本發明適用于數據處理技術領域，提供了一種模糊數據處理方法、系統及終端設備，上述方法包括：獲取待處理模糊數據的類型和待處理模糊數據的決定值個數，并根據待處理模糊數據的類型和待處理模糊數據的決定值個數，確定與決定值個數相匹配的輸入簡約值；將各個輸入簡約值分別輸入到各自對應的已訓練完成的預設模型中，得到各個輸入簡約值分別對應的輸出簡約值；將各個輸出簡約值分別按照各自對應的簡約值計算的逆過程計算得到待處理模糊數據的預測數據。本發明利用簡約值可逆的特性，可以通過輸出簡約值直接計算得到預測數據，避免了近似計算，且無需過多人工干預成分，無需將模糊數據變形為一系列區間值，防止信息丟失，能夠提高結果的準確性。

技術領域

本發明屬于數據處理技術領域，尤其涉及一種模糊數據處理方法、系統及終端設備。

背景技術

在數據處理過程中，經常會遇到對模糊數據進行處理的情形。若將模糊數據直接用清晰值代替，容易丟失大量信息。

目前，通常采用α-截集的方法對模糊數據進行處理。但是，模糊數據經過α-截集處理之后，變形為一系列區間值，丟失信息過多，且α值的選取，人工干預成分過多，且最后將區間值還原為模糊值的過程采用近似計算，導致結果準確度較低。

發明內容

有鑒于此，本發明實施例提供了一種模糊數據處理方法、系統及終端設備，以解決現有技術中由于丟失信息較多、人工干預過多且采用近似計算，導致結果準確度較低的問題。

本發明實施例的第一方面提供了一種模糊數據處理方法，包括：

獲取待處理模糊數據的類型和待處理模糊數據的決定值個數，并根據待處理模糊數據的類型和待處理模糊數據的決定值個數，確定與決定值個數相匹配的輸入簡約值；

將各個輸入簡約值分別輸入到各自對應的已訓練完成的預設模型中，得到各個輸入簡約值分別對應的輸出簡約值；

將各個輸出簡約值分別按照各自對應的簡約值計算的逆過程計算得到待處理模糊數據的預測數據。

本發明實施例的第二方面提供了一種模糊數據處理系統，包括：

輸入簡約值確定模塊，用于獲取待處理模糊數據的類型和待處理模糊數據的決定值個數，并根據待處理模糊數據的類型和待處理模糊數據的決定值個數，確定與決定值個數相匹配的輸入簡約值；

輸出簡約值確定模塊，用于將各個輸入簡約值分別輸入到各自對應的已訓練完成的預設模型中，得到各個輸入簡約值分別對應的輸出簡約值；

預測數據確定模塊，用于將各個輸出簡約值分別按照各自對應的簡約值計算的逆過程計算得到待處理模糊數據的預測數據。

本發明實施例的第三方面提供了一種終端設備，包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，處理器執行計算機程序時實現如第一方面所述模糊數據處理方法的步驟。

本發明實施例的第四方面提供了一種計算機可讀存儲介質，計算機可讀存儲介質存儲有計算機程序，計算機程序被一個或多個處理器執行時實現如第一方面所述模糊數據處理方法的步驟。

本發明實施例與現有技術相比存在的有益效果是：本發明實施例首先根據待處理模糊數據的類型和待處理模糊數據的決定值個數，確定與決定值個數相匹配的輸入簡約值；然后將各個輸入簡約值分別輸入到各自對應的已訓練完成的預設模型中，得到各個輸入簡約值分別對應的輸出簡約值；最后將各個輸出簡約值分別按照各自對應的簡約值計算的逆過程計算得到待處理模糊數據的預測數據。本發明實施例利用簡約值可逆的特性，可以通過輸出簡約值直接計算得到預測數據，避免了近似計算，且無需過多人工干預成分，無需將模糊數據變形為一系列區間值，防止信息丟失，能夠提高結果的準確性，而且計算過程簡單。

附圖說明