[发明专利]一种基于近邻的数据修复方法有效
| 申请号： | 201711485156.3 | 申请日： | 2017-12-29 |
| 公开（公告）号： | CN108197254B | 公开（公告）日： | 2018-12-28 |
| 发明（设计）人： | 王建民;宋韶旭;王昳晗 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;李相雨 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于近邻的数据修复方法，包括：S1，基于数据点的全部属性，通过计算数据点在全属性空间上的K近邻距离，检测全属性空间上的异常数据点；S2，基于所述全部属性中的给定部分属性，通过计算所述异常数据点在给定部分属性子空间上的K近邻距离并进行数据异常判断，确定所述异常数据点的正常属性；S3，基于所述异常数据点的正常属性，利用给定运算方式，计算所述异常数据点的异常属性修复值，进行所述异常数据点的修复。本发明能够有效提高数据修复的准确性以及数据修复的运行效率。 | ||
| 搜索关键词： | 异常数据 数据修复 属性空间 正常属性 修复 计算数据 数据异常 异常属性 运算方式 运行效率 数据点 检测 | ||
【主权项】：
1.一种基于近邻的数据修复方法，其特征在于，包括：S1，基于数据点的全部属性，通过计算数据点在全属性空间上的K近邻距离，检测全属性空间上的异常数据点；S2，基于所述全部属性中的给定部分属性，通过计算所述异常数据点在给定部分属性子空间上的K近邻距离并进行数据异常判断，确定所述异常数据点的正常属性；S3，基于所述异常数据点的正常属性，利用给定运算方式，计算所述异常数据点的异常属性修复值，进行所述异常数据点的修复；其中，所述S2的步骤进一步包括：S21，对应每一个所述异常数据点，分别计算其与所述给定部分属性子空间内所有其它数据点的距离，并进行排序，分别获取每一个所述异常数据点相对所述给定部分属性子空间的对应K近邻距离；S22，基于所述给定部分属性子空间内所有所述异常数据点对应的K近邻距离，计算部分属性异常阈值；S23，通过判断所述异常数据点相对所述给定部分属性子空间的K近邻距离与所述部分属性异常阈值的大小关系，确定所述异常数据点相对所述给定部分属性子空间的正常属性；其中，所述S23的步骤进一步包括：若所述异常数据点相对所述给定部分属性子空间的K近邻距离小于所述部分属性异常阈值，则判定所述异常数据点相对所述给定部分属性子空间为非异常，以所述给定部分属性子空间对应的属性为所述异常数据点的正常属性。
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清华大学，未经清华大学许可，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/201711485156.3/，转载请声明来源钻瓜专利网。
