[发明专利]一种基于正态分布的数据选优方法

权利要求书

1.一种基于正态分布的数据选优方法，其特征在于：包括以下步骤：

第一步，数据采集

针对研究对象采集数据信息，并将采集到的数据信息转化为数值保存到数据库中备用；

第二步，数据清洗，去除异常值

检查数据的一致性，检查数据是否合乎要求，查找出超出正常范围以及逻辑上不合理或者相互矛盾的数据，确保每个数据均处于合理取值范围和相互关系，并对无效值和缺失值进行处理；

第三步，建立模型

以清洗过的数据为变量x，求出变量x的均值μ与标准差σ，并根据正态分布的概率密度函数得到变量x正态分布曲线f(x)，概率密度函数如下式：

其中，μ为均值，σ为标准差；

第四步，结果输出

将正态分布曲线与x轴围成的面积设为1，根据优选数据在所有数据中所占的比例A，通过正态分布累计密度函数的反函数，即可求得最优数值x₀。

2.根据权利要求1所述的基于正态分布的数据选优方法，其特征在于：所述第二步中，当数据缺失较少，缺失机制明确时，数据清洗采用回归算法推算出缺失值或无效值的估算值，并根据估算结果对缺失值或无效值进行填充。

3.根据权利要求2所述的基于正态分布的数据选优方法，其特征在于：所述第二步中，将所有被选入的连续变量设为自变量，将存在缺失值或无效值的变量设为因变量建立回归方程，在得到回归方程后使用回归方程对因变量相应的缺失值或无效值进行填充。

4.根据权利要求3所述的基于正态分布的数据选优方法，其特征在于：所述因变量的填充数值为回归预测值与回归残差相加之和。

5.根据权利要求1所述的基于正态分布的数据选优方法，其特征在于：所述第二步中，当数据缺失较多，变量间呈曲线联系时，数据清洗采用EM算法推算出缺失值或无效值的估算值，并根据估算结果对缺失值或无效值进行填充。

6.根据权利要求1所述的基于正态分布的数据选优方法，其特征在于：所述第二步中，当数据关联度较小时，直接对缺失值或无效值的变量进行变量删除或整例删除操作；

当数据为两两配对的变量，缺失值或无效值为配对变量时，缺失值或无效值的变量进行成对删除操作。

7.根据权利要求1所述的基于正态分布的数据选优方法，其特征在于：所述第四步中，当数据优选的目的是选出所有数据中数值较大的数值时，取x＝x₀，将正态分布曲线、x轴和x∈(x₀，+∞)围成的面积设为A，其中A∈(0,1)；

用户指定优选数值在所有数值中所占的百分比，并根据指定的百分比得到数值A，通过正态分布累计密度函数的反函数，即可求得x₀。

8.根据权利要求1所述的基于正态分布的数据选优方法，其特征在于：所述第四步中，当数据优选的目的是选出所有数据中数值较小的数值时，取x＝x₀，将正态分布曲线、x轴和x∈(-∞，x₀)围成的面积设为A，其中A∈(0,1)；

用户指定优选数值在所有数值中所占的百分比，并根据指定的百分比得到数值A，通过正态分布累计密度函数的反函数，即可求得x₀。