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的评价方案确定方法的评价方案确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个评价方案确定装置实施例中的具体限定可以参见上文中对于评价方案确定方法的限定,在此不再赘述。
在一个实施例中,如图12所示,提供了一种评价方案确定装置,包括:获取模块1201、编码模块1202、权重确定模块1203、理想解确定模块1204、贴近度确定模块1205以及方案确定模块1206,其中:
获取模块1201,用于基于多个候选评价方案中的每一个候选评价方案,确定目标系统的多个评价指标中各评价指标对应的评价参数,以得到评价参数矩阵。
编码模块1202,用于对评价参数矩阵进行自编码处理,得到自编码矩阵。
权重确定模块1203,用于基于评价参数矩阵确定各评价指标分别对应的权重值。
理想解确定模块1204,用于基于自编码矩阵确定各评价指标对应的理想解。
贴近度确定模块1205,用于对于各候选评价方案,根据各评价指标对应的理想解,确定候选评价方案中各评价指标对应的理想偏差值,并根据各评价指标分别对应的权重值对各评价指标对应的理想偏差值进行加权求和处理,根据加权求和处理的结果确定候选评价方案对应的贴近度。
方案确定模块1206,用于根据各候选评价方案对应的贴近度,从多个候选评价方案中确定针对目标系统的目标评价方案。
在一个实施例中,评价参数矩阵中第i行第j列的矩阵元素根据第i个候选评价方案中第j个评价指标对应的评价参数得到。
在一个实施例中,该获取模块1201,具体用于:基于多个候选评价方案中的每一个候选评价方案,确定多个评价指标中各评价指标对应的评价参数,以得到初始参数矩阵,其中,初始参数矩阵中第i行第j列的矩阵元素为第i个候选评价方案中第j个评价指标对应的评价参数;对初始参数矩阵中的矩阵元素进行标准化处理,以得到标准化矩阵;对标准化矩阵中的矩阵元素进行归一化处理,以得到评价参数矩阵。
在一个实施例中,该获取模块1201,具体用于:对于初始参数矩阵中的各矩阵元素,从矩阵元素所在的矩阵列中确定最小矩阵元素和最大矩阵元素,并根据矩阵元素、最小矩阵元素以及最大矩阵元素确定矩阵元素对应的标准值;根据初始参数矩阵中各矩阵元素对应的标准值,确定标准化矩阵。
在一个实施例中,该获取模块1201,具有用于:对于标准化矩阵中的各矩阵元素,对矩阵元素所在的矩阵列中的矩阵元素进行求和处理,得到矩阵元素和值,根据矩阵元素以及矩阵元素和值得到矩阵元素对应的归一化值;根据标准化矩阵中的各矩阵元素对应的归一化值,确定评价参数矩阵。
在一个实施例中,该编码模块1202,具体用于:将评价参数矩阵输入至自编码器中,自编码器包括编码器和解码器;通过编码器和解码器对评价参数矩阵进行处理,以得到自编码矩阵。
在一个实施例中,该权重确定模块1203,具体用于:基于熵权法对评价参数矩阵进行运算处理,以得到各评价指标分别对应的第一权重值;基于层次分析法得到各评价指标分别对应的第二权重值;基于博弈论算法对各评价指标分别对应的第一权重值以及各评价指标分别对应的第二权重值进行运算处理,以得到各评价指标分别对应的权重值。
在一个实施例中,该权重确定模块1203,具体用于:根据评价参数矩阵确定各评价指标对应的信息熵;根据各评价指标对应的信息熵确定各评价指标分别对应的第一权重值。
在一个实施例中,该权重确定模块1203,具体用于:对于各评价指标,获取评价指标对应的相对重要度向量,相对重要度向量中的向量元素用于指示评价指标相对于其他评价指标的重要程度;根据各评价指标对应的相对重要度向量,确定各评价指标分别对应的第二权重值。
在一个实施例中,该理想解确定模块1204,具体用于:对于各评价指标,从自编码矩阵中确定评价指标对应的最大自编码参数和最小自编码参数;将各评价指标对应的最大自编码参数作为各评价指标对应的正理想解,将各评价指标对应的最小自编码参数作为各评价指标对应的负理想解。
在一个实施例中,该贴近度确定模块1205,具体用于:对于各候选评价方案,从自编码矩阵中确定候选评价方案中各评价指标对应的自编码参数,并利用各评价指标对应的自编码参数与正理想解求差,以得到正理想偏差值,利用各评价指标对应的自编码参数与负理想解求差,以得到负理想偏差值。
在一个实施例中,该贴近度确定模块1205,具体用于:对于各候选评价方案,根据各评价指标分别对应的权重值对各评价指标对应的正理想偏差值进行加权求和处理得到各候选评价方案与正理想解的距离值,根据各评价指标分别对应的权重值对各评价指标对应的负理想偏差值进行加权求和处理得到各候选评价方案与负理想解的距离值;将各候选评价方案与正理想解的距离值和各候选评价方案与负理想解的距离值求和得到距离值之和,并将各候选评价方案与负理想解的距离值和距离值之和求商,以得到候选评价方案对应的贴近度。
上述评价方案确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,也可以是台式电脑,其内部结构图可以如图13所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种评价方案确定方法。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
- 一种在线文档检索方法、装置、存储介质及电子设备
- 通过图片检索视频的方法、装置、电子设备及存储介质
- 图像检索方法及装置、电子设备和存储介质
- 检索内容的更新方法、装置、存储介质及电子设备
- 一种浴室加热装置和用于控制浴室加热装置的方法、设备、电子设备及计算机可读存储介质
- 一种医学影像检索方法、装置、电子设备及存储介质
- 一种医学影像学数据检索系统、方法、装置和存储介质