摘要
本发明公开了一种基于卷积神经网络的数据质量评估方法,包括采集目标数据,对所述目标数据进行预处理,对所述目标数据进行时序异常识别获得异常数据,根据所述异常数据获得评估数据;所述评估数据包括第一评估数据和第二评估数据;所述第一评估数据表征所述异常数据的陷离度;所述第二评估数据表征所述异常数据的时偏度;根据偏离度对所述评估数据进行多模态分类获得分级数据,根据所述分级数构建质量函数,根据所述质量函数构建数据质量评估模型,将待评估数据输入所述数据质量评估模型,输出识别结果。该方法不仅可以提高基于卷积神经网络的数据质量评估的精度,同时具有较好的可解释性,可以直接应用于数据质量评估系统中。
技术关键词
异常数据
矩阵
卷积神经网络算法
序列
表达式
偏离特征
球体
存储计算机可执行指令
重构原始数据
多模态
偏差
随机森林
时序
特征值
编码器
轨迹
电子设备
可读存储介质