一种基于核密度估计的时间序列数据真值发现方法

本发明公开了一种基于核密度估计的时间序列数据真值发现方法，包括初始化阶段：为每个对象和时间点初始化必要的参数，如带宽以及可信度权重；核密度估计阶段：使用高斯核函数对每个数据源在每个时间点上的数据进行核密度估计，并利用指数加权的递归公式更新核密度估计，以反映时间序列数据的时间依赖性，对于缺失值，计算给定已知数据的联合概率，使用核密度估计来评估缺失数据的可能性。还要进行多源数据的核估计，考虑不同来源数据集的可信程度；真值估计阶段：应用期望最大化算法和核卡尔曼滤波技术，优化参数并估计最可能的真值。本发明使用核函数与卡尔曼滤波算法，解决时间序列数据真值发现问题，优化了真值发现的效果，在大数据领域有广泛的应用价值和使用前景。