(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910455151.9
(22)申请日 2019.05.29
(71)申请人 山东英才学院
地址 250104 山东省济南市高新技术产业
开发区英才路2号
(72)发明人 苗和平　武传彬　赵红艳　
(51)Int.Cl.
G06F  9/451(2018.01)
G06N  20/00(2019.01)
(54)发明名称人工智能在Django框架中的一种实现方法(57)摘要本发明为“人工智能在Django框架中的一种实现方法”，属于计算机软件领域中的创造发明。本发明在python下的Django框架中提供了一套应用程序集合，使用这个程序集合将人工智能算法计算后的图表直接显示在客户前端的网页上，包括手机移动端。本发明解决了服务器中存储的人工智能模块运算结果无法传送到客户端的难题，它使用的是浏览器/服务器(B r o w s e r /Server)结构，其中包括用户操作层、数据集运算层、数据库存储层和后台管理层四个层次，最终将生成数据计算集显示到前端网页上。前端网页使用API接口接收后端计算完成的数据集，最终完成数据集在前端网页上的显示。本发明将主要
用于物联网等复杂计算领域。权利要求书1页  说明书6页  附图4页CN 111638926 A 2020.09.08
C N  111638926
A
1.本发明公开了一种人工智能在Django框架中的实现方法，本发明主张的权利包括：本发明主要是提供一种将人工智能集成到python下Django框架中的一个应用程序集合，可以使用这个程序集合将人工智能计算后的数据显示在网页上。
django登录注册功能2.该程序集合使用的是浏览器/服务器（Browser/Server ）结构，其包括用户操作层、数据集运算层、数据库存储层和后台管理层四个层次，这四个层次相辅相成共同构成程序集合的运行。
3.本发明的前端和后端使用的是API无缝链接技术，该程序集合是人工智能在Django 框架中的一种实现方法。
4.根据权利要求1的所述的方法，使用Django框架进行用户的登录、数据集的上传、数据集结果的显示，同时将用户操作层集成了用户登录模块，数据提交模块，配置信息模块和结果显示模块。
5.将数据运算层分为机器学习和深度学习的两个模块，上述数据库存储层则是使用的mysql或SQL  Server或Oracle或sqlite。
权　利　要　求　书1/1页CN 111638926 A
人工智能在Django框架中的一种实现方法
技术领域
[0001]本发明涉及Django框架、人工智能、机器学习、深度学习、数据处理、网站框架、前端bootstrap 框架。
背景技术
[0002]近些年来，随着大数据的不断发展，人们的信息量都呈现出爆炸指数性增长，而大数据的整体价值就是在于挖掘出其背后复杂现象的基本运算规律。如今交通、教育、农业、金融、医学、工业、还有其他领域有大量的应用。目前，对于大数据分析的方法主要是集中于统计分析、数据挖掘、机器学习和深度学习。数据的主要特点就是数据量大，通过一般的人工是难以完成的操作，因此机器学习的作用就尤为重要。为了实现最大化地发现有价值的数据，引入机器学习是必不可少的。媒体作为信息传播的重要媒介之一，在大数据时代，大量的媒体数据轰然而至。如微博每天的活跃人数都在一亿人以上，原创博文数量也是有一亿条以上的；在QQ空间中每天上传照片的数量也有超过３亿张。不计取数的媒体数据记录着全球范围内所发生各种各样的事件，这些事件的价值，都是可以带领某些社会风气的发展，甚至创造历史新的篇章。
[0003]在大数据的带领下，形形的数据处理框架都会应运而生，框架的产生主要就是为了提高软件开发效率。一套完整的框架往往都会把开发模式、数据库映射，渲染方法等结合在一起。软件框架是由其中的各个模块组成在一起的，每个模块都有特定的功能由其负责，模块与模块之间的相互协作来共同完成软件开发。其中Django框架是一种开放源代码的web应用框架，它是基于python语言写成的模块集合。它使用的是MVC软件设计模式，MVC框架的核心思想就是：解耦。让不同作用的代码块之间降低耦合，增强代码块的可扩展性和可移植性，实现向后兼容。在Django中是把MVC的思想转变成了MVT，其根本还是MVC的模式。它的基本构成就是由模板（Template）来产生HTML的页面，再由模型（Model）来和数据库进行交互，最终让视图（View）进行接收模板页面传来的请求进行处理，与模板和模型进行交互，返回应答的数据。其中前端模板可以使用框架bootstrap进行搭建和渲染。[0004]Django框架主要目的就是简易、迅速的开发一个数据库驱动的网站。它强调代码复用，多个零件可以很简单的以"插件"形式服务于整个框架，Django有许多功能强大的第三方库，用户可以轻而易举的开发出属于自己的工具包。这使得Django框架具有非常强大的可扩展性，并且还强调快速开发和“不要重复你自己的代码”原则。
[0005]在python中的Django框架的基础上，将人工智能嵌入进去实现数据集的运算，完成计算后的数据集显示在前端网页上，而机器学习和深度学习是人工智能技术运用数学逻辑运算的计算机实现方法。人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，一条自然、清晰的
脉络。机器学习则是实现人工智能的一个途径，即是以机器学习为手段解决人工智能中的问题。机器学习算法是一类从数据中自动分析建立模型，并利用模型对未知数据进行预测的算法。而深度学习是机器学习拉出的一个分支，它试图使用包含复杂结构或者由多重非线性变换构成的多个处理层对数据进行高层抽象的一
种算法。它是基于对数据进行表征学习的一种方法。深度学习的主要特点就是用非监督式或者半监督式的特征进行学习和分层特征提取高效算法来替代手工获取特征。总的来说，机器学习就是致力于研究如何通过计算手段，利用经验来改善系统自身的各种性能；深度学习就是机器学习中的神经网络算法的一个延伸，更可以说是深度学习给了人工智能的一个璀璨的未来。
发明内容
[0006]本发明主要是提供一种web端的数据运算框架将计算后的数据集进行前端远程网页显示的一种实现方法。其是基于Django框架数据远程显示的一个实现方法，采用的是如下的一种方案：
一种数据集远程网页显示的方法，采用的是浏览器/服务器(Browser/Server)结构，其中包括用户操作层、数据集运算层、数据库存储层和后台管理层四个层次。上述的用户操作层是用户用来上传数据集文件，如：数据、图像、视频、文字等，并且用户要配置一定的参数，选择所需要进行的运算方式，然后再次通过页面进行数据集结果的显示，用户操作层提供了强大的交互式的操作界面；上述的数据
集运算层是进行数据集运算，根据用户操作层选择的运算方式进行数据集的运算，处理已有的数据，调用数据库存储层进行存储处理完成的数据集，数据运算层就是在用户操作层和数据库存储层之间作为一个数据处理和传递的作用；上述数据库存储层是负责存储用户发来的数据，并且负责各个数据的访问情况，数据库存储层不仅仅只是保存已有的数据和结果，还要限制访问数据的权限，防止数据产生不必要的错误和保护数据；上述后台管理层是管理员可以使用的界面，它的作用就是维护用户操作层、数据集运算层、数据库存储层和后台管理层之间的运行活动，并且记录下每项操作步骤到操作日志上；上述方法的整体实现过程是以Django框架为基础的，并有python语言的算法的嵌入。上述用户操作层中包含有用户登录模块，数据提交模块，配置信息模块和结果显示模块，四个模块相互配合构成了用户操作层。
[0007]用户登录模块是用户进行交互的一个前端网页。用户登录要有一个已经注册好的账号，如若不然则可以进行用户注册创建一个账号，然后账号密码会经过后台的数据库进行一定的处理，在数据库中比对成功，用户就可以进入用户操作界面。在用户操作页面中，用户可以进行数据的页面信息配置，如：输入器（用户输入的系列配置信息）；输出器（用户输出信息的配置）；页面布局等等。整体来说这个就是信息配置的模块。当信息配置完成时各种不同的数据要进行提交，提交过程中，不同的数据要提交到不同的数据集当中，进行不一样的数据处理。这就是数据提交模块。当不同的数据进行不同的处理后，要统一进行结果的页面显示，这个使用的是Django框架异步处理，相当于把各种计
算的数据计算完成，再次进行显示，因为不同的数据的数据处理时长并不是一定的。其中这个就是结果显示模块。四个模块的相辅相成达成了用户操作层，用户操作层更好的是产生一个页面生成器，是为了让用户的数据信息得到一定的页面显示。在这里使用的是bootstrap前端框架，它拥有大量漂亮的组件，用于构建响应式的页面。有页眉，页脚，画廊，幻灯片甚至基本元素。也可以自己设计的各个部分的自定义组件并提取出来，并且布置到用户的网页内。上述数据运算层是嵌入了机器学习和深度学习的两个模块，这两个模块下的各个数据算法丰富多样，并且可拓展性和通用性非常强大，极大地降低了用户的操作难度和运算方式。
[0008]通过python语言嵌入机器学习的各个算法。可以将机器学习和深度学习的算法比喻成即插即用的“插件”，即使用时插入即可。“数据决定了机器学习的上限，但是算法是可以尽可能的去逼近这个上限”，这句话阐述了数据在机器学习中重要的地位。如今，大部分直接拿过来的数据都是特征不明显的、都没有经过处理的或者说是大多都是很多无用的数据集，这些数据是一定需要进行一些特征的处理，特征的缩放等等，满足训练数据的要求。通过以下步骤进行操作：
（1）收集数据：通过多种方式进行数据的收集或者是用户的数据集。
[0009]（2）准备输入数据：收集的数据都是要有一定的格式要求。
[0010]（3）分析输入数据：将数据集中的垃圾数据，进行一定的处理，如若没有垃圾数据的话可以直
接进行下一步。
[0011]（4）使用算法：通过算法进行数据集的训练。
[0012]（5）得到结果数据集：将数据结果集，最后将数据结果集进行保存。
[0013]在机器学习中指出：机器学习=模型+策略+算法。
[0014]其实机器学习可以表示为：学习=表现+评估+优化。
[0015]表现(或者称为：模型)：表示主要的工作就是建模，故可以称为模型。模型要完成的主要工作就是转换：将实际的问题转化成为计算机可以转化理解的问题，就是可以理解为建立模型。给出一定的数据，怎样去选择对应的模型去解决问题，选择正确的已有的模型是重要的一步。
[0016]评价(或者称为：策略)：评价的目的就是判断已经建立完成的模型的优劣。对于上面选择的模型，评价是一个指标，就是用于表示模型的优劣。
[0017]优化(或者称为：算法)：优化的目的就是评价现有的函数，希望能够寻求到最适合的模型。可以说机器学习主要是由三部分组成，即：表现(模型)、评价(策略)和优化(算法)。本专利有着广泛的用途，应用实例多种多样。
[0018]上述数据库存储层可以使用的mysql或SQL Server或Oracle或sqlite。丰富的数据库种类也表明了该方法适用性广泛。
[0019]通过python的数据库标准接口API进行连接合适的数据库选择，python的数据库接口支持的数据库种类非常多，可以有更多的选择更加合适的数据库。
[0020]本发明的实施的主要有益成果就是：该方法提供了不在将数据运算的各项功能局限于本地运算上，大大的提高了数据运算的灵活性，实现了无需用户在本地安装任何庞大的数据计算客户端，即可以通过使用浏览器进行访问，将数据进行上传发送至服务器上，再进行一定的信息配置后，浏览器就会给出数据运算后的结果。更加方便了用户数据计算的过程，极大地节约了运算的时间和操作流程。该方法还使用了跨平台的语言进行开发，增强了该方法的可扩展性和通用性，并且可移植性高。使用的浏览器/服务器(Browser/Server)结构让每个开发人员将各层的应用取出来单独的作为系统中间层，各个层次之间都是相互独立的，那个层次的改变并不会影响其他层次的功能，所以极大的减少了程序集合的耦合性，降低耦合的好处就是适应变化的灵活性，并当某个程序的内部结构或实现发生改变时，不影响其他程序的功能。用户无需安装复杂的软件，只要有通过可以上网的浏览器就能轻松的实现数据的运算。摒弃看复杂的安装程序，并采用浏览器/服务器(Browser/Server)结构让整个程序集合的维护升级变的更加轻松容易实现更改，而且降低了大量的经济成本和

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。