CN108089938B - 异常数据处理方法及装置 - Google Patents

异常数据处理方法及装置 Download PDF

Info

Publication number
CN108089938B
CN108089938B CN201810014200.0A CN201810014200A CN108089938B CN 108089938 B CN108089938 B CN 108089938B CN 201810014200 A CN201810014200 A CN 201810014200A CN 108089938 B CN108089938 B CN 108089938B
Authority
CN
China
Prior art keywords
data
change
rate
abnormal
abnormal data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810014200.0A
Other languages
English (en)
Other versions
CN108089938A (zh
Inventor
李四中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Yingfeng Guochuang Intelligent Technology Co ltd
Original Assignee
Hunan Yingfeng Guochuang Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Yingfeng Guochuang Intelligent Technology Co ltd filed Critical Hunan Yingfeng Guochuang Intelligent Technology Co ltd
Priority to CN201810014200.0A priority Critical patent/CN108089938B/zh
Publication of CN108089938A publication Critical patent/CN108089938A/zh
Application granted granted Critical
Publication of CN108089938B publication Critical patent/CN108089938B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明提供一种异常数据处理方法及装置，该异常数据处理方法包括以下步骤：将待处理数据分段；计算各段数据的变化率ki；计算待处理数据的各段数据的所述变化率ki的算术平均值
Figure DDA0001541365510000011
设定数据变化率的正常阈值范围为：
Figure DDA0001541365510000012
并据此判定各所述数据变化率ki是否在正常阈值范围内，判定出异常数据和可信数据。通过本异常数据处理方法，可快速、准确地发现异常数据，保证数据的准确性。

Description

异常数据处理方法及装置
技术领域
本发明涉及自动检测技术领域，特别是涉及一种异常数据处理方法及装置。
背景技术
随着社会的发展，各种智能设备得到广泛发展和应用，例如扫地机器人、无人机以及用于智能制造中的各种自动化设备。为了实现智能设备的智能化，各种传感器必不可少。传感器获取的数据一方面作为智能控制的动作执行依据，另一方面也作为后续各种数据的获得基础，因此传感器数据的准确性十分重要。然而，由于环境等各方面因素的影响，传感器测得的数据不可避免地存在异常数据，这些异常数据不能真实地反应设备的工作情况，为了保证数据的真实性和科学性，有必要将异常数据剔除。由于测量数据的数据量巨大，因此采取人工方式发现异常数据不太现实。
发明内容
本发明的目的是提供一种快速、准确发现异常数据的异常数据处理方法及装置。
一种异常数据处理方法，其包括以下步骤：
将待处理数据分段；
计算各段数据的变化率ki；
计算待处理数据的各段数据的所述变化率ki的算术平均值
Figure GDA0002932449430000011
设定数据变化率的正常阈值范围为：
Figure GDA0002932449430000012
并据此判定各所述数据变化率ki是否在正常阈值范围内，判定出异常数据和可信数据。
通过本异常数据处理方法，可快速、准确地发现异常数据，保证数据的准确性。
在其中一实施例中，所述异常数据处理方法还包括步骤：将所述异常数据剔除。
其中一实施例中，所述异常数据处理方法还包括以下步骤：
计算剔除所述异常数据后的剩余数据的新的数据变化率的算术平均值
Figure GDA0002932449430000021
设定所述数据变化率ki的正常阈值范围为：
Figure GDA0002932449430000022
并据此判定各数据变化率ki是否在正常阈值范围内，判定出异常数据和可信数据；
重复所述将所述异常数据剔除的步骤、所述计算剔除所述异常数据后的剩余数据的新的数据变化率的算术平均值
Figure GDA0002932449430000023
的步骤和所述设定所述数据变化率的正常阈值范围为：
Figure GDA0002932449430000024
并据此判定各数据变化率是否在正常阈值范围内，判定出异常数据和可信数据的步骤，直到剔除相应异常数据后的所有剩余数据的变化率ki均在
Figure GDA0002932449430000025
范围内。
其中一实施例中，所述各段数据的变化率采用以下公式计算：ki＝(yi+1-yi)/(xi+1-xi)；
所述算术平均值
Figure GDA0002932449430000026
采用以下公式计算：
Figure GDA0002932449430000027
判定所述变化率ki在
Figure GDA0002932449430000028
范围内的数据段为可信数据，判定变化率ki大于
Figure GDA0002932449430000029
或者小于
Figure GDA00029324494300000210
的数据段为异常数据。
在其中一实施例中，所述将异常数据剔除的步骤中被剔除的异常数据为a段；利用以下公式计算剔除a段异常数据后的可信数据的变化率的新的所述算术平均值
Figure GDA00029324494300000211
Figure GDA00029324494300000212
一种异常数据处理装置，其包括：
数据划分模块；用于将待处理数据分段；
变化率计算模块，用于计算各段数据的变化率ki；
第一变化率算术平均值计算模块，用于计算待处理数据的各段数据的变化率ki的算术平均值
Figure GDA0002932449430000031
第一判定模块，用于判定数据变化率ki是否在正常阈值范围
Figure GDA0002932449430000032
内，从而判定出异常数据和可信数据。
通过本异常数据处理装置，可快速、准确地发现异常数据，保证数据的准确性。
其中一实施例中，所述异常数据处理装置还包括：
第二变化率算术平均值计算模块，用于计算剔除异常数据后的剩余数据的所述变化率ki的新的算术平均值
Figure GDA0002932449430000033
第二判定模块，用于判定所述变化率是否在正常阈值范围
Figure GDA0002932449430000034
内，并判定出异常数据和可信数据；
第二异常数据剔除模块，用于剔除所述第二判定模块判定出的所述异常数据；
判断模块，用于判断剔除相应异常数据后的所有剩余数据段的变化率ki是否均在正常阈值范围
Figure GDA0002932449430000035
范围内。
其中一实施例中，所述数据划分模块，用于将待处理数据分为n段；所述变化率计算模块用于利用公式ki＝(yi+1-yi)/(xi+1-xi)计算各段数据的所述变化率ki；所述第一变化率算术平均值计算模块用于利用公式
Figure GDA0002932449430000036
计算出各段数据的所述变化率的算术平均值
Figure GDA0002932449430000037
所述第一判定模块用于判定所述变化率ki在
Figure GDA0002932449430000038
范围内的数据段为可信数据，判定所述变化率ki大于
Figure GDA0002932449430000039
或者小于
Figure GDA00029324494300000310
的数据段为异常数据。
其中一实施例中，所述异常数据处理装置还包括第一异常数据剔除模块，用于剔除a段异常数据；所述第二变化率算术平均值计算模块利用以下公式计算剔除a段异常数据后的可信数据的变化率的新的算术平均值
Figure GDA0002932449430000041
Figure GDA0002932449430000042
所述第二判定模块判定所述变化率ki在
Figure GDA0002932449430000043
范围内的数据段为可信数据，判定所述变化率ki大于
Figure GDA0002932449430000044
或者小于
Figure GDA0002932449430000045
的数据段为异常数据；所述第二异常数据剔除模块用于剔除第二判定模块判定出的b段异常数据。
附图说明
图1为本发明一实施例的异常数据处理方法流程示意图；
图2为图1所示异常数据处理方法处理的传感器输出的数据信号图谱示意图和信号变化率示意图；
图3为本发明一实施例的异常数据处理装置的结构框图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术方式及功效，以下结合附图及实施例，对本发明的具体实施方式、结构、特征及其功效，详细说明如后。
本发明一实施例的异常数据处理方法处理的是一传感器输出的信号，该传感器的信号输出函数为y＝f(x)，对应地，传感器输出信号变化率为
Δy＝f(Δx-x)-f(x)。
本实施例中，以传感器的信号输出函数为y＝f(x)＝kx+b为例对本发明的异常数据处理方法处理加以说明。
请参阅图1，本发明一实施例的异常数据处理方法包括以下步骤：
S10，将待处理数据分段，具体可分为n段；
S20，计算各段数据的变化率ki，ki＝(yi+1-yi)/(xi+1-xi)；
S30，计算待处理数据的各段数据的变化率ki的算术平均值
Figure GDA0002932449430000046
具体地，可利用公式
Figure GDA0002932449430000051
计算出各段数据的变化率的算术平均值
Figure GDA0002932449430000052
S40，设定数据变化率ki的正常阈值范围为：
Figure GDA0002932449430000053
并据此判定各数据变化率ki是否在正常阈值范围内，判定出异常数据和可信数据，具体地，判定变化率ki在
Figure GDA0002932449430000054
范围内的数据段为可信数据，判定变化率ki大于
Figure GDA0002932449430000055
或者小于
Figure GDA0002932449430000056
的数据段为异常数据。
本实施例中，异常数据处理方法还包括以下步骤：
S50，将异常数据剔除，具体地，被剔除的异常数据可为a段。
本实施例中，异常数据处理方法还包括以下步骤：
S60，计算剔除异常数据后的剩余数据的数据变化率ki的算术平均值
Figure GDA0002932449430000057
具体地，利用以下公式计算剔除a段异常数据后的可信数据的变化率的新的算术平均值
Figure GDA0002932449430000058
Figure GDA0002932449430000059
S70，设定新的数据变化率的正常阈值范围为：
Figure GDA00029324494300000510
并据此判定各数据变化率是否在正常阈值范围内，判定出异常数据和可信数据，具体地，判定变化率ki在
Figure GDA00029324494300000511
范围内的数据段为可信数据，判定变化率ki大于
Figure GDA00029324494300000512
或者小于
Figure GDA00029324494300000513
的数据段为异常数据；
S80，重复上述步骤S50、步骤S60和步骤S70，直到剔除相应异常数据后的所有剩余数据的变化率ki均在
Figure GDA00029324494300000514
范围内。其中，
Figure GDA00029324494300000515
为每次剔除新的异常数据后的剩余数据的最新的数据变化率算术平均值。
可以理解，函数y＝f(x)＝kx+b可以是表征速度传感器输出的信号。图2所示为函数y＝f(x)＝kx+b速度传感器输出的信号以及对应数据变化率ki，其中x为时间t，y为速度v，对应数据变化率ki为加速度。图2中A到B段为正向加速段，B到C段为正向匀速段，C到D段为正向减速，D到E段为反向加速段，E到F段为反向匀速段，F到G段为反向减速段，在B到C段部分变化率ki大于
Figure GDA0002932449430000061
此变化率对应数据段的数据属于异常数据。
通过本异常数据处理方法，可快速、准确地发现异常数据，保证数据的准确性。
如图3所示，本发明还提供一种异常数据处理装置，其包括：
数据划分模块10，用于将待处理数据分段，具体可分为n段；
变化率计算模块20，用于计算各段数据的变化率ki，ki＝(yi+1-yi)/(xi+1-xi)；
第一变化率算术平均值计算模块30，用于计算待处理数据的各段数据的变化率ki的算术平均值
Figure GDA0002932449430000062
具体地，可利用以下公式
Figure GDA0002932449430000063
计算出各段数据的变化率的算术平均值
Figure GDA0002932449430000064
第一判定模块40，用于判定数据变化率是否在正常阈值范围
Figure GDA0002932449430000065
内，从而判定出异常数据和可信数据。具体地，在算术平均值
Figure GDA0002932449430000066
误差为±m范围内为数据变化率的正常阈值范围，判定变化率ki在
Figure GDA0002932449430000067
范围内的数据段为可信数据，判定变化率ki大于
Figure GDA0002932449430000068
或者小于
Figure GDA0002932449430000069
的数据段为异常数据。
本实施例中，异常数据处理装置还包括：
第一异常数据剔除模块50，用于剔除异常数据，被剔除的异常数据可为a段。
本实施例中，异常数据处理装置还包括：
第二变化率算术平均值计算模块60，用于计算剔除异常数据后的剩余数据的变化率ki的新的算术平均值
Figure GDA00029324494300000610
具体地，利用以下公式计算剔除a段异常数据后的可信数据的变化率的新的算术平均值
Figure GDA00029324494300000611
Figure GDA00029324494300000612
第二判定模块70，用于判定数据变化率ki是否在正常阈值范围
Figure GDA00029324494300000613
内，并判定出异常数据和可信数据，具体地，设定在新的算术平均值
Figure GDA00029324494300000614
误差为±m范围内为数据变化率的正常阈值范围，判定变化率ki在
Figure GDA0002932449430000071
范围内的数据段为可信数据，判定变化率ki大于
Figure GDA0002932449430000072
或者小于
Figure GDA0002932449430000073
的数据段为异常数据。
本实施例中，异常数据处理装置还包括：第二异常数据剔除模块80，用于剔除第二判定模块70判定出的异常数据，具体地，用于剔除b段异常数据。
本实施例中，异常数据处理装置还包括：判断模块90，用于判断剔除相应异常数据后的所有剩余数据段的变化率ki是否均在正常阈值范围
Figure GDA0002932449430000074
内，即均在新的变化率算术平均值误差为±m范围内，亦即
Figure GDA0002932449430000075
范围，其中，第二变化率算术平均值计算模块60、第二判定模块70和第二异常数据剔除模块80可能要重复工作多次，
Figure GDA0002932449430000076
为每次剔除新的异常数据后的剩余数据的最新的数据变化率算术平均值。
通过本异常数据处理方法，可快速、准确地发现异常数据，保证数据的准确性。
本以上仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (7)

1.一种异常数据处理方法，其特征在于，其包括以下步骤：
将待处理数据分段；
计算各段数据的变化率ki；
计算待处理数据的各段数据的所述变化率ki的算术平均值
Figure FDA0002932449420000011
设定数据变化率的正常阈值范围为：
Figure FDA0002932449420000012
并据此判定各所述数据变化率ki是否在正常阈值范围内，判定出异常数据和可信数据；
所述各段数据的变化率采用以下公式计算：ki＝(yi+1-yi)/(xi+1-xi)；
所述算术平均值
Figure FDA0002932449420000013
采用以下公式计算：
Figure FDA0002932449420000014
判定所述变化率ki在
Figure FDA0002932449420000015
范围内的数据段为可信数据，判定变化率ki大于
Figure FDA0002932449420000016
或者小于
Figure FDA0002932449420000017
的数据段为异常数据。
2.如权利要求1所述的异常数据处理方法，其特征在于，所述异常数据处理方法还包括步骤：将所述异常数据剔除。
3.如权利要求2所述的异常数据处理方法，其特征在于，所述异常数据处理方法还包括以下步骤：
计算剔除所述异常数据后的剩余数据的新的数据变化率的算术平均值
Figure FDA0002932449420000018
设定所述数据变化率ki的正常阈值范围为：
Figure FDA0002932449420000019
并据此判定各数据变化率ki是否在正常阈值范围内，判定出异常数据和可信数据；
重复所述将所述异常数据剔除的步骤、所述计算剔除所述异常数据后的剩余数据的新的数据变化率的算术平均值
Figure FDA00029324494200000110
的步骤和所述设定所述数据变化率的正常阈值范围为：
Figure FDA00029324494200000111
并据此判定各数据变化率是否在正常阈值范围内，判定出异常数据和可信数据的步骤，直到剔除相应异常数据后的所有剩余数据的变化率ki均在
Figure FDA00029324494200000112
范围内。
4.如权利要求3所述的异常数据处理方法，其特征在于，所述将异常数据剔除的步骤中被剔除的异常数据为a段；利用以下公式计算剔除a段异常数据后的可信数据的变化率的新的所述算术平均值
Figure FDA0002932449420000021
Figure FDA0002932449420000022
5.一种异常数据处理装置，其特征在于，其包括：
数据划分模块(10)；用于将待处理数据分段；
变化率计算模块(20)，用于计算各段数据的变化率ki；
第一变化率算术平均值计算模块(30)，用于计算待处理数据的各段数据的变化率ki的算术平均值
Figure FDA0002932449420000023
第一判定模块(40)，用于判定数据变化率ki是否在正常阈值范围
Figure FDA0002932449420000024
内，从而判定出异常数据和可信数据；
所述变化率计算模块(20)用于利用公式ki＝(yi+1-yi)/(xi+1-xi)计算各段数据的所述变化率ki；所述第一变化率算术平均值计算模块(30)用于利用公式
Figure FDA0002932449420000025
计算出各段数据的所述变化率的算术平均值
Figure FDA0002932449420000026
所述第一判定模块(40)用于判定所述变化率ki在
Figure FDA0002932449420000027
范围内的数据段为可信数据，判定所述变化率ki大于
Figure FDA0002932449420000028
或者小于
Figure FDA0002932449420000029
的数据段为异常数据。
6.如权利要求5所述的异常数据处理装置，其特征在于，所述异常数据处理装置还包括：
第二变化率算术平均值计算模块(60)，用于计算剔除异常数据后的剩余数据的所述变化率ki的新的算术平均值
Figure FDA00029324494200000210
第二判定模块(70)，用于判定所述变化率是否在正常阈值范围
Figure FDA00029324494200000211
内，并判定出异常数据和可信数据；
第二异常数据剔除模块(80)，用于剔除所述第二判定模块(70)判定出的所述异常数据；
判断模块(90)，用于判断剔除相应异常数据后的所有剩余数据段的变化率ki是否均在正常阈值范围
Figure FDA00029324494200000212
范围内。
7.如权利要求6所述的异常数据处理装置，其特征在于，所述异常数据处理装置还包括第一异常数据剔除模块(50)，用于剔除a段异常数据；所述第二变化率算术平均值计算模块(60)利用以下公式计算剔除a段异常数据后的可信数据的变化率的新的算术平均值
Figure FDA0002932449420000031
Figure FDA0002932449420000032
所述第二判定模块(70)判定所述变化率ki在
Figure FDA0002932449420000033
范围内的数据段为可信数据，判定所述变化率ki大于
Figure FDA0002932449420000034
或者小于
Figure FDA0002932449420000035
的数据段为异常数据；所述第二异常数据剔除模块(80)用于剔除第二判定模块(70)判定出的b段异常数据。
CN201810014200.0A 2018-01-08 2018-01-08 异常数据处理方法及装置 Active CN108089938B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810014200.0A CN108089938B (zh) 2018-01-08 2018-01-08 异常数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810014200.0A CN108089938B (zh) 2018-01-08 2018-01-08 异常数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN108089938A CN108089938A (zh) 2018-05-29
CN108089938B true CN108089938B (zh) 2021-04-09

Family

ID=62182227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810014200.0A Active CN108089938B (zh) 2018-01-08 2018-01-08 异常数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN108089938B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109032913A (zh) * 2018-08-20 2018-12-18 郑州云海信息技术有限公司 一种设备稳定性检测方法及相关装置
CN109259743B (zh) * 2018-11-06 2021-08-06 烟台汇通佳仁医疗科技有限公司 一种生命体征感知系统
CN111942973B (zh) * 2019-05-16 2023-04-11 株式会社日立制作所 电梯控制装置、机器人故障预兆诊断系统及其方法
CN110146055A (zh) * 2019-05-21 2019-08-20 深圳市道通智能航空技术有限公司 一种超声异常检测方法、装置及电子设备
CN110501759B (zh) * 2019-07-03 2022-02-22 中国商用飞机有限责任公司 飞机的多源大气数据参数的处理方法及处理系统
CN110544379B (zh) * 2019-09-10 2021-01-15 中交城乡建设规划设计研究院有限公司 一种基于云存储的车辆限高架非接触式预警系统及方法
CN113723559B (zh) * 2021-09-08 2024-06-28 湖北天天数链技术有限公司 一种异常值检测方法、装置、电子设备及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102457878A (zh) * 2010-10-18 2012-05-16 中国移动通信集团四川有限公司 一种在关键业务预测中剔除异常数据的方法和装置
CN104459637A (zh) * 2014-12-18 2015-03-25 湖南纳雷科技有限公司 微波对射雷达信号处理方法和系统
CN106649579A (zh) * 2016-11-17 2017-05-10 苏州航天系统工程有限公司 一种用于管网建模的时序数据清洗方法
CN107092654A (zh) * 2017-03-20 2017-08-25 山东科技大学 基于均值变化检测的报警正常与异常数据检测方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2442803A1 (en) * 2003-09-26 2005-03-26 Ibm Canada Limited - Ibm Canada Limitee Structure and method for managing workshares in a parallel region

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102457878A (zh) * 2010-10-18 2012-05-16 中国移动通信集团四川有限公司 一种在关键业务预测中剔除异常数据的方法和装置
CN104459637A (zh) * 2014-12-18 2015-03-25 湖南纳雷科技有限公司 微波对射雷达信号处理方法和系统
CN106649579A (zh) * 2016-11-17 2017-05-10 苏州航天系统工程有限公司 一种用于管网建模的时序数据清洗方法
CN107092654A (zh) * 2017-03-20 2017-08-25 山东科技大学 基于均值变化检测的报警正常与异常数据检测方法和装置

Also Published As

Publication number Publication date
CN108089938A (zh) 2018-05-29

Similar Documents

Publication Publication Date Title
CN108089938B (zh) 异常数据处理方法及装置
EP3196657B1 (en) Speed estimation systems
EP1256487A3 (en) System, method, and program for detecting approach to object
US12018854B2 (en) Ventilation device, and constant air volume control method therefor
CN109115257B (zh) 传感器特性曲线的修正方法、装置、设备及存储介质
KR101522385B1 (ko) 반도체 제조 공정에서의 이상 감지 방법, 장치 및 기록매체
US11107237B2 (en) Image foreground detection apparatus and method and electronic device
CN108180935B (zh) 传感器的故障检测方法及装置
KR20190081844A (ko) 가상의 센서 데이터를 생성하는 방법 및 장치
CN110398775B (zh) 隧道突涌水灾害微震事件信号波动初至拾取方法及系统
WO2019161768A1 (zh) 异常流量检测
CN108734218A (zh) 一种多传感器系统的信息融合方法和装置
CN109657329B (zh) 基于改进自适应粒子滤波的传感器故障和结构损伤识别方法
WO2019181491A1 (ja) 物体認識装置
JP2019082328A (ja) 位置推定装置
CN109870404B (zh) 一种雨棚结构损伤识别方法、装置及终端设备
CN112781556A (zh) 一种基于多数据融合滤波的井盖异动监测方法和装置
KR101615345B1 (ko) 반도체 생산 공정에서 센서 데이터들을 이용하여 웨이퍼의 수율을 분석하는 방법
CN109753982B (zh) 障碍点检测方法、装置和计算机可读存储介质
CN115510998A (zh) 交易异常值检测方法及装置
EP3665895A1 (en) Data processing device, data analyzing device, data processing system and method for processing data
CN113204411A (zh) 一种数据处理方法、中间处理设备及存储介质
CN112978532B (zh) 电梯状态的检测方法、装置及存储介质
CN109655884B (zh) 一种速度拾取异常点去除方法及系统
JP2004020427A (ja) ノイズ除去方法及びノイズ除去フィルタ

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant