申请/专利权人：南昌理工学院

申请日：2024-04-10

公开（公告）日：2024-06-21

公开（公告）号：CN118013217B

主分类号：G06F18/15

分类号：G06F18/15;G06F18/2433;G06F18/214;G06F18/21;G06N3/0464;G06N3/045;G06N3/0442;H04L67/12;G06N3/048;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明涉及物联网通信技术领域，尤其涉及物联网通信数据缺失处理方法及系统，方法包括：获取物联网通信带有时戳的历史数据，基于历史数据得到缺失训练数据集和缺失测试数据集；基于缺失训练数据集和缺失测试数据集分别对数据缺失预测模型进行训练和预测，得到缺失预测数据集；将缺失测试数据集与缺失预测数据集内的样本一一对应作差，得到残差数据集，并将残差数据集分为残差训练集和残差测试集；基于残差训练集和残差测试集分别对残差数据预测模型进行训练和预测，得到残差预测集；根据残差预测集和预设的调校网络模型对缺失预测数据集进行校准，得到通信缺失数据的预测补值结果。本发明能够保证物联网通信缺失数据被精准预测恢复。

主权项：1.物联网通信数据缺失处理方法，其特征在于，所述方法包括：获取物联网通信带有时戳的历史数据，对所述历史数据进行预处理并进行数据分割，得到缺失训练数据集和缺失测试数据集；基于所述缺失训练数据集和所述缺失测试数据集分别对预设的基于LSTM的数据缺失预测模型进行训练和预测，得到缺失预测数据集；将所述缺失测试数据集与所述缺失预测数据集内的样本一一对应作差，得到残差数据集，并将所述残差数据集分为残差训练集和残差测试集；基于所述残差训练集和所述残差测试集分别对预设的基于MLP的残差数据预测模型进行训练和预测，得到残差预测集；其中，所述残差预测集内的样本与所述缺失预测数据集内的样本相对应；根据所述残差预测集和预设的调校网络模型对所述缺失预测数据集进行校准，得到通信缺失数据的预测补值结果；根据所述残差预测集和预设的调校网络模型对所述缺失预测数据集进行校准，得到通信缺失数据的预测补值结果的步骤具体包括：基于ResNet网络构建调校网络模型，所述调校网络模型包括输入卷积层、SE-ResNet残差模块和输出卷积层；将所述残差预测集输入所述输入卷积层，然后将所述输入卷积层的输出作为所述SE-ResNet残差模块的输入；其中，所述SE-ResNet残差模块包括三个一维卷积层，每个所述一维卷积层中包括卷积操作、批量归一化和激活函数映射输出，第三个所述一维卷积层输出包含两个网络分支，其中一个所述网络分支连接SE模块，另一个所述网络分支与所述SE模块的输出结果做乘积，得到乘积结果；然后将乘积结果与所述SE-ResNet残差模块的输入求和，其结果作为所述SE-ResNet残差模块的输出；最后将所述SE-ResNet残差模块的输出作为所述输出卷积层的输入，调整最终输出结果，得到校准值，并利用所述校准值与所述缺失预测数据集内相应的样本求和，完成对所述缺失预测数据集的校准；对校准后的所述缺失预测数据集进行反归一化操作，并将反归一化操作后的所述缺失预测数据集作为通信缺失数据的补值结果；其中，所述SE模块包括全局池化层、和两个全连接层，第一个所述全连接层输出采用Relu函数作为激活函数，第二个所述全连接层输出采用Sigmoid函数作为激活函数。

全文数据：

权利要求：

百度查询： 南昌理工学院 物联网通信数据缺失处理方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD