工業(yè)大數(shù)據(jù)已經成為我國制造業(yè)轉型升級的重要戰(zhàn)略資源,工業(yè)大數(shù)據(jù)分析問題正引起重視和關注。時序數(shù)據(jù)作為工業(yè)大數(shù)據(jù)中一種重要的數(shù)據(jù)形式,存在大量的數(shù)據(jù)質量問題,需要設計數(shù)據(jù)清洗方法對其進行檢測和有效處理。介紹了工業(yè)時序大數(shù)據(jù)的特點及工業(yè)數(shù)據(jù)質量管理的難點,并對工業(yè)時序大數(shù)據(jù)質量管理的研究現(xiàn)狀加以分析、總結,最后,提出了時序大數(shù)據(jù)質量管理方法和系統(tǒng)性能的提升方向。 

【文章來源】：大數(shù)據(jù). 2019,5(06)

【文章頁數(shù)】：11 頁

【文章目錄】：
1 引言
2 工業(yè)背景下的數(shù)據(jù)質量管理
    2.1 時序大數(shù)據(jù)的特點
    2.2 時序大數(shù)據(jù)質量問題
        (1)時間序列與多維數(shù)據(jù)
        (2)點與窗口
        (3)數(shù)據(jù)類型
    2.3 工業(yè)時序大數(shù)據(jù)質量管理的重要性
    2.4 研究挑戰(zhàn)
3 時序大數(shù)據(jù)質量管理研究現(xiàn)狀
    3.1 數(shù)據(jù)質量管理和數(shù)據(jù)清洗方法
    3.2 時序大數(shù)據(jù)清洗方法
        (1)基于統(tǒng)計的清洗
        (2)基于約束的清洗
        (3)基于機器學習的清洗
4 結束語


【參考文獻】：
期刊論文
[1]工業(yè)大數(shù)據(jù)技術綜述[J]. 王建民.  大數(shù)據(jù). 2017(06)
[2]時間序列異常點及突變點的檢測算法[J]. 蘇衛(wèi)星,朱云龍,劉芳,胡琨元.  計算機研究與發(fā)展. 2014(04)
[3]基于距離和DF-RLS的時間序列異常檢測[J]. 陳乾,胡谷雨,路威.  計算機工程. 2012(12)



本文編號：3586884