[发明专利]基于大数据的液晶显示器响应时间预测方法

摘要

本发明公开了一种基于大数据的液晶显示器响应时间预测方法，解决了现有技术中预测精度较低的技术问题，实现步骤为：获取液晶显示器生产过程数据集I1；判断数据集I1中是否存在缺失的特征数据；对I1中缺失的特征数据进行填充；提取完整的特征数据集中的关键特征数据；构建液晶显示器响应时间预测模型；对液晶显示器响应时间进行预测。本发明根据生产过程中液晶显示器每道工序所使用设备的参数数据及其对应的特征数据缺失列的离散性，对特征数据缺失列进行填充，避免了缺失值填充后的数据对预测模型的干扰，进一步提高了液晶显示器预测模型的预测精度，可用于液晶显示器响应时间的预测。

主权项

1.一种基于大数据的液晶显示器响应时间预测方法，其特征在于，包括如下步骤：(1)获取液晶显示器生产过程数据集I1：对采集的生产过程中液晶显示器的特征数据和每道工序所使用设备的参数数据进行去重，得到液晶显示器生产过程数据集I1；(2)判断数据集I1中是否存在缺失的特征数据：统计I1中特征数据数量n和非空特征数据数量m，若n不等于m，则I1中存在缺失的特征数据；(3)对I1中缺失的特征数据进行填充：(3a)设置I1中特征数据的离散性阈值为β；(3b)根据I1中的每道工序所使用设备的参数数据及其对应的特征数据，计算特征数据中存在缺失数据的列的长度，同时统计存在缺失数据列中特征数据的类别，并通过存在缺失数据列的长度和列中特征数据的类别，计算特征数据缺失列的离散性系数；(3c)当特征数据缺失列的离散性系数大于β时，用特征数据缺失列数据的众数对I1中缺失的特征数据进行填充，当特征数据缺失列的离散性系数小于或等于β时，用特征数据缺失列数据的均值对I1中缺失的特征数据进行填充，得到完整的特征数据集；(4)提取完整的特征数据集中的关键特征数据：(4a)对完整的特征数据集进行归一化，得到归一化后的特征数据集I2；(4b)对I2中的每个特征数据进行单因素方差分析：计算I2中每个特征数据的统计检验量，并将大于预先设置的阈值Fa的统计检验量对应的特征数据进行合并，得到特征数据集I3；(4c)对I3中的两两特征数据进行距离相关性分析：计算I3中两两特征数据之间的距离相关系数，并将小于预先设置的阈值α的距离相关系数对应的特征数据进行合并，得到关键特征数据集I4；(5)构建液晶显示器响应时间预测模型：(5a)将关键特征数据集I4中70％的数据作为训练集数据train，其余的数据作为测试集数据test；(5b)采用XGboost算法对训练集数据train进行训练，得到液晶显示器响应时间预测模型；(6)对液晶显示器响应时间进行预测：将测试集数据test输入液晶显示器响应时间预测模型，得到液晶显示器的响应时间。