[发明专利]一种基于深度学习的缺失值填充方法及系统有效
| 申请号： | 201710358297.2 | 申请日： | 2017-05-19 |
| 公开（公告）号： | CN107273429B | 公开（公告）日： | 2018-04-13 |
| 发明（设计）人： | 王宏志;王艺蒙;赵志强;孙旭冉 | 申请（专利权）人： | 哈工大大数据产业有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/04;G06N3/08 |
| 代理公司： | 北京格允知识产权代理有限公司11609 | 代理人： | 周娇娇,谭辉 |
| 地址： | 150001 黑龙江省哈尔滨市经*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的缺失值填充方法及系统，其中方法包括以下步骤对数据集进行预处理；利用训练样本集对初步构建的卷积神经网络进行训练并保存，使用训练后得到的卷积神经网络对缺失测试样本集进行缺失值填充，并将填充结果与测试样本集比对，在不符合精度要求时调整卷积神经网络的网络结构并迭代前述训练和验证步骤直至满足精度要求；将完整数据子集输入卷积神经网络，得到完善的卷积神经网络；将缺失数据子集输入完善的卷积神经网络完成缺失值的填充。本发明解决了数据库缺失值填充的问题，达到了准确度更高、效率更快的效果，能更真实快速地还原缺失数据。 | ||
| 搜索关键词： | 一种 基于 深度 学习 缺失 填充 方法 系统 | ||
【主权项】：
一种基于深度学习的缺失值填充方法，其特征在于，包括以下步骤：(1)对数据集进行预处理，将所述数据集分为完整数据子集和缺失数据子集，将所述完整数据子集中的数据分为训练样本集和测试样本集，随机删除测试样本集中部分数据作为缺失测试样本集；(2)利用所述训练样本集对初步构建的卷积神经网络进行训练并保存，使用训练后得到的卷积神经网络对缺失测试样本集进行缺失值填充，并将填充结果与所述测试样本集比对，在不符合精度要求时调整所述卷积神经网络的网络结构并迭代前述训练和验证步骤直至满足精度要求；(3)将所述完整数据子集输入步骤(2)得到的卷积神经网络，得到完善的卷积神经网络；(4)将所述缺失数据子集输入步骤(3)得到的完善的卷积神经网络完成缺失值的填充。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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哈工大大数据产业有限公司，未经哈工大大数据产业有限公司许可，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/patent/201710358297.2/，转载请声明来源钻瓜专利网。
