[发明专利]一种数据处理方法、装置、设备及介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取数据对象；其中，所述数据对象包含N维数据信息，N为正整数；

将所述数据对象的所述N维数据信息分别一对一地填充至空白图像的N个维度，得到填充后图像；

所述N维数据信息包括第一维数据信息和第二维数据信息；

其中，所述第一维数据信息为所述数据对象的样本的指标数据，所述第二维数据信息为所述数据对象的不同时间上的样本，其中，所述数据对象包括一个或多个样本，每个样本包含一个或多个指标数据，并且每个样本均具有相应的样本类别标签；

并且，将所述第一维数据信息填充至所述空白图像的相应维度之前，还包括：根据所述数据对象的指标数据对目标应用问题的敏感度，确定所述数据对象的指标数据在所述空白图像的相应维度的位置。

2.根据权利要求1所述的数据处理方法，其特征在于，还包括：

从与原始数据集对应的所有所述填充后图像中确定出目标图像集；其中，所述原始数据集包括一个或多个所述数据对象；

确定目标滑动窗口的全局参数；其中，所述全局参数包括所述目标滑动窗口的高度、宽度、步长和图像片段总数；

利用所述目标滑动窗口，并根据所述全局参数，从所述目标图像集中选取出相应的图像片段，得到目标图像片段集。

3.根据权利要求2所述的数据处理方法，其特征在于，所述从与原始数据集对应的所有所述填充后图像中确定出目标图像集，包括：

从与原始数据集对应的所有所述填充后图像中筛选出部分所述填充后图像作为目标图像集。

4.根据权利要求2所述的数据处理方法，其特征在于，所述从与原始数据集对应的所有所述填充后图像中确定出目标图像集，包括：

将与原始数据集对应的所有所述填充后图像进行多次重复组合，得到目标图像集。

5.根据权利要求2所述的数据处理方法，其特征在于，从所述目标图像集中选取出任一图像片段之后，还包括：

确定该图像片段对应的样本类别标签；

判断该图像片段对应的样本类别标签是否满足预设条件，如果是，则舍弃该图像片段，如果否，保留该图像片段。

6.根据权利要求2所述的数据处理方法，其特征在于，所述从所述目标图像集中选取出相应的图像片段，得到目标图像片段集之后，还包括：

利用预设的图像处理方法，对所述目标图像片段集中的图像片段进行图像预处理。

7.根据权利要求6所述的数据处理方法，其特征在于，所述图像处理方法包括图像锐化处理。

8.根据权利要求2所述的数据处理方法，其特征在于，还包括：

将所述目标图像片段集中的图像片段以及与图像片段对应的样本类别标签添加到预设的训练样本集中；

利用所述训练样本集，并结合预设的深度学习算法，训练相应的分类模型。

9.根据权利要求8所述的数据处理方法，其特征在于，所述深度学习算法包括深度神经网络算法。

10.一种数据处理装置，其特征在于，包括：

数据获取模块，用于获取数据对象；其中，所述数据对象包含N维数据信息，N为正整数；

图像创建模块，用于将所述数据对象的所述N维数据信息分别一对一地填充至空白图像的N个维度，得到填充后图像；

所述N维数据信息包括第一维数据信息和第二维数据信息；

其中，所述第一维数据信息为所述数据对象的样本的指标数据，所述第二维数据信息为所述数据对象的不同时间上的样本，其中，所述数据对象包括一个或多个样本，每个样本包含一个或多个指标数据，并且每个样本均具有相应的样本类别标签；

并且，所述装置还用于在将所述第一维数据信息填充至所述空白图像的相应维度之前，根据所述数据对象的指标数据对目标应用问题的敏感度，确定所述数据对象的指标数据在所述空白图像的相应维度的位置。