基于深度学习的不完整时序数据补全方法综述

计算机研究与发展页数： 26 2025-07-23

摘要：时序数据广泛存在于工业、金融、交通、气象及医疗等领域，具有重要的分析应用价值.然而由于人为或偶发因素导致的缺失，时序数据的完整性经常遭到破坏，进而削弱基于其开展的分析与决策的准确性和可靠性.不完整时序数据通常包含复杂的时序依赖和变量间关系，为缺失值的有效补全带来较大挑战.深度学习方法具有强大的建模能力，是应对该挑战的有效技术，并日益成为研究热点.故系统综述基于深度学习的不完整时... （共26页）

开通会员，享受整站包年服务

说明：本文档由创作者上传发布，版权归属创作者。若内容存在侵权，请点击申诉举报

科技文档

数学力学化学金融证券保险投资会计审计园艺林业旅游体育物理学生物学天文学气象学海洋学地质学新能源金属学农艺学农作物管理学领导学自然科学系统科学资源科学无机化工有机化工燃料化工化学工业材料科学矿业工程冶金工业安全科学环境科学工业通用机械工业无线电子电信技术铁路运输汽车工业船舶工业动力工程电力工业农业科学农业工程植物保护动物医学教育理论学前教育初等教育中等教育高等教育职业教育成人教育自然地理地球物理经济统计农业经济工业经济交通经济企业经济文化经济信息经济贸易经济财政税收市场研究科学研究互联网自动化轻工业核科学服务业石油然气服务业野生动物水产渔业硬件仪器仪表航空航天武器军事公路运输水利水电建筑科学软件