(19)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 202210977872.8 (22)申请日 2022.08.16 (71)申请人 山东省齐鲁大数据研究院 地址 250101 山东省济南市高新区舜华路 2000号舜泰广场7号楼7层 (72)发明人 王琪　朱效民　张新常　王新明　 耿光刚　邹敏　延志伟　赵一宁　 (74)专利代理 机构 山东舜源联合知识产权代理 有限公司 373 59 专利代理师 张亮 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/00(2006.01)G06N 20/00(2019.01) (54)发明名称 一种实现货币类数据智能转换方法、 系统及 终端机 (57)摘要 本发明提供一种实现货币类数据智能转换 方法、 系统及终端机， 涉及货币类数据识别领域， 创建BP神经网络模型， 实现数据识别； 隐层的输 入用simgoid函数激活， 输 出层用线 性函数激活； BP神经网络模型对预设字符进行识别， 在融合神 经网络的分类决策树模型中， 融合两个BP神经网 络模型， 依次通过初始化图像、 二值化处理、 训练 网络、 识别完成对预设字符的识别； 基于融合BP 神经网络的分类决策树模型， 对货币数据和非货 币数据进行分类筛选； 创建ICS模型， 对货币数据 进行智能化转换。 本发明对货币类数据的智能化 转换， 提高数据预处理的效率， 在进行货币数据 单位转换时提高了效率， 为 生产生活提供便利。 权利要求书4页 说明书11页 附图3页 CN 115081554 A 2022.09.20 CN 115081554 A 1.一种基于分类决策树实现货币类数据智能转换 方法， 其特 征在于， 方法包括： 步骤一、 创建BP神经网络模型， 实现数据识别； 创建的BP神经网络模型包括： 输入层、 隐层以及输出层； 其中， 隐层的输入用simgo id函数激活， 输出层用线性 函数激活； BP神经网络模型对预设字符进行识别， 在融合神经网络的分类决策树模型中， 融合两 个BP神经网络模型， 依次通过初始化图像、 二值化处理、 训练网络、 识别完成对预设字符的 识别； 步骤二、 基于融合BP神经网络的分类决策树模型， 对货币数据和非货币数据进行分类 筛选； 步骤三、 创建ICS模型， 对货币数据进行智能化 转换。 2.根据权利要求1所述的基于分类决策树实现货币类数据智能转换 方法， 其特 征在于， 步骤一中， 设置N个样本， 每个样本分成W个输入节点， 用 表示， 隐层设 置了70个节点， 用 表示， 输入层到隐层的权重用 表示， 隐层到输 出层的权 重用 表示； 设定N个训练集 对每个样本进行预处理， 初始化为一个二值图像， 并进行反色处理， 以得到数值为0或1 的图像像素值， 第i个样本的初始 矩阵为：   公式 （b） 根据0， 1构成的图像矩阵可以形成一个输入向量， 即： 公式 （c） 根据每个样本形成的大小为 的样本向量 ， 进行组合形成大小为 的输入向量  ， 其中P的第一列全置为0， 其他列为样本向 量 即： 公式 （d） 公式 （e） 公式 （f） 定义目标向量t为： 公式 （g） 。 3.根据权利要求2所述的基于分类决策树实现货币类数据智能转换 方法， 其特 征在于， 根据输入向量和目标向量对BP神经网络进行构建， 训练、 仿真；权　利　要　求　书 1/4 页 2 CN 115081554 A 2其中， 根据公式 确定隐层节点数， 其中n是隐层节点数， 是输入 节点数， 是输出节点数， a是1到10之间的任意常数； 在隐层使用sigmo id激活函数作为传输函数公式为： 公式 （h） 根据神经网络的输出和目标向量可以求得均方误差为： 公式 （i） 当BP神经网络迭代 次时 ， 使用公式（j）对每层的权值和阈值进行修改 ： 公式 （j） ； 其中 为第k次迭代各层之间的连接权向量或阈值向量， 为学习率， ； 使用公式 （k） 使学习率 根据局部误差曲面做出相应的调整： 公式 （k） 其中 为增量因子， 为减量因子； 当误差以减小的方式趋于目标时， 说明修正方向正确， 使步长增加， 并将学习率乘以增 量因子 ， 使学习率增 加； 当误差超过事先设定值时， 说明修正过头， 减小步长， 使学习率乘以减量因子   ， 将 学习率减小， 同时舍去 使误差增 加的修正过程。 4.根据权利要求1或2所述的基于分类决策树实现货币类数据智能转换方法， 其特征在 于， 步骤二中， 对货币数据和非货币数据进行分类筛 选包括以下三个步骤： Step1： 判断数据值是否不存在 无关字符的情况， 如果决策树结点返回 “0”,则直接判定 为“非货币数据 ”， 如果返回 “1”， 则传入下一个结点继续判断即执 行Step2； Step2： 对于传入的数据对其最后一个字符判断是否是特定字符， 其中对于特定字符的 判断识别通过融入的BP神经网络来完成， 如果不是特定字符， 则 BP神经网络会返回0到结点 中， 如果是则会返回1到决策树结点中； 如果此节点返回0， 则判定为非货币数据， 如果返回1则传入下一个节点继续判断即执 行Step3； Step3： 判断传入数据的第一个字符是否是数字， 同样通过融入一个BP神经网络来完成 识别， 根据BP神经网络返回的结果进行判断从而得到最终的分类结果。权　利　要　求　书 2/4 页 3 CN 115081554 A 3