-
公开(公告)号:CN112085125A
公开(公告)日:2020-12-15
申请号:CN202011052819.4
申请日:2020-09-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于线性自学习网络的缺失值填补方法、存储介质及系统,获取没有缺失值的原始时序数据,对原始时序数据进行预处理,以随机概率构造缺失数据集,将新生成的缺失数据集和相对应的原始数据作为新的数据集;构建基于线性自学习网络模型,利用生成的新数据集进行训练;利用训练后的基于线性自学习网络模型,使用反向传播算法进行缺失值填补,将缺失值填补完成后的时间连续完整数据集用于循环神经网络的本质特征与缺失规律的模型训练中,提高下游分类和回归任务性能。本发明利用线性自学习网络能够深度挖掘数据内部及相互关系的特点,能同时提高填充精度和填充效率。