一种数据修正方法及系统技术方案

本发明专利技术提供一种数据修正方法及系统，方法包括：从预设的实验数据库中获取实验数据，所述实验数据带有分类标签；根据所述分类标签，从预设的标准数据库中获取与所述实验数据对应的标准数据，所述标准数据用于为实验提供数据指导；通过对比标准数据与多项对应的实验数据之间的差异度，确定待修正数据；将所述待修正数据和多项对应的所述实验数据输入预设的修正参数获取模型，获取所述待修正数据的修正参数；根据所述修正参数，对所述待修正数据进行修正；本发明专利技术中的数据修正方法，实现了对标准数据库中的标准数据的实时修正，避免由于标准数据修正不及时，而导致用户的体验感较差的问题，修正准确率较高，自动化程度较高。自动化程度较高。自动化程度较高。

【技术实现步骤摘要】
一种数据修正方法及系统


[0001]本专利技术涉及数据处理领域，尤其涉及一种数据修正方法及系统。

技术介绍

[0002]在实验研究过程中，通常利用行业标准数据为实验人员提供指导或参考，帮助实验人员获取实验数据，而随着数据处理技术的发展，技术迭代的速度越来越快，数据的应用场景也越来越广泛，导致标准数据和实验数据之间的差异越来越大，标准数据的更新速度逐渐跟不上实际应用场景的需求，不足以为实验人员的实际操作提供一定有意义的指导。

技术实现思路

[0003]本专利技术提供一种数据修正方法及系统，以解决现有技术中标准数据修正不及时，以及修正准确率较低的问题。
[0004]本专利技术提供的数据修正方法，包括：从预设的实验数据库中获取实验数据，所述实验数据带有分类标签；根据所述分类标签，从预设的标准数据库中获取与所述实验数据对应的标准数据，所述标准数据用于为实验提供数据指导；通过对比标准数据与多项对应的实验数据之间的差异度，确定待修正数据；将所述待修正数据和多项对应的所述实验数据输入预设的修正参数获取模型，获取所述待修正数据的修正参数；根据所述修正参数，对所述待修正数据进行修正。
[0005]可选的，从预设的标准数据库中获取与所述实验数据对应的标准数据的步骤包括：预先构建用于存储实验数据的实验数据库；对所述实验数据进行分类，并标注对应的分类标签；预先构建用于存储标准数据的标准数据库，所述标准数据库与所述实验数据库相关联；对所述标准数据进行分类，确定所述标准数据的类别；根据所述分类标签与所述标准数据的类别，获取与所述实验数据对应的标准数据。
[0006]可选的，通过对比标准数据与多项对应的实验数据之间的差异度，确定待修正数据的步骤包括：对多项对应的所述实验数据进行预处理，预处理的步骤包括：根据预先的实验数据阈值范围，去除超出所述实验数据阈值范围的实验数据，获取预处理数据；将所述预处理数据和所述标准数据分别输入预先训练好的差异识别模型进行差异识别，获取标准数据与预处理数据之间的差异度；判断标准数据与多项对应的实验数据之间的差异度是否均超出预设的差异阈值
范围，获取判断结果，根据判断结果，确定待修正数据。
[0007]可选的，所述差异识别模型的获取步骤包括：获取第一训练集，所述第一训练集包括：多项第一实验数据样本和对应的第一标准数据样本，以及第一实验数据样本与第一标准数据样本之间的第一标注差异值；将所述第一训练集中的多项第一实验数据样本和对应的第一标准数据样本分别输入卷积神经网络进行特征提取，获取第一实验数据特征和第一标准数据特征；根据所述第一实验数据特征和所述第一标准数据特征，确定所述第一训练集中的第一实验数据样本和对应的第一标准数据样本之间的第一预测差异值；根据所述第一预测差异值、第一标注差异值和预设的第一损失函数，对所述卷积神经网络进行训练，获取差异识别模型。
[0008]可选的，所述修正参数获取模型的获取步骤包括：获取第二训练集，所述第二训练集包括：多项第二实验数据样本和对应的第二标准数据样本，以及第二实验数据样本与第二标准数据样本之间的标注修正参数；将所述第二训练集中的多项第二实验数据样本和对应的第二标准数据样本分别输入深度神经网络进行特征提取，获取第二实验数据样本和第二标准数据样本之间的相同数据特征和不同数据特征；根据所述相同数据特征和所述不同数据特征，获取修正参数获取模型。
[0009]可选的，根据所述相同数据特征和所述不同数据特征，获取修正参数获取模型的步骤包括：根据所述相同数据特征和不同数据特征，确定第一权值和第二权值，所述第一权值与相同数据特征相对应，所述第二权值与不同数据特征相对应；根据所述相同数据特征、不同数据特征，以及对应的第一权值和第二权值，获取预测修正参数；根据所述预测修正参数、标注修正参数和预设的第二损失函数，对所述深度神经网络进行训练，获取修正参数获取模型。
[0010]可选的，确定第一权值和第二权值的步骤包括：根据预先设置的权值设置策略，对所述相同数据特征和不同数据特征进行权值分配，获取第一权值和第二权值，所述第一权值小于或等于第二权值。
[0011]可选的，根据所述修正参数，对所述待修正数据进行修正的步骤包括：将所述修正参数替代所述标准数据库中的待修正数据，获取最终数据，完成数据修正。
[0012]可选的，创建实验数据库与中心云端的第一连接，并且，创建标准数据库与中心云端的第二连接；通过所述第一连接对应的接口、所述第二连接对应的接口，从中心云端获取对应的实验数据和标准数据，并分别存储至实验数据库和标准数据库。
[0013]本专利技术还提供一种数据修正系统，包括：待修正数据获取模块，用于从预设的实验数据库中获取实验数据，所述实验数据带有分类标签；根据所述分类标签，从预设的标准数据库中获取与所述实验数据对应的标准数据，所述标准数据用于为实验提供数据指导；通过对比标准数据与多项对应的实验数
据之间的差异度，确定待修正数据；修正参数获取模块，用于将所述待修正数据和多项对应的所述实验数据输入预设的修正参数获取模型，获取所述待修正数据的修正参数；数据修正模块，用于根据所述修正参数，对所述待修正数据进行修正；所述待修正数据获取模块、修正参数获取模块和数据修正模块连接。
[0014]本专利技术的有益效果：本专利技术中的数据修正方法，通过根据分类标签，从预设的标准数据库中获取与实验数据对应的标准数据，将标准数据与多项对应的实验数据进行对比，获取差异度，根据差异度，确定待修正数据，将待修正数据和多项对应的所述实验数据输入预设的修正参数获取模型，获取待修正数据的修正参数，根据修正参数，对待修正数据进行修正，实现了对标准数据库中的标准数据的实时修正，避免由于标准数据修正不及时，而导致用户的体验感较差的问题，修正准确率较高，自动化程度较高。
附图说明
[0015]图1是本专利技术实施例中数据修正方法的流程示意图。
[0016]图2是本专利技术实施例中数据修正方法中获取与实验数据对应的标准数据的流程示意图。
[0017]图3是本专利技术实施例中数据修正方法中确定待修正数据的流程示意图。
[0018]图4是本专利技术实施例中数据修正方法中获取修正参数获取模型的流程示意图。
[0019]图5是本专利技术实施例中数据修正系统的结构示意图。
具体实施方式
[0020]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0021]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据修正方法，其特征在于，包括：从预设的实验数据库中获取实验数据，所述实验数据带有分类标签；根据所述分类标签，从预设的标准数据库中获取与所述实验数据对应的标准数据，所述标准数据用于为实验提供数据指导；通过对比标准数据与多项对应的实验数据之间的差异度，确定待修正数据；将所述待修正数据和多项对应的所述实验数据输入预设的修正参数获取模型，获取所述待修正数据的修正参数；根据所述修正参数，对所述待修正数据进行修正。2.根据权利要求1所述的数据修正方法，其特征在于，从预设的标准数据库中获取与所述实验数据对应的标准数据的步骤包括：预先构建用于存储实验数据的实验数据库；对所述实验数据进行分类，并标注对应的分类标签；预先构建用于存储标准数据的标准数据库，所述标准数据库与所述实验数据库相关联；对所述标准数据进行分类，确定所述标准数据的类别；根据所述分类标签与所述标准数据的类别，获取与所述实验数据对应的标准数据。3.根据权利要求1所述的数据修正方法，其特征在于，通过对比标准数据与多项对应的实验数据之间的差异度，确定待修正数据的步骤包括：对多项对应的所述实验数据进行预处理，预处理的步骤包括：根据预先的实验数据阈值范围，去除超出所述实验数据阈值范围的实验数据，获取预处理数据；将所述预处理数据和所述标准数据分别输入预先训练好的差异识别模型进行差异识别，获取标准数据与预处理数据之间的差异度；判断标准数据与多项对应的实验数据之间的差异度是否均超出预设的差异阈值范围，获取判断结果，根据判断结果，确定待修正数据。4.根据权利要求3所述的数据修正方法，其特征在于，所述差异识别模型的获取步骤包括：获取第一训练集，所述第一训练集包括：多项第一实验数据样本和对应的第一标准数据样本，以及第一实验数据样本与第一标准数据样本之间的第一标注差异值；将所述第一训练集中的多项第一实验数据样本和对应的第一标准数据样本分别输入卷积神经网络进行特征提取，获取第一实验数据特征和第一标准数据特征；根据所述第一实验数据特征和所述第一标准数据特征，确定所述第一训练集中的第一实验数据样本和对应的第一标准数据样本之间的第一预测差异值；根据所述第一预测差异值、第一标注差异值和预设的第一损失函数，对所述卷积神经网络进行训练，获取差异识别模型。5.根据权利要求1所述的数据修正方法，其特征在于，所述修正参数获取模型的获取步骤包括：获取第二训练集，所述...

【专利技术属性】
技术研发人员：姚娟娟，钟南山，
申请(专利权)人：明品云北京数据科技有限公司，
类型：发明
国别省市：