摘要
本发明涉及决策优化技术领域,具体为一种基于数据分析的人工智能决策优化方法及系统,包括以下步骤,基于特征点时序分布,判别数据波动与异常情况,计算相关性并确定完整性,筛选高置信度数据并融合趋势同步特征,筛查稳定批次数据,匹配融合特征与参数组,输出最优决策结果。本发明,通过针对采集数据的时序波动和异常序列进行深入识别,通过置信等级与趋势一致性进行多层筛选,提升数据特征的稳定性与可用性,融合运算机制使趋势同步特征实现高效整合,数据批次筛查综合了采集连续性与异常表现,确保后续参数结构更加精细,分组归并方法细化了决策参数的结构关系,能够针对决策路径的不确定性及时做出有效响应。
技术关键词
人工智能决策
融合特征
参数
序列
特征点
分层
判别特征
频率
时序
归并方法
连续性
异常点
标识
数据分布
分布特征
周期
时间段
实时数据