[发明专利]一种用于可穿戴网和车联网数据检测及修复方法

权利要求书

1.一种用于可穿戴网和车联网数据检测及修复方法，其特征在于，该数据检测及修复方法用于WeVe集成系统，WeVe集成系统包括安装在智能车辆上的WeVe集线器，所述WeVe集线器包括数据错误检测和数据修复单元，具体包括以下步骤：

获取可穿戴网和车联网之间传输的数据信息；

利用数据错误检测和数据修复单元对获取得到的数据信息进行错误检测和修复；

数据错误检测和数据修复单元包括基于隐马尔科夫模型的数据错误检测模块和数据修复模块，通过基于隐马尔科夫模型的数据错误检测模块和数据修复模块对获取得到的数据信息进行错误检测和修复；

数据错误检测和数据修复单元包括基于距离的数据错误检测模块，通过基于距离的数据错误检测模块判断获取得到的数据信息是否为错误数据；

还包括基于贝叶斯网的错误检测和数据恢复模块，当采集的数据集不完备、样本数据稀疏或数据较难获得，通过基于贝叶斯网的错误检测和数据恢复模块对获取的数据信息进行错误检测和修复。

2.根据权利要求1所述的一种用于可穿戴网和车联网数据检测及修复方法，其特征在于，通过基于隐马尔科夫模型的数据错误检测模块和数据修复模块对获取得到的数据信息进行错误检测和修复的具体方法是：

第一步，建立隐马尔可夫模型；

第二步，利用Baum-Welch算法对该模型进行训练和参数估计，得到训练好的隐马尔可夫模型；

第三步，将获取到的数据信息带入训练好的隐马尔可夫模型，结合Viterbi算法求解获取到的数据信息的最佳状态序列并将最佳状态序列S作为估计的真实值；

第四步，将第三步中得到的估计的真实值与获取得到的数据信息之间的差值与阈值进行对比，若该差值大于阈值时，则表示获取得到的数据信息为错误数据；

第五步，利用估计的真实值对获取得到的数据信息进行修复；其中，若获取得到的数据信息丢失，则将该估计的真实值作为获取得到的数据信息的修复值。

3.根据权利要求1所述的一种用于可穿戴网和车联网数据检测及修复方法，其特征在于，通过基于距离的数据错误检测模块判断获取得到的数据信息是否为错误数据的具体方法是：

第一步，建立概率分布模型、收集历史数据信息；

第二步，通过建立得到的概率分布模型训练收集得到的历史数据信息，得到核密度估计；

第三步，将获取得到的数据信息带入到该模型中，利用第二步中得到的核密度估计计算获取得到的数据信息与相邻数据信息平均值的距离的分布概率；

第四步，将第三步中得到的分布概率与预设的阈值进行对比，若该分布概率小于该阈值，则表示获取得到的数据信息为错误数据。

4.根据权利要求1所述的一种用于可穿戴网和车联网数据检测及修复方法，其特征在于，通过基于贝叶斯网的错误检测和数据恢复模块对获取的数据信息进行错误检测和修复的具体方法是：

第一步，建立贝叶斯网模型；

第二步，利用回归模型或梯度下降算法训练该模型，通过该模型对获取的历史数据信息进行训练，得到历史数据的待诊断指标；

第三步，将获取得到的数据信息带入训练好的模型中，利用历史数据的待诊断指标计算获取得到的数据信息为真实值的概率；

第四步，将得到的概率与预设的阈值进行对比，若该概率值小于阈值时，则判定获取得到的数据信息为真实值；若该概率大于阈值时，则判定获取得到的数据信息为错误数据；

第五步，当获取得到的数据信息为错误数据时，通过历史数据的待诊断指标对获取得到的数据信息进行修复；若获取得到的数据信息丢失时，通过历史数据的待诊断指标和预设的阈值对获取得到的数据信息进行修复。