[发明专利]一种数据处理方法及电子设备

说明书

本申请实施例提供了一种数据处理方法及电子设备，其中，所述方法包括：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。本申请实施例方法用于制备能够有效减小电子设备处理负载的模型，使电子设备基于该模型而能够在无较高硬件水平的情况下快速高效地绘制出可反应目标对象在预设时间段内的变化过程图像。

技术领域

本申请实施例涉及智能设备领域，特别涉及一种数据处理方法及电子设备。

背景技术

目前物联网、大数据、云计算、深度学习技术的快速发展，有效地拓展了“智能+”在垂直领域的应用。但伴随着各领域对产品、设备等对象的运维策略由预防性维护向预测性维护的转变，这就需要实现对目标对象的衰减过程分阶段、分时、分级的进行识别确定。而要实现对被测试对象衰减过程的分阶段、分时、分级地进行表征，以更好的辅助推理机进行识别，需要全面地采集受测试对象运行过程的数据，以尽可能地包含更多可准确描述目标对象潜在状态的信息，故使得数据采集、存储和分析的过程中负载显著增大，对计算基础设施提出了更高的要求。也即，目前在对目标对象做预测性维护时，由于需要采集及处理的数据量较大，故使得电子设备负载过大，对其硬件设备要求过高。

发明内容

本申请实施例提供了一种用于制备能够有效减小电子设备处理负载的模型的数据处理方法，使电子设备基于该模型而能够在无较高硬件水平的情况下快速高效地绘制出可反应目标对象在预设时间段内的变化过程图像，同时本申请实施例还提供一种应用该方法的电子设备。

为了解决上述技术问题，本申请实施例提供了一种数据处理方法，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。

作为优选，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。

作为优选，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。

作为优选，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。

作为优选，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。

作为优选，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。