CN114372689A - 一种基于动态规划的路网运行特征变点识别方法 - Google Patents
一种基于动态规划的路网运行特征变点识别方法 Download PDFInfo
- Publication number
- CN114372689A CN114372689A CN202111635964.XA CN202111635964A CN114372689A CN 114372689 A CN114372689 A CN 114372689A CN 202111635964 A CN202111635964 A CN 202111635964A CN 114372689 A CN114372689 A CN 114372689A
- Authority
- CN
- China
- Prior art keywords
- segmentation
- road network
- segments
- network operation
- operation characteristic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000011218 segmentation Effects 0.000 claims abstract description 57
- 230000008859 change Effects 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 230000007704 transition Effects 0.000 claims description 12
- 239000012634 fragment Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 108010069898 fibrinogen fragment X Proteins 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于动态规划的路网运行特征变点识别方法,该方法包括以下步骤:步骤S1、通过交通小区平均车速数据构建时间序列,提取时空变化特征;步骤S2、通过动态规划算法求解最小分割误差,获得不同分割段数下的最优分割方案;步骤S3、通过改进手肘法选择最佳分割段数,确定分割断点,得到路网运行特征变点。与现有技术相比,本发明具有变点识别时间复杂度低、准确度高的优点。
Description
技术领域
本发明涉及时空数据挖掘与城市交通管控领域,尤其是涉及一种基于动态规划的路网运行特征变点识别方法。
背景技术
针对事件对于路网运行特征的影响问题,传统的研究方法是选取某个时间作为时间发生的时间点,分析时间节点前后各交通小区的路网运行特征的变化。但各交通小区由于自身属性,受事件的影响在时间上分布存在差异,很难选取某个时间作为所有交通小区受该事件影响的时间点。因此需要准确地识别各个交通小区路网运行特征发生变化的时间节点。
采用穷举法进行变点识别时,计算的时间复杂度是随着最大分割段数指数级上升的,接近于O(Nkmax)(kmax为最大分割段数),时间复杂度极高,计算量过于庞大,超出计算机能够承受的范围。因此,需要寻找一种算法,降低变点识别的时间复杂度
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种低时间复杂度、高准确度的基于动态规划的路网运行特征变点识别方法。
本发明的目的可以通过以下技术方案来实现:
根据本发明的第一方面,提供了一种基于动态规划的路网运行特征变点识别方法,该方法包括以下步骤:
步骤S1、通过交通小区平均车速数据构建时间序列,提取时空变化特征;
步骤S2、通过动态规划算法求解最小分割误差,获得不同分割段数下的最优分割方案;
步骤S3、通过改进手肘法选择最佳分割段数,确定分割断点,得到路网运行特征变点。
优选地,所述步骤S1具体为:获取交通小区平均车速数据,并进行数据预处理,得到多元时间序列X={x1,...,xi,...,xn},xi=(xi,1,xi,2,...,xi,24),i=1,...,n。
优选地,所述数据预处理包括删除空数据和线性差值法补齐数据。
优选地,所述步骤S2包括以下子步骤:
步骤S21、定义多元时间序列片段{xi,xi+1,...,xj}的分割误差di,j为:
步骤S22、依次计算将时间序列X={x1,x2,...,xn}分割成1,2,...,k段的分割误差,基于状态转移方程求得将多元时间序列片段X={x1,x2,...,xn}分割成k段产生的最小分割误差DPk,n,并回溯分割点得到状态转移过程选择的分割点prek,n。
优选地,所述步骤S22中的状态转移方程为:
DPk,n=min(DPk-1,i+di+1,n)
i=k-1,k,...,n-1
其中,DPk-1,i为多元时间序列片段X={x1,x2,...,xi}分割成k-1段产生的最小分割误差,di+1,n为多元时间序列片段{xi+1,xi+2,...,xn}的分割误差;初始状态k=1,满足DP1,n=d1,n。
优选地,所述状态转移过程选择的分割点prek,n表达式为:
prek,n=argmin(DPk-1,i+di+1,n)
i=k-1,k,...,n-1。
优选地,所述步骤S3包括以下子步骤:
步骤S31、通过手肘法找到暂定分割段数,并计算暂定分割段数左右两侧斜率差值Δslopemax;
步骤S32、若后续存在的分割段数左右两侧斜率差值Δslope≥cΔslopemax,则选择新的分割段数,其中c为预设常数;
步骤S33、若存在多个分割段数满足步骤S32的条件,则选择满足条件中的最大分割段数作为最佳分割段数。
优选地,所述预设常数c为0.5。
根据本发明的第二方面,提供了一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现任一项所述的方法。
根据本发明的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现任一项所述的方法。
与现有技术相比,本发明具有以下优点:
1)本发明提供了一种基于动态规划的路网运行特征变点识别方法,该方法基于小时平均车速构成的逐日多元时间序列,使用基于动态规划方法的时间序列分割算法,以较低的时间复杂度,准确识别了各交通小区路网拥堵状态的变点;
2)相较于传统手肘法在确定最佳分割段数后,可能存在其他分割段数左右分割误差下降较大的情况,本发明采用改进手肘法确定最佳分割段数,使得划分结果更为精确。
附图说明
图1为本发明的基于动态规划的路网运行特征变点识别流程图;
图2为实施例中交通小区分割段数与风分割误差的关系;
图3为交通小区的最终分割结果。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
如图1所示,本实施例提供了一种基于动态规划的路网运行特征变点识别方法,该方法包括以下步骤:
步骤S1、通过交通小区平均车速数据构建时间序列,提取时空变化特征;
获取各交通小区的小时平均车速数据,对数据进行清洗,主要内容是缺失数据的处理;得到多元时间序列X={x1,...,xi,...,xn},xi=(xi,1,xi,2,...,xi,24),i=1,...,n。
其中缺失数据处理过程为:若交通小区存在大量数据缺失或速度数据为空值则直接舍弃,若缺失数据较少则根据前后平均速度采用线性插值法补齐缺失数据。
步骤S2、通过动态规划算法求解最小分割误差,获得不同分割段数下的最优分割方案,具体为:
步骤S21、分割误差是时间序列分割的准则,决定着时间序列分割的效果,定义多元时间序列片段{xi,xi+1,...,xj}的分割误差di,j:
步骤S22、依次计算将时间序列X={x1,x2,...,xn}分割成1,2,...,k段的分割误差,基于状态转移方程求得将多元时间序列片段X={x1,x2,...,xn}分割成k段产生的最小分割误差DPk,n,并回溯分割点得到状态转移过程选择的分割点prek,n;具体过程如下:
基于将多元时间序列片段{x1,x2,...,xm}(m=k-1,k,...,n-1)分割成k-1段的结果,将多元时间序列片段{x1,x2,...,xn}分割成k段。
将多元时间序列片段{x1,x2,...,xn}分割成k段的结果包括以下两部分:分割成k-1段的多元时间序列{x1,x2,...,xm}和整体作为一段的{xm+1,...,xn}(m=k-1,k,...,n-1)。
因此,DPk,n的值由将{x1,x2,...,xm}分割成k-1段的分割误差和{xm+1,...,xn}整体作为一段的分割误差组成,即DPk,n的可能取值为:DPk-1,k-1+dk,n,DPk-1,k+dk+1,n,...,DPk-1,n-2+dn-1,n。而DPk,n取其中的最小值。
因此状态转移方程为:
DPk,n=min(DPk-1,i+di+1,n)
i=k-1,k,...,n-1
其中,DPk-1,i为多元时间序列片段X={x1,x2,...,xi}分割成k-1段产生的最小分割误差,di+1,n为多元时间序列片段{xi+1,xi+2,...,xn}的分割误差;初始状态k=1,满足DP1,n=d1,n。
由于DPk,n仅与DPk-1,m有关,与DPi,m(i<k-1)无关,因此可以依次计算将时间序列分割成1,2,...,k段的分割误差。
此外,采用prek,n记录状态转移过程选择的分割点,用于最终计算完DPk,N后回溯分割点,状态转移过程选择的分割点prek,n表达式为:
prek,n=argmin(DPk-1,i+di+1,n)
i=k-1,k,...,n-1
步骤S3、通过改进手肘法选择最佳分割段数,确定分割断点,得到路网运行特征变点;
为防止手肘法确定最佳分割段数后,又存在其他分割段数左右分割误差下降的差值,即斜率差值较大的情况,本实施例对手肘法进行改进,具体过程为:
步骤S31、通过手肘法找到暂定分割段数,并计算暂定分割段数左右两侧斜率差值Δslopemax;
步骤S32、若后续存在的分割段数左右两侧斜率差值Δslope≥0.5Δslopemax,则选择新的分割段数;
步骤S33、若存在多个分割段数满足步骤S32的条件,则选择满足条件中的最大分割段数作为最佳分割段数。
图2为实施例中交通小区分割段数与风分割误差的关系;其中分割段数5为采用改进手肘法选择的最优分割段数。图3所示的为21日交通小区的最终分割结果。
本发明电子设备包括中央处理单元(CPU),其可以根据存储在只读存储器(ROM)中的计算机程序指令或者从存储单元加载到随机访问存储器(RAM)中的计算机程序指令,来执行各种适当的动作和处理。在RAM中,还可以存储设备操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
设备中的多个部件连接至I/O接口,包括:输入单元,例如键盘、鼠标等;输出单元,例如各种类型的显示器、扬声器等;存储单元,例如磁盘、光盘等;以及通信单元,例如网卡、调制解调器、无线通信收发机等。通信单元允许设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元执行上文所描述的各个方法和处理,例如方法S1~S3。例如,在一些实施例中,方法S1~S3可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元。在一些实施例中,计算机程序的部分或者全部可以经由ROM和/或通信单元而被载入和/或安装到设备上。当计算机程序加载到RAM并由CPU执行时,可以执行上文描述的方法S1~S3的一个或多个步骤。备选地,在其他实施例中,CPU可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法S1~S3。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于动态规划的路网运行特征变点识别方法,其特征在于,该方法包括以下步骤:
步骤S1、通过交通小区平均车速数据构建时间序列,提取时空变化特征;
步骤S2、通过动态规划算法求解最小分割误差,获得不同分割段数下的最优分割方案;
步骤S3、通过改进手肘法选择最佳分割段数,确定分割断点,得到路网运行特征变点。
2.根据权利要求1所述的一种基于动态规划的路网运行特征变点识别方法,其特征在于,所述步骤S1具体为:获取交通小区平均车速数据,并进行数据预处理,得到多元时间序列X={x1,...,xi,...,xn},xi=(xi,1,xi,2,...,xi,24),i=1,...,n。
3.根据权利要求2所述的一种基于动态规划的路网运行特征变点识别方法,其特征在于,所述数据预处理包括删除空数据和线性差值法补齐数据。
5.根据权利要求4所述的一种基于动态规划的路网运行特征变点识别方法,其特征在于,所述步骤S22中的状态转移方程为:
DPk,n=min(DPk-1,i+di+1,n)
i=k-1,k,...,n-1
其中,DPk-1,i为多元时间序列片段X={x1,x2,...,xi}分割成k-1段产生的最小分割误差,di+1,n为多元时间序列片段{xi+1,xi+2,...,xn}的分割误差;初始状态k=1,满足DP1,n=d1,n。
6.根据权利要求5所述的一种基于动态规划的路网运行特征变点识别方法,其特征在于,所述状态转移过程选择的分割点prek,n表达式为:
prek,n=argmin(DPk-1,i+di+1,n)
i=k-1,k,...,n-1。
7.根据权利要求1所述的一种基于动态规划的路网运行特征变点识别方法,其特征在于,所述步骤S3包括以下子步骤:
步骤S31、通过手肘法找到暂定分割段数,并计算暂定分割段数左右两侧斜率差值Δslopemax;
步骤S32、若后续存在的分割段数左右两侧斜率差值Δslope≥cΔslopemax,则选择新的分割段数,其中c为预设常数;
步骤S33、若存在多个分割段数满足步骤S32的条件,则选择满足条件中的最大分割段数作为最佳分割段数。
8.根据权利要求7所述的一种基于动态规划的路网运行特征变点识别方法,其特征在于,所述预设常数c为0.5。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~8任一项所述的方法。
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,所述程序被处理器执行时实现如权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111635964.XA CN114372689A (zh) | 2021-12-29 | 2021-12-29 | 一种基于动态规划的路网运行特征变点识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111635964.XA CN114372689A (zh) | 2021-12-29 | 2021-12-29 | 一种基于动态规划的路网运行特征变点识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114372689A true CN114372689A (zh) | 2022-04-19 |
Family
ID=81143120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111635964.XA Pending CN114372689A (zh) | 2021-12-29 | 2021-12-29 | 一种基于动态规划的路网运行特征变点识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114372689A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115935208A (zh) * | 2022-12-09 | 2023-04-07 | 国网湖北省电力有限公司信息通信公司 | 一种数据中心设备多元时间序列运行数据在线分割方法、设备及介质 |
-
2021
- 2021-12-29 CN CN202111635964.XA patent/CN114372689A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115935208A (zh) * | 2022-12-09 | 2023-04-07 | 国网湖北省电力有限公司信息通信公司 | 一种数据中心设备多元时间序列运行数据在线分割方法、设备及介质 |
CN115935208B (zh) * | 2022-12-09 | 2024-02-02 | 国网湖北省电力有限公司信息通信公司 | 一种数据中心设备多元时间序列运行数据在线分割方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019061577A (ja) | 異常判定方法及びプログラム | |
CN111277469B (zh) | 网络诊断处理方法、装置、网络系统及服务器 | |
CN110083475B (zh) | 一种异常数据的检测方法及装置 | |
CN111368887B (zh) | 雷雨天气预测模型的训练方法及雷雨天气预测方法 | |
CN108681751B (zh) | 确定事件影响因素的方法及终端设备 | |
CN114580263A (zh) | 基于知识图谱的信息系统故障预测方法及相关设备 | |
CN111612037A (zh) | 异常用户检测方法、装置、介质及电子设备 | |
CN113127305A (zh) | 异常检测方法及装置 | |
CN114372689A (zh) | 一种基于动态规划的路网运行特征变点识别方法 | |
CN114168318A (zh) | 存储释放模型的训练方法、存储释放方法及设备 | |
CN113962874A (zh) | 母线负荷模型的训练方法、装置、设备及存储介质 | |
CN110673997B (zh) | 磁盘故障的预测方法及装置 | |
CN112131274A (zh) | 时间序列异常点的检测方法、装置、设备及可读存储介质 | |
CN113449062B (zh) | 轨迹处理方法、装置、电子设备和存储介质 | |
CN114172708A (zh) | 网络流量异常的识别方法 | |
CN113887101A (zh) | 网络模型的可视化方法、装置、电子设备及存储介质 | |
CN114358581A (zh) | 性能指标的异常阈值确定方法和装置、设备、存储介质 | |
CN109933579B (zh) | 一种局部k近邻缺失值插补系统与方法 | |
CN112651453A (zh) | 损失函数的自适应方法、装置、设备和存储介质 | |
WO2019171992A1 (ja) | 情報処理装置、情報処理方法、プログラム | |
CN111371594B (zh) | 设备异常告警方法、装置及电子设备 | |
CN112541708B (zh) | 一种指标确定方法、装置及电子设备 | |
CN116166501B (zh) | 一种日志校验方法、装置、电子设备及存储介质 | |
CN115147669B (zh) | 基于视觉转换器模型的图像处理方法、训练方法和设备 | |
CN110647519B (zh) | 对测试样本中的缺失属性值进行预测的方法及装置 |
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 |