专利交易市场

本发明提供一种基于区块链的冷热时序数据分类处理方法及存储系统。本发明基于时序数据保留策略区别热点数据与冷门数据，对时序型数据的时间特性提供了专属匹配，更加利于实现时序数据的定制化存储。通过参数配置，对数据保留时间和数据传输通道的数目以及其他必要参数进行预设。通过构造自动生成且具有生命周期的数据传输通道，所有时序数据都会存储在区块文件中。在缩减数据规模的同时保证数据可靠性，实现高效的数据传输和存储。基于内容哈希构造存证链，在全局对时序数据进行内容哈希，保证所有数据都能够得到确权和可靠性。通过降低一定的数据可靠性和时效性，实现海量时序数据的传输和存储。

本发明涉及数据分类技术领域，公开了一种基于改进TSK模糊分类模型的数据分类方法及系统，方法包括获取待分类数据集，并将所述待分类数据集划分为训练集和测试集；基于所述训练集，利用监督增强型软子空间聚类算法和深度学习算法，分别优化预构建的TSK模糊分类模型的模糊规则的模糊规则前件和模糊规则后件；将测试集输入到优化好的TSK模糊分类器模型中进行分类处理，得到数据分类结果。本发明通过分别优化TSK模糊分类模型的模糊规则前件和模糊规则后件参数，从而提高模型对高维数据和复杂数据集的适应能力，进一步提升模型在数据分类上的精度和效率。

本发明提供一种基于Spark大数据平台的CLR多标签分类方法，涉及数据挖掘技术。本发明通过特征与标签的关系将每个数据集划分成一个区；将训练集中的数据集随机抽取一部分当作测试集，剩余的数据集当训练集建立基分类器，再将测试集用来测试分类器并修改其基分类器的参数，从而在训练的多个基分类器中选取最好的一个基分类器作为本数据集的基分类器。利用最终的多个基分类器对预测集进行预测。本发明结合了CLR多标签学习算法和Spark基于内存的高效计算理论，充分利用了CLR算法中标签转化后的无相关性，降低了不同的基分类器之间的干扰性，再充分利用Spark的计算框架的运行速度，能有效的对数据进行挖掘。