[发明专利]一种数据处理方法及电子设备

权利要求书

1.一种数据处理方法，其中，包括：

获取目标对象满足预设时间序列的数据集；

确定所述数据集中满足预设要求，可表征所述目标对象特征的子数据集，其中，所述预设要求用于体现所述子数据集的数据分类目标；

处理所述子数据集确定匹配的概率密度函数；

基于所述概率密度函数确定能够生成描述所述目标对象满足预设时间序列的变化过程图像的模型。

2.根据权利要求1所述的方法，其中，所述确定所述数据集中满足预设要求，可表征所述目标对象特征的子数据集包括：

至少预先确定所述子数据集的数据收敛条件；

基于所述数据收敛条件自所述数据集中提取出可表征所述目标对象特征的子数据集。

3.根据权利要求2所述的方法，其中，所述基于所述数据收敛条件自所述数据集中提取出可表征所述目标对象特征的子数据集包括：

至少基于所述数据收敛条件确定所选数据的互相关性；

基于确定的所述互相关性自所述数据集中提取出可表征所述目标对象特征的子数据集。

4.根据权利要求2所述的方法，其中，所述基于所述数据收敛条件自所述数据集中提取出可表征所述目标对象特征的子数据集包括：

至少基于所述目标对象的第一特征以及数据收敛条件自所述数据集中提取出可表征所述第一特征在满足所述预设时间序列的条件下的衰减过程的子数据集，其中，所述子数据集中至少部分子数据为所述第一特征所包含的数据。

5.根据权利要求2所述的方法，其中，所述子数据为多个，所述处理所述子数据集形成匹配的概率密度函数包括：

将所述子数据集中的子数据进行组合；

确定组合后的所述子数据的概率密度函数。

6.根据权利要求5所述的方法，其中，还包括：

确定多个概率密度函数中能够体现所述数据分类目标的最优概率密度函数。

7.根据权利要求6所述的方法，其中，所述基于所述概率密度函数建立能够生成描述所述目标对象满足预设时间序列的变化过程图像的模型包括：

基于所述最优概率密度函数以及用于实现绘图功能的数据建立所述模型。

8.根据权利要求7所述的方法，其中，还包括：

基于所述目标对象的历史数据分类目标确定匹配的待解决问题；

基于所述历史数据分类目标、对应的历史子数据集以及用于解决所述待解决问题的解决策略训练所述模型，以使所述模型能够基于所述预设要求确定出所述目标对象的子数据集，并自动生成相应的解决策略。

9.一种电子设备，其中，包括：

获取器，其用于获取目标对象满足预设时间序列的数据集；

处理器，其用于确定所述数据集中满足预设要求，可表征所述目标对象特征的子数据集，其中，所述预设要求用于体现所述子数据集的数据分类目标，并处理所述子数据集确定匹配的概率密度函数，使基于所述概率密度函数确定能够生成描述所述目标对象满足预设时间序列的变化过程图像的模型。

10.根据权利要求9所述的电子设备，其中，所述处理器还用于：

至少预先确定所述子数据集的数据收敛条件；

基于所述数据收敛条件自所述数据集中提取出可表征所述目标对象特征的子数据集。