模糊数据处理方法、系统及终端设备技术方案

本发明专利技术适用于数据处理技术领域，提供了一种模糊数据处理方法、系统及终端设备，上述方法包括：获取待处理模糊数据的类型和待处理模糊数据的决定值个数，并根据待处理模糊数据的类型和待处理模糊数据的决定值个数，确定与决定值个数相匹配的输入简约值；将各个输入简约值分别输入到各自对应的已训练完成的预设模型中，得到各个输入简约值分别对应的输出简约值；将各个输出简约值分别按照各自对应的简约值计算的逆过程计算得到待处理模糊数据的预测数据。本发明专利技术利用简约值可逆的特性，可以通过输出简约值直接计算得到预测数据，避免了近似计算，且无需过多人工干预成分，无需将模糊数据变形为一系列区间值，防止信息丢失，能够提高结果的准确性。

【技术实现步骤摘要】
模糊数据处理方法、系统及终端设备
本专利技术属于数据处理
，尤其涉及一种模糊数据处理方法、系统及终端设备。
技术介绍
在数据处理过程中，经常会遇到对模糊数据进行处理的情形。若将模糊数据直接用清晰值代替，容易丢失大量信息。目前，通常采用α-截集的方法对模糊数据进行处理。但是，模糊数据经过α-截集处理之后，变形为一系列区间值，丢失信息过多，且α值的选取，人工干预成分过多，且最后将区间值还原为模糊值的过程采用近似计算，导致结果准确度较低。
技术实现思路
有鉴于此，本专利技术实施例提供了一种模糊数据处理方法、系统及终端设备，以解决现有技术中由于丢失信息较多、人工干预过多且采用近似计算，导致结果准确度较低的问题。本专利技术实施例的第一方面提供了一种模糊数据处理方法，包括：获取待处理模糊数据的类型和待处理模糊数据的决定值个数，并根据待处理模糊数据的类型和待处理模糊数据的决定值个数，确定与决定值个数相匹配的输入简约值；将各个输入简约值分别输入到各自对应的已训练完成的预设模型中，得到各个输入简约值分别对应的输出简约值；将各个输出简约值分别按照各自对应的简约值计算的逆过程计算得到待处理模糊数据的预测数据。本专利技术实施例的第二方面提供了一种模糊数据处理系统，包括：输入简约值确定模块，用于获取待处理模糊数据的类型和待处理模糊数据的决定值个数，并根据待处理模糊数据的类型和待处理模糊数据的决定值个数，确定与决定值个数相匹配的输入简约值；输出简约值确定模块，用于将各个输入简约值分别输入到各自对应的已训练完成的预设模型中，得到各个输入简约值分别对应的输出简约值；预测数据确定模块，用于将各个输出简约值分别按照各自对应的简约值计算的逆过程计算得到待处理模糊数据的预测数据。本专利技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面所述模糊数据处理方法的步骤。本专利技术实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被一个或多个处理器执行时实现如第一方面所述模糊数据处理方法的步骤。本专利技术实施例与现有技术相比存在的有益效果是：本专利技术实施例首先根据待处理模糊数据的类型和待处理模糊数据的决定值个数，确定与决定值个数相匹配的输入简约值；然后将各个输入简约值分别输入到各自对应的已训练完成的预设模型中，得到各个输入简约值分别对应的输出简约值；最后将各个输出简约值分别按照各自对应的简约值计算的逆过程计算得到待处理模糊数据的预测数据。本专利技术实施例利用简约值可逆的特性，可以通过输出简约值直接计算得到预测数据，避免了近似计算，且无需过多人工干预成分，无需将模糊数据变形为一系列区间值，防止信息丢失，能够提高结果的准确性，而且计算过程简单。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例提供的模糊数据处理方法的实现流程示意图；图2是本专利技术一实施例提供的模糊数据处理系统的结构示意图；图3是本专利技术一实施例提供的终端设备的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。图1是本专利技术一实施例提供的模糊数据处理方法的实现流程示意图，为了便于说明，仅示出了与本专利技术实施例相关的部分。本专利技术实施例的执行主体可以是终端设备。如图1所示，上述模糊数据处理方法可以包括如下步骤：S101：获取待处理模糊数据的类型和待处理模糊数据的决定值个数，并根据待处理模糊数据的类型和待处理模糊数据的决定值个数，确定与决定值个数相匹配的输入简约值。在本专利技术实施例中，首先获取待处理模糊数据，并确定待处理模糊数据的类型和待处理模糊数据的决定值个数，然后根据待处理模糊数据、待处理模糊数据的类型和待处理模糊数据的决定值的个数，确定与待处理模糊数据的决定值的个数相匹配的待处理模糊数据对应的输入简约值。在本专利技术的一个实施例中，S101中的“根据待处理模糊数据的类型和待处理模糊数据的决定值个数，确定与决定值个数相匹配的输入简约值”可以包括以下步骤：若待处理模糊数据的类型为指数模糊数据，则待处理模糊数据的决定值为一个，待处理模糊数据的输入简约值为待处理模糊数据的期望值；若待处理模糊数据的类型为正态模糊数据，则待处理模糊数据的决定值为两个，待处理模糊数据的输入简约值分别为待处理模糊数据的期望值和方差；若待处理模糊数据的类型为三角型模糊数据，则待处理模糊数据的决定值为三个，待处理模糊数据的输入简约值分别为待处理模糊数据的期望值、乐观关键值和悲观关键值；若待处理模糊数据的类型为梯形模糊数据，则待处理模糊数据的决定值为四个，待处理模糊数据的输入简约值分别为待处理模糊数据的乐观均值、悲观均值、乐观关键值和悲观关键值。具体地，若待处理模糊数据为指数模糊数据，则其决定值个数为一个，相应的，输入简约值也为一个，选择其期望值作为其输入简约值；若待处理模糊数据为正态模糊数据，则其决定值个数为两个，相应的，输入简约值也为两个，选择其期望值和方差作为其输入简约值；若待处理模糊数据为三角型模糊数据，则其决定值的个数为三个，相应的，输入简约值也为三个，选择其期望值、乐观关键值和悲观关键值作为其输入简约值；若待处理模糊数据为梯形模糊数据，则其决定值个数为四个，相应的，输入简约值也为四个，选择其乐观均值、悲观均值、乐观关键值和悲观关键值作为其输入简约值。在本专利技术的一个实施例中，类型为指数模糊数据的待处理模糊数据的期望值E1(ξ)为：E1(ξ)＝1/(2λ)；其中，λ为类型为指数模糊数据的待处理模糊数据的决定值；类型为正态模糊数据的待处理模糊数据的期望值E2(ξ)为：E2(ξ)＝μ，类型为正态模糊数据的待处理模糊数据的方差V(ξ)为：V(ξ)＝σ2；其中，μ和σ均为类型为正态模糊数据的待处理模糊数据的决定值；类型为三角型模糊数据的待处理模糊数据的期望值E3(ξ)为：类型为三角型模糊数据的待处理模糊数据的乐观关键值为：类型为三角型模糊数据的待处理模糊数据的悲观关键值CV3*(ξ)为：CV3*(ξ)＝a2/(1+a2-a1)；其中，a1、a2和a3均为类型为三角型模糊数据的待处理模糊数据的决定值；类型为梯形模糊数据的待处理模糊数据的乐观均值本文档来自技高网...

【技术保护点】
1.一种模糊数据处理方法，其特征在于，包括：/n获取待处理模糊数据的类型和所述待处理模糊数据的决定值个数，并根据所述待处理模糊数据的类型和所述待处理模糊数据的决定值个数，确定与所述决定值个数相匹配的输入简约值；/n将各个输入简约值分别输入到各自对应的已训练完成的预设模型中，得到各个输入简约值分别对应的输出简约值；/n将各个输出简约值分别按照各自对应的简约值计算的逆过程计算得到所述待处理模糊数据的预测数据。/n

【技术特征摘要】
1.一种模糊数据处理方法，其特征在于，包括：
获取待处理模糊数据的类型和所述待处理模糊数据的决定值个数，并根据所述待处理模糊数据的类型和所述待处理模糊数据的决定值个数，确定与所述决定值个数相匹配的输入简约值；
将各个输入简约值分别输入到各自对应的已训练完成的预设模型中，得到各个输入简约值分别对应的输出简约值；
将各个输出简约值分别按照各自对应的简约值计算的逆过程计算得到所述待处理模糊数据的预测数据。


2.根据权利要求1所述的模糊数据处理方法，其特征在于，在所述将各个输入简约值分别输入到各自对应的已训练完成的预设模型中，得到各个输入简约值分别对应的输出简约值之前，还包括：
获取各个类型的模糊数据分别对应的训练样本数据，所述训练样本数据包括多个训练模糊数据和各个训练模糊数据对应的训练清晰数据；
根据各个训练样本数据对应的模糊数据的类型，计算各个训练样本数据中的各个训练模糊数据的输入训练简约值和对应的各个训练清晰数据的输出训练简约值；
根据各个训练样本数据中的各个训练模糊数据的各个输入训练简约值及其对应的输出训练简约值，分别对各个类型的模糊数据的各个简约值分别对应的预设模型进行训练，得到各个类型的模糊数据的各个简约值对应的已训练完成的预设模型。


3.根据权利要求2所述的模糊数据处理方法，其特征在于，在所述得到各个类型的模糊数据的各个简约值对应的已训练完成的预设模型之后，还包括：
获取各个类型的模糊数据分别对应的测试数据，所述测试数据包括测试模糊数据和所述测试模糊数据对应的测试清晰数据；
根据第一测试数据对应的模糊数据的类型，计算所述第一测试数据中的测试模糊数据的输入测试简约值；所述第一测试数据为任意一个类型的模糊数据对应的测试数据；
将所述第一测试数据中的测试模糊数据对应的各个输入测试简约值分别输入到各自对应的已训练完成的预设模型中，得到各个输入测试简约值分别对应的输出测试简约值；
计算所述第一测试数据对应的输出测试简约值和所述第一测试数据中的测试清晰数据的误差值；
若所述误差值大于预设误差，则重新选取所述第一测试数据对应的类型的模糊数据的训练样本数据，根据该训练样本数据重新对所述第一测试数据对应的类型的模糊数据的各个预设模型进行训练，直至测试得到的误差值小于或等于所述预设误差。


4.根据权利要求1所述的模糊数据处理方法，其特征在于，所述根据所述待处理模糊数据的类型和所述待处理模糊数据的决定值个数，确定与所述决定值个数相匹配的输入简约值，包括：
若所述待处理模糊数据的类型为指数模糊数据，则所述待处理模糊数据的决定值为一个，所述待处理模糊数据的输入简约值为所述待处理模糊数据的期望值；
若所述待处理模糊数据的类型为正态模糊数据，则所述待处理模糊数据的决定值为两个，所述待处理模糊数据的输入简约值分别为所述待处理模糊数据的期望值和方差；
若所述待处理模糊数据的类型为三角型模糊数据，则所述待处理模糊数据的决定值为三个，所述待处理模糊数据的输入简约值分别为所述待处理模糊数据的期望值、乐观关键值和悲观关键值；
若所述待处理模糊数据的类型为梯形模糊数据，则所述待处理模糊数据的决定值为四个，所述待处理模糊数据的输入简约值分别为所述待处理模糊数据的乐观均值、悲观均值、乐观关键值和悲观关键值。


5.根据权利要求4所述的模糊数据处理方法，其特征在于，类型为指数模糊数据的待处理模糊数据的期望值E1(ξ)为：E1(ξ)＝1/(2λ)；其中，λ为类型为指数模糊数据的待处理模糊数据的决定值；
类型为正态模糊数据的待处理模糊数据的期望值E2(ξ)为：E2(ξ)＝μ，类型为正态模糊数据的待处理模糊数据的方差V(ξ)为：V(ξ)＝σ2；其中，μ和σ均为类型为正态模糊数据的待处理模糊数据的决定值；
类型为三角型模糊数据的待处理模糊数据的期望值E3(ξ)为：类型为三角型模糊数据的待处理模糊数据的乐观关键值为：类型为三角型模糊数据的待处理模糊数据的悲观关键值CV3*(ξ)为：CV3*(ξ)＝a2/...

【专利技术属性】
技术研发人员：赵士欣，
申请(专利权)人：石家庄铁道大学，
类型：发明
国别省市：河北;13