预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115982646A(43)申请公布日2023.04.18(21)申请号202310269927.4(22)申请日2023.03.20(71)申请人西安弘捷电子技术有限公司地址710000陕西省西安市国家民用航天产业基地飞天路588号北航科技园1号楼1002室(72)发明人王亚锋肖航锦王旭(74)专利代理机构芜湖宸泽知识产权代理事务所(普通合伙)34208专利代理师李俊建(51)Int.Cl.G06F18/241(2023.01)G06F18/214(2023.01)G06F18/15(2023.01)G06N3/042(2023.01)权利要求书3页说明书10页附图4页(54)发明名称一种基于云平台的多源测试数据的管理方法及系统(57)摘要本发明公开了一种基于云平台的多源测试数据的管理方法及系统,包括:采集被测件的测试数据匹配测试标签发送到云平台进行存储及数据清洗,利用测试标签匹配测试数据集中测试指标的评判标准,获取指标判读数据;将指标判读数据与多源测试数据序列导入低维向量空间,通过无向异构图进行表示学习;构建测试数据综合分析模型,将多源测试数据进行数据融合获取综合分析结果,根据待测件的预设测试项目生成被测件的分析报告。本发明将待测件在不同测试系统中的多源测试数据以多维的方式进行重新组织融合,直接对多源测试数据和综合宏观数据实时进行数据的综合智能分析,确保了在测试数据采集的同时满足数据智能分析的高性能要求。CN115982646ACN115982646A权利要求书1/3页1.一种基于云平台的多源测试数据的管理方法,其特征在于,包括以下步骤:采集被测件的测试数据匹配测试标签发送到云平台进行存储,所述云平台将多源测试数据进行数据清洗,去除各多源测试数据序列中的明显异常测试数据;将数据清洗后多源测试数据按照测试标签进行分类,获取各测试标签下测试数据集,利用测试标签匹配所述测试数据集中测试指标的评判标准,获取指标判读数据;将所述指标判读数据与多源测试数据序列导入低维向量空间,在低维向量空间中将各标签下测试指标对应的多源测试数据及指标判读数据通过无向异构图进行表示学习;构建测试数据综合分析模型,将多源测试数据进行数据融合,并获取综合分析结果,根据待测件的预设测试项目匹配多种报表形式,基于测试报表生成被测件的分析报告。2.根据权利要求1所述的一种基于云平台的多源测试数据的管理方法,其特征在于,将数据清洗后多源测试数据按照测试标签进行分类,获取各测试标签下测试数据集,利用测试标签匹配所述测试数据集中测试指标的评判标准,获取指标判读数据,具体为:获取数据清洗后的多源测试数据序列,将同一测试标签下的多源测试数据进行聚类,并按照采集时间戳组成各测试标签下的测试数据集,根据所述测试数据集得到测试指标;利用各个测试数据集的测试标签建立检索任务,在云平台数据搜索空间中利用相似度计算获取相似度符合预设标准的测试指标及对应的评判标准;将检索得到的测试指标与各测试数据集中测试指标进行数据匹配,在各测试数据集中所有测试指标匹配结束后,对测试指标分配对应的评判标准,作为各测试数据集中当前测试指标的评判标准;通过当前测试指标的评判标准对被测件的多源测试数据进行评判,获取指标判读数据。3.根据权利要求1所述的一种基于云平台的多源测试数据的管理方法,其特征在于,将所述指标判读数据与多源测试数据序列导入低维向量空间,在低维向量空间中将各标签下测试指标对应的多源测试数据及指标判读数据通过无向异构图进行表示学习,具体为:通过云平台数据统计获取常见测试内容及测试项目,根据所述常见测试内容及测试项目进行数据检索获取对应的分析报表,读取分析报表中的历史测试指标以及历史测试指标综合分析结果;将待测件当前多源测试数据及指标判读数据导入低维向量空间,并根据历史测试指标综合分析结果判断当前测试项目下的测试指标是否存在历史交互关系;利用低维向量空间中待测件的多源测试数据及指标判读数据构建测试数据的无向异构图,将各测试指标的测试数据及指标判读数据作为无向异构图的节点,记为测试指标节点,将测试指标之间的历史交互关系作为节点之间的边结构。4.根据权利要求1所述的一种基于云平台的多源测试数据的管理方法,其特征在于,构建测试数据综合分析模型,将多源测试数据进行数据融合,并获取综合分析结果,具体为:基于深度学习构建测试数据综合分析模型,通过图卷积神经网络对测试数据的无向异构图进行表示学习,获取待测件的预设测试项目,根据预设测试项目计算各测试指标的信息贡献率;选取信息贡献率最大测试指标,将对应的测试指标节点进行标记,获取无向异构图中与标记节点存在连接关系的节点作为关联节点,将所述标记节点与关联节点生成特征测试2CN115982646A权利