[发明专利]智能化的数据优化方法、装置及计算机可读存储介质

权利要求书

1.一种智能化的数据优化方法，其特征在于，所述方法包括：

接收用户输入的数据优化指令，从大数据存储平台中提取原始数据集，对所述原始数据集进行去异常处理得到标准数据集；

将所述标准数据集进行灰色预测得到统计信息集；

计算所述统计信息集的代价值得到成本数据集；

剔除所述成本数据集内大于或等于预设成本阈值的数据，得到优化成本数据集；

将所述优化成本数据集进行数据范围修改操作得到最优数据集，将所述最优数据集存储至所述大数据存储平台内，完成数据优化操作。

2.如权利要求1所述的智能化的数据优化方法，其特征在于，所述去异常处理包括双边测试剔除处理和单边测试剔除处理，所述单边测试剔除处理包括最小值测试剔除处理和最大值测试剔除处理；

其中，所述双边测试剔除处理的计算方法为:

其中，i是正整数，表示所述原始数据集的平均值，S表示所述原始数据集的标准差，Y_i表示所述原始数据集内的数据，G₁为所述双边测试剔除处理的值；

所述最小值测试剔除处理的计算方法为：

其中，G₂为所述最小值测试剔除处理后的值；

所述最大值测试剔除处理的计算方法为：

其中，G₃为所述最大值测试剔除处理后的值。

3.如权利要求1所述的智能化的数据优化方法，其特征在于，所述将所述标准数据集进行灰色预测得到统计信息集，包括：

对所述标准数据集根据抽样统计方法统计历史数据得到历史数据集；

相加所述历史数据集和所述标准数据集得到总数据集；

根据所述总数据集建立微分方程，求解所述微分方程得到所述统计信息集。

4.如权利要求3所述的智能化的数据优化方法，其特征在于，所述微分方程为：

其中，X⁽²⁾表示所述总数据集，s为所述总数据集的数据编号，a为所述微分方程的制约因子，u为所述微分方程的目标值。

5.如权利要求1至4中任意一项所述的智能化的数据优化方法，其特征在于，所述计算所述统计信息集的代价值得到成本数据集，包括：

将所述统计信息集进行全排列得到多个全排列值；

根据预先构建的代价函数计算所述多个全排列值的代价值；

选择代价值最小的全排列值对应的排列数据集得到成本数据集。

6.一种智能化的数据优化装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的智能化的数据优化程序，所述智能化的数据优化程序被所述处理器执行时实现如下步骤：

接收用户输入的数据优化指令，从大数据存储平台中提取原始数据集，对所述原始数据集进行去异常处理得到标准数据集；

将所述标准数据集进行灰色预测得到统计信息集；

计算所述统计信息集的代价值得到成本数据集；

剔除所述成本数据集内大于或等于预设成本阈值的数据，得到优化成本数据集；

将所述优化成本数据集进行数据范围修改操作得到最优数据集，将所述最优数据集存储至所述大数据存储平台内，完成数据优化操作。

7.如权利要求6所述的智能化的数据优化装置，其特征在于，所述去异常处理包括双边测试剔除处理和单边测试剔除处理，所述单边测试剔除处理包括最小值测试剔除处理和最大值测试剔除处理；

其中，所述双边测试剔除处理的计算方法为:

其中，i是正整数，表示所述原始数据集的平均值，S表示所述原始数据集的标准差，Y_i表示所述原始数据集内的数据，G₁为所述双边测试剔除处理的值。

所述最小值测试剔除处理的计算方法为：

其中，G₂为所述最小值测试剔除处理后的值；

所述最大值测试剔除处理的计算方法为：

其中，G₃为所述最大值测试剔除处理后的值。