[发明专利]Gamma校准方法、装置、计算机设备、存储介质

权利要求书

1.一种Gamma校准方法，其特征在于，所述方法包括：

获取历史校准参数；

对所述历史校准参数进行参数数据处理，确定初始分布参数，所述参数数据处理至少包括：聚类处理和均值处理；

利用预设的未预测参数、所述历史校准参数和所述初始分布参数，并根据极大似然估计法得到预测参数；

通过所述预测参数进行Gamma校准。

2.根据权利要求1所述的方法，其特征在于，所述利用预设的未预测参数、所述历史校准参数和所述初始分布参数，并根据极大似然估计法得到预测参数，包括：

根据历史校准参数、未预测参数和初始分布参数，确定所述预设的未预测参数的概率值；

调整所述初始分布参数，得到调整后初始分布参数；

根据历史校准参数、未预测参数和调整后初始分布参数，重新确定所述预设的未预测参数的概率值；

在所述概率值最大的情况下，根据调整后初始分布参数确定预测参数。

3.根据权利要求2所述的方法，其特征在于，所述根据调整后初始分布参数确定预测参数，包括：

计算所述初始分布参数和所述调整后初始分布参数的偏差值；

在所述偏差值小于预设的偏差阈值的情况下，根据所述调整后初始分布参数确定预测参数；

在所述偏差值大于等于预设的偏差阈值的情况下，重新调整所述初始分布参数，直至确定预测参数。

4.根据权利要求1或2所述的方法，其特征在于，所述利用预设的未预测参数、所述历史校准参数和所述初始分布参数，并根据极大似然估计法得到预测参数，包括：

采用下述公式计算得到预设的未预测参数的概率值：

Q_i(z⁽ⁱ⁾)＝p(z⁽ⁱ⁾|x⁽ⁱ⁾；θ)

采用下述公式计算得到使所述概率值最大的预测参数：

其中，z为未预测参数，x为历史校准参数，θ为初始分布参数；p为未预测参数的概率值。

5.根据权利要求1所述的方法，其特征在于，所述对所述历史校准参数进行参数数据处理，确定初始分布参数，至少包括下述一种：

计算所述历史校准参数的均值，根据所述均值确定初始分布参数；

或，

通过聚类算法确定所述历史校准参数的聚类中心，根据所述聚类中心确定初始分布参数，所述聚类算法至少包括：K均值算法、密度聚类算法和层次聚类算法。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

获取当前亮度曲线的中历史校准参数；

在切换Gamma校准的亮度曲线后，根据当前亮度曲线的中历史校准参数计算得到当前亮度曲线的预测参数。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述预测参数存储至预先构建的预测参数集中；

在所述预测参数集中预测参数的数量大于预设的参数阈值的情况下，根据所述预测参数的产生时间覆盖所述预测参数，使所述预测参数集中预测参数的数量等于所述预设的参数阈值。

8.一种Gamma校准装置，其特征在于，所述装置包括：

数据获取模块，用于获取历史校准参数；

数据处理模块，用于对所述历史校准参数进行参数数据处理，确定初始分布参数，所述参数数据处理至少包括：聚类处理和均值处理；

参数计算模块，用于利用预设的未预测参数、所述历史校准参数和所述初始分布参数，并根据极大似然估计法得到预测参数；

校准模块，用于通过所述预测参数进行Gamma校准。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。