[發明專利]數據去噪方法、裝置、設備及計算機可讀存儲介質

在審

• 申請號: 202011048598.3
• 申請日: 2020-09-29
• 公開（公告）號: CN112115131A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 蔡成飛;田上萱;王紅法;郭春超;趙文哲
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06Q30/02;G06N3/04
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 崔曉嵐;張穎玲

1.一種數據去噪方法，其特征在于，包括：

采用待去噪數據集合中的數據對預設算法模型進行訓練，得到訓練后的算法模型；

當所述訓練后的算法模型不滿足模型收斂條件時，將所述訓練后的算法模型確定為待訓練網絡模型，并確定所述待去噪數據集合中的每一數據與所述待去噪數據集合中的其他數據之間的第一平均距離；

根據所述第一平均距離，確定所述待去噪數據集合中的噪聲數據；

去除所述待去噪數據集合中的所述噪聲數據，得到更新數據集合；

將所述更新數據集合中的數據作為樣本數據輸入至待訓練網絡模型中，對所述待訓練網絡模型進行訓練，得到訓練后的網絡模型；

當采用所述更新數據集合中的數據訓練得到的所述訓練后的網絡模型滿足所述模型收斂條件時，將所述更新數據集合確定為去噪完成的數據集合。

2.根據權利要求1所述的方法，其特征在于，所述確定所述待去噪數據集合中的每一數據與所述待去噪數據集合中的其他數據之間的第一平均距離，包括：

對所述待去噪數據集合中的每一數據進行特征提取，得到每一數據的特征向量；

根據每一數據的所述特征向量，計算所述待去噪數據集合中的每一數據與所述待去噪數據集合中的其他數據之間的第一平均距離。

3.根據權利要求2所述的方法，其特征在于，所述根據每一數據的所述特征向量，計算所述待去噪數據集合中的每一數據與所述待去噪數據集合中的其他數據之間的第一平均距離，包括：

獲取每一數據的所述特征向量和所述待去噪數據集合中的數據的總量；

通過每一數據的所述特征向量和其他數據的特征向量，計算每一數據與每一所述其他數據之間的距離；

根據每一數據與每一所述其他數據之間的距離、和所述待去噪數據集合中的數據的總量，確定每一數據的所述第一平均距離。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

當采用所述更新數據集合中的數據訓練得到的所述訓練后的網絡模型不滿足所述模型收斂條件時，將所述更新數據集合確定為當前的待去噪數據集合；

確定所述當前的待去噪數據集合中的每一數據與所述當前的待去噪數據集合中的其他數據之間的第二平均距離；

根據所述第二平均距離，確定所述當前的待去噪數據集合中的噪聲數據；

去除所述當前的待去噪數據結合中的所述噪聲數據，得到當前的更新數據集合；

對得到所述當前的更新數據集合的步驟進行循環，直至所述當前的更新數據集合中的數據訓練得到的所述訓練后的網絡模型滿足所述模型收斂條件時，將所述當前的更新數據集合確定為所述去噪完成的數據集合。

5.根據權利要求4所述的方法，其特征在于，所述對得到所述當前的更新數據集合的步驟進行循環，包括：

在每次確定出所述待去噪數據集合中的噪聲數據之后，去除所述待去噪數據集合中的噪聲數據，得到所述當前的更新數據集合。

6.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在接收到所述數據去噪請求之后，對所述待去噪數據集合中的數據進行分類，得到至少一個待去噪數據類；

對于每一所述待去噪數據類進行噪聲去除，以得到與每一所述待去噪數據類對應的去噪完成的數據集合。

7.根據權利要求1所述的方法，其特征在于，所述根據所述第一平均距離，確定所述待去噪數據集合中的噪聲數據，包括：

當任一數據的所述第一平均距離大于預設閾值時，將對應數據確定為所述噪聲數據。

8.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在將所述更新數據集合中的數據作為樣本數據輸入至待訓練網絡模型中，對所述待訓練網絡模型進行訓練，得到訓練后的網絡模型之后，獲取所述訓練后的網絡模型的輸出結果；

將所述輸出結果輸入至預設損失模型中，得到損失結果；

根據所述損失結果確定所述訓練后的網絡模型是否滿足所述模型收斂條件。