【技术实现步骤摘要】
对连续性数据中的异常数据的恢复方法
本专利技术涉及数据处理技术,具体涉及一种对连续性数据中的异常数据的恢复方法。
技术介绍
在连续性数据采集的过程中,有时候会因为各种原因导致采集数据的异常,例如:某一日中,数据采集服务器集群中的部分服务器异常,无法接受来自部分终端上传的部分数据,导致当日采集的数据异常。现有技术中,对于异常数据的处理一般采用以下方式:1.删除异常数据;2.利用异常数据附近点的均值来对异常值进行填补。在实际生产过程中,第一种方式在对数据质量要求不高的情况下可行,比如使用数据的人员只关心终端活跃率的趋势走向,并不关心具体某一天的终端用户活跃率,此时,删除不对数据趋势产生影响的异常数据是可行的;但是,如果使用数据的人员对数据质量要求较高,且不允许数据有缺失,那么这种方式就不可行。第二种方式虽然填补了异常值,但是利用一般的统计方法填补的值是粗糙的,丢失了部分数据特征,最后的填补值与真实值的差距比较大,也会影响整个数据的准确性。综上,现有技术对于异常数据的处理方案存在数据质量不高的缺陷。
技术实现思路
本专利技术所要解决的技术问题是:提出一种对连续性数据中的异常数据的恢复方法,解决现有技术中对于异常数据的处理方案存在数据质量不高的缺陷。本专利技术解决上述技术问题采用的技术方案是:对连续性数据中的异常数据的恢复方法,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 ...
【技术保护点】
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。
【技术特征摘要】
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...
【专利技术属性】
技术研发人员:周杰,贾川江,
申请(专利权)人:四川长虹电器股份有限公司,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。