[发明专利]对连续性数据中的异常数据的恢复方法在审
| 申请号： | 201811184700.5 | 申请日： | 2018-10-11 |
| 公开（公告）号： | CN109408772A | 公开（公告）日： | 2019-03-01 |
| 发明（设计）人： | 周杰;贾川江 | 申请（专利权）人： | 四川长虹电器股份有限公司 |
| 主分类号： | G06F17/18 | 分类号： | G06F17/18;G06K9/62 |
| 代理公司： | 成都虹桥专利事务所(普通合伙) 51124 | 代理人： | 吴中伟 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 异常数据 预测模型 连续性数据 数据恢复 数据特征 矩阵 数据处理技术 恢复 定义数据 构造特征 数据矩阵 特征数据 原始数据 正常数据 替换 检测 预测 分析 | ||
1.对连续性数据中的异常数据的恢复方法，其特征在于，包括以下步骤：
a.检测原始数据中的异常数据；
b.对正常数据的数据特征进行分析和提取，构造特征数据矩阵；
c.定义数据恢复预测模型；
d.利用特征数据矩阵对数据恢复预测模型进行训练，获得训练好的数据恢复预测模型；
e.将异常数据的数据特征作为输入，利用训练好的数据恢复预测模型进行预测，获得异常值对应的修正值；
f.利用异常值对应的修正值来替换异常值。
2.如权利要求1所述的对连续性数据中的异常数据的恢复方法，其特征在于，步骤a中，采用四分位法则来计算数据的正常值的上下限，并将原始数据与正常值的上下限进行比较，若在上下限范围外，则属于异常数据。
3.如权利要求1所述的对连续性数据中的异常数据的恢复方法，其特征在于，步骤b中，基于数据指标的关联关系对正常数据的数据特征进行分析和提取。
4.如权利要求1所述的对连续性数据中的异常数据的恢复方法，其特征在于，步骤c中，定义带有未知参数的数据恢复预测模型：Y＝CTXT+B，其中CT为参数矩阵，XT为特征数据矩阵，B为偏置项。
5.如权利要求1所述的对连续性数据中的异常数据的恢复方法，其特征在于，步骤d中，采用线性回归算法对数据恢复预测模型进行训练：
在训练前，将特征数据矩阵划分为训练集数据和测试集数据，训练时，利用训练集数据训练模型，利用测试集数据来验证模型。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川长虹电器股份有限公司，未经四川长虹电器股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811184700.5/1.html，转载请声明来源钻瓜专利网。
