一种基于中医理论的矩阵转置方法

文档序号:35468239发布日期:2023-09-16 10:40阅读:51来源:国知局
一种基于中医理论的矩阵转置方法

本发明涉及矩阵转置,具体为一种基于中医理论的矩阵转置方法。


背景技术:

1、矩阵转置属于数学中的线性代数领域,矩阵转置是矩阵的一种运算,在矩阵的所有运算法则中占有重要地位。快速高效的矩阵转置方法和装置的应用将极大地提高各种系统的性能和效率,过去的时间里,人们发明了各种基于软件和硬件的矩阵转置方法,也得到了广泛的应用。

2、目前的矩阵转置算法还没有与中医理论相结合,因而无法提高中医理论数据的访问效率,因此,有必要设计一种基于中医理论的矩阵转置方法。


技术实现思路

1、本发明的目的在于提供一种基于中医理论的矩阵转置方法,以解决上述背景技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:一种基于中医理论的矩阵转置方法,包括以下步骤:

3、a、首先采集用户的数据信息;

4、b、对用户数据进行分类;

5、c、将分类后的用户数据输出至矩阵模型;

6、d、对矩阵模型进行计算;

7、e、将计算后的结果进行存储;

8、f、最后对存储后的数据进行转置。

9、优选的,本申请提供的一种基于中医理论的矩阵转置方法,其中,所述步骤a中采集的用户数据包括用户基本信息、疾病信息、体质信息、生理信息、习惯信息、行为信息、情绪信息或环境信息的一种或多种。

10、优选的,本申请提供的一种基于中医理论的矩阵转置方法,其中,所述步骤b中数据分类方法如下:

11、a、读取属性向量数据,并获取处理数据的多个预设聚类中心;

12、b、根据多个预设聚类中心,对处理数据进行分类,得到分类后处理数据;

13、c、根据分类后处理数据,建立多个可合并的计算任务;

14、d、使用多个计算线程对所述可合并的计算任务进行计算,并对计算结果进行合并操作;

15、e、根据合并后的计算结果对预设聚类中心进行修正以及保存;以及根据所述预设聚类中心、修正后的预设聚类中心以及修正操作次数,确定数据分类处理结果。

16、优选的,本申请提供的一种基于中医理论的矩阵转置方法,其中,所述步骤d中计算方法如下:

17、a、对需要输入到矩阵模型中的各输入向量进行采样,获得多个采样向量;

18、b、根据预设的量化参数对各所述采样向量进行乘积量化,获得多个量化点;

19、c、根据所述量化参数将所述矩阵模型切分为多个矩阵块;

20、d、各所述量化点与各所述矩阵块计算得到多个预计算表;

21、e、通过各预计算表对各所述输入向量进行计算,得到矩阵模型的计算结果。

22、优选的,本申请提供的一种基于中医理论的矩阵转置方法,其中,所述步骤e中数据存储在双倍速率同步动态随机存储器中。

23、优选的,本申请提供的一种基于中医理论的矩阵转置方法,其中,所述步骤f中具体为:依次从双倍速率同步动态随机存储器的不同bank中读取突发长度的列数据,并转置存入大容量的sram存储器中。

24、与现有技术相比,本发明的有益效果是:

25、(1)本发明采用的矩阵转置方法能够提高中医理论数据的访问效率,具有实现方法简单、成本低廉、转置速度快、高效、灵活且具功能多样的优点。

26、(2)本发明采用的数据分类方法能够降低总体计算复杂度以及提高了计算的稳定性,而且数据概况分析能力强,适于海量数据的快速分类处理,进一步提高了数据分类的精确性。



技术特征:

1.一种基于中医理论的矩阵转置方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的一种基于中医理论的矩阵转置方法,其特征在于:所述步骤a中采集的用户数据包括用户基本信息、疾病信息、体质信息、生理信息、习惯信息、行为信息、情绪信息或环境信息的一种或多种。

3.根据权利要求1所述的一种基于中医理论的矩阵转置方法,其特征在于:所述步骤b中数据分类方法如下:

4.根据权利要求1所述的一种基于中医理论的矩阵转置方法,其特征在于:所述步骤d中计算方法如下:

5.根据权利要求1所述的一种基于中医理论的矩阵转置方法,其特征在于:所述步骤e中数据存储在双倍速率同步动态随机存储器中。

6.根据权利要求1所述的一种基于中医理论的矩阵转置方法,其特征在于:所述步骤f中具体为:依次从双倍速率同步动态随机存储器的不同bank中读取突发长度的列数据,并转置存入大容量的sram存储器中。


技术总结
本发明公开了一种基于中医理论的矩阵转置方法,包括以下步骤:A、首先采集用户的数据信息;B、对用户数据进行分类;C、将分类后的用户数据输出至矩阵模型;D、对矩阵模型进行计算;E、将计算后的结果进行存储;F、最后对存储后的数据进行转置,本发明采用的矩阵转置方法能够提高中医理论数据的访问效率,具有实现方法简单、成本低廉、转置速度快、高效、灵活且具功能多样的优点;采用的数据分类方法能够降低总体计算复杂度以及提高了计算的稳定性,而且数据概况分析能力强,适于海量数据的快速分类处理,进一步提高了数据分类的精确性。

技术研发人员:庄梁皓,陈诺,罗霞,郑景天
受保护的技术使用者:杭州电子科技大学信息工程学院
技术研发日:
技术公布日:2024/1/15
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1