技術(shù)編號：11829659
提示：您尚未登錄，請點(diǎn) 登 陸 后下載，如果您還沒有賬戶請點(diǎn) 注 冊 ，登陸完成后，請刷新本頁查看技術(shù)詳細(xì)信息。本發(fā)明屬于設(shè)備狀態(tài)診斷領(lǐng)域。背景技術(shù)在線監(jiān)測數(shù)據(jù)反映了設(shè)備運(yùn)行狀態(tài)，常被用來診斷設(shè)備故障情況，但由于監(jiān)測設(shè)備在受到外界干擾或設(shè)備損壞時(shí)，會不可避免地出現(xiàn)數(shù)據(jù)缺失問題。數(shù)據(jù)缺失破壞了原數(shù)據(jù)的完整性和真實(shí)性，很多的統(tǒng)計(jì)工具直接將缺失數(shù)據(jù)缺省，這種處理方法雖然效率高，但當(dāng)使用處理過的數(shù)據(jù)集進(jìn)行數(shù)據(jù)挖掘時(shí)，將會使聚類模型產(chǎn)生傾斜，從而使挖掘結(jié)果產(chǎn)生偏差。目前比較好的缺失值處理方法是對不完整的數(shù)據(jù)記錄進(jìn)行填充。數(shù)據(jù)填充常見算法有KNN、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)等。KNN算法計(jì)算量較大；貝葉斯網(wǎng)絡(luò)需要的數(shù)據(jù)多，...
注意：該技術(shù)已申請專利，請尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權(quán)人授權(quán)前，僅供技術(shù)研究參考不得用于商業(yè)用途。
該專利適合技術(shù)人員進(jìn)行技術(shù)研發(fā)參考以及查看自身技術(shù)是否侵權(quán)，增加技術(shù)思路，做技術(shù)知識儲備，不適合論文引用。
請注意，此類技術(shù)沒有源代碼，用于學(xué)習(xí)研究技術(shù)思路。