基于不确定性量化的高噪声数据智能清洗与可信度评估方法

本发明涉及数据处理技术领域，具体涉及基于不确定性量化的高噪声数据智能清洗与可信度评估方法，包括以下步骤：通过黎曼几何方法构建高维数据空间的噪声流形模型，提取数据本征结构特征与噪声分布轨迹张量；根据所述噪声分布轨迹张量，构建各向异性扩散方程，生成带数据流形约束的置信度分布；在数据流形切空间实施噪声剥离的同时保持数据集的几何不变性，实现噪声剥离与结构保持；计算本征可信度指标并生成与数据流形结构耦合的可信度评估图谱；本发明，在清洗过程中保持数据流形的本征特征，并通过测地线偏差计算量化数据结构变形程度，确保数据的固有几何关系不受噪声剥离影响。