一种算法优化软件及其物理运行构架的制作方法

1.本发明涉及软件算法技术领域，尤其涉及一种算法优化软件及其物理运行构架。


背景技术：

2.要使计算机能完成人们预定的工作，首先必须为如何完成预定的工作设计一个软件算法，然后再根据软件算法编写程序。软件算法在现实生活中有很多的运用，在不同的领域也会采用不同的软件程序进行计算。随着信息化的不断发展，计算机软件算法已经逐渐成为一种最重要的运算模式，近些年来，我国十分重视对计算机软件技术的相关问题探究，同时，在各大高校，也不断重视培养相关的计算机软件操作方面的人才，并逐步深化软件算法在现实生活中的运用。
3.现有的软件算法及其物理构架在进行研发设计过程中，缺乏优化算法对软件的算法进行优化，难以通过样本试行，且测试系统对运行样本进行检测，使得算法优化过程效率较低。


技术实现要素：

4.针对现有技术的不足，本发明提供了一种算法优化软件及其物理运行构架，解决了现有的软件算法及其物理构架在进行研发设计过程中，缺乏优化算法对软件的算法进行优化，难以通过样本试行，且测试系统对运行样本进行检测，使得算法优化过程效率较低等问题。
5.为了实现上述目的，本发明采用了如下技术方案：
6.一种算法优化软件的物理运行构架，包括样本抽取模块、数据数量模块、数据分类模块、初始化和建立模块、计算模块、规定误差阈值测定模块、数据测试模块、记录误差模块、弱分类建立模块、强分类建立模块、误差分配模块、数据校验模块和神经网络预测模块；
7.所述样本抽取模块与数据数量模块连接，所述数据数量模块与数据分类模块连接，所述数据分类模块与初始化和建立模块连接，所述初始化和建立模块与计算模块连接，所述计算模块与规定误差阈值测定模块连接。
8.优选的，所述规定误差阈值测定模块与数据测试模块连接，所述数据测试模块与记录误差模块连接，所述记录误差模块和弱分类建立模块连接。
9.优选的，所述弱分类建立模块和强分类建立模块连接，所述强分类建立模块和误差分配模块连接。
10.优选的，所述误差分配模块和数据校验模块连接，所述数据校验模块和神经网络预测模块连接。
11.一种算法优化软件，包括以下运行步骤：
12.s101：开始时，通过样本抽取模块提取样本，再将提取的样本输入至数据数量模块，使得数据数量模块将数据输入数据分类模块，从而对数据进行分类；
13.s102：将分类后的数据输送至初始化和建立模块中，从而进行建立模型，在输送至
计算模块对数据进行计算；
14.s103：数据经过步骤s102计算后输送至规定误差阈值测定模块进行测定，测定达到标准而未超过阈值时，即可输入至数据测试模块，对数据进行测试，再输入至记录误差模块，对误差进行记录；
15.s104：再分别输送至弱分类建立模块和强分类建立模块，最后输入至误差分配模块，对误差进行分配，最后通过输入数据校验模块进行校验，校验后输入神经网络预测模块即可进行预测。
16.优选的，所述步骤s102计算后输送至规定误差阈值测定模块进行测定，测定不符合标准，即超过阈值时，即再次输送至计算模块进行计算和储存。
17.优选的，所述步骤s104中对弱分类建立模块赋予较小的权重，对强分类建立模块赋予较大权重。
18.与现有技术相比，本发明的有益效果是：该算法优化软件及其物理运行构架，通过样本抽取模块提取样本，再将提取的样本输入至数据数量模块，使得数据数量模块将数据输入数据分类模块，从而对数据进行分类，再将分类后的数据输送至初始化和建立模块中，从而进行建立模型，在输送至计算模块对数据进行计算，最后数据经过计算后输送至规定误差阈值测定模块进行测定，测定达到标准而未超过阈值时，即可输入至数据测试模块，对数据进行测试，再输入至记录误差模块，对误差进行记录，最后再分别输送至弱分类建立模块和强分类建立模块，最后输入至误差分配模块，对误差进行分配，最后通过输入数据校验模块进行校验，校验后输入神经网络预测模块即可进行预测，从而在软件算法及其物理构架在进行研发设计过程中，提供了优化算法，达到了便于对软件的算法进行优化的效果，实现了便于通过样本试行的目标，提供了测试系统对运行样本进行检测，极大地提高了算法优化的效率。
附图说明
19.图1为本发明算法系统逻辑框图。
具体实施方式
20.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
21.实施例：参照图1，一种算法优化软件的物理运行构架，包括样本抽取模块、数据数量模块、数据分类模块、初始化和建立模块、计算模块、规定误差阈值测定模块、数据测试模块、记录误差模块、弱分类建立模块、强分类建立模块、误差分配模块、数据校验模块和神经网络预测模块；
22.样本抽取模块与数据数量模块连接，数据数量模块与数据分类模块连接，数据分类模块与初始化和建立模块连接，初始化和建立模块与计算模块连接，计算模块与规定误差阈值测定模块连接。
23.本发明中，规定误差阈值测定模块与数据测试模块连接，数据测试模块与记录误
差模块连接，记录误差模块和弱分类建立模块连接。
24.本发明中，弱分类建立模块和强分类建立模块连接，强分类建立模块和误差分配模块连接。
25.本发明中，误差分配模块和数据校验模块连接，数据校验模块和神经网络预测模块连接。
26.一种算法优化软件，包括以下运行步骤：
27.s101：开始时，通过样本抽取模块提取样本，再将提取的样本输入至数据数量模块，使得数据数量模块将数据输入数据分类模块，从而对数据进行分类；
28.s102：将分类后的数据输送至初始化和建立模块中，从而进行建立模型，在输送至计算模块对数据进行计算；
29.s103：数据经过步骤s102计算后输送至规定误差阈值测定模块进行测定，测定达到标准而未超过阈值时，即可输入至数据测试模块，对数据进行测试，再输入至记录误差模块，对误差进行记录；
30.s104：再分别输送至弱分类建立模块和强分类建立模块，最后输入至误差分配模块，对误差进行分配，最后通过输入数据校验模块进行校验，校验后输入神经网络预测模块即可进行预测。
31.本发明中，步骤s102计算后输送至规定误差阈值测定模块进行测定，测定不符合标准，即超过阈值时，即再次输送至计算模块进行计算和储存。
32.本发明中，步骤s104中对弱分类建立模块赋予较小的权重，对强分类建立模块赋予较大权重。
33.综上所述，该算法优化软件及其物理运行构架，通过样本抽取模块提取样本，再将提取的样本输入至数据数量模块，使得数据数量模块将数据输入数据分类模块，从而对数据进行分类，再将分类后的数据输送至初始化和建立模块中，从而进行建立模型，在输送至计算模块对数据进行计算，最后数据经过计算后输送至规定误差阈值测定模块进行测定，测定达到标准而未超过阈值时，即可输入至数据测试模块，对数据进行测试，再输入至记录误差模块，对误差进行记录，最后再分别输送至弱分类建立模块和强分类建立模块，最后输入至误差分配模块，对误差进行分配，最后通过输入数据校验模块进行校验，校验后输入神经网络预测模块即可进行预测，从而在软件算法及其物理构架在进行研发设计过程中，提供了优化算法，达到了便于对软件的算法进行优化的效果，实现了便于通过样本试行的目标，提供了测试系统对运行样本进行检测，极大地提高了算法优化的效率，解决了现有的软件算法及其物理构架在进行研发设计过程中，缺乏优化算法对软件的算法进行优化，难以通过样本试行，且测试系统对运行样本进行检测，使得算法优化过程效率较低等问题。
34.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
35.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以
理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。