CN116302897B - 一种数据集的建立方法、装置、电子设备及存储介质 - Google Patents
一种数据集的建立方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116302897B CN116302897B CN202310548484.2A CN202310548484A CN116302897B CN 116302897 B CN116302897 B CN 116302897B CN 202310548484 A CN202310548484 A CN 202310548484A CN 116302897 B CN116302897 B CN 116302897B
- Authority
- CN
- China
- Prior art keywords
- waveform data
- waveform
- data
- label
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 90
- 230000002159 abnormal effect Effects 0.000 claims abstract description 54
- 238000002372 labelling Methods 0.000 claims abstract description 27
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 12
- 230000004044 response Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000000737 periodic effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
本申请提供了一种数据集的建立方法、装置、电子设备及存储介质；所述方法包括：获取第一波形数据；基于预设的截取比例，对所述第一波形数据进行截取，得到第二波形数据；基于所述第二波形数据，确定所述第二波形数据包括的单周期波形数据对应的标签，所述标签用于表征单周期波形数据正常或单周期波形数据异常；基于所述标签，对所述第二波形数据进行标注，得到标注后的第二波形数据；建立波形数据集，将所述标注后的第二波形数据存储至所述波形数据集。如此，能够智能地建立数据集，建立的波形数据集能够直接用于波形数据异常的预测算法的训练和测试，实现了波形数据异常的自动预测。
Description
技术领域
本申请涉及计算机技术，尤其涉及一种数据集的建立方法、装置、电子设备及存储介质。
背景技术
随着计算机技术的快速发展和广泛使用，人们对主板的异常情况进行预测逐渐成为计算机技术应用的主流。现有的主板异常预测方法，需要人工分析主板的波形数据以及人工统计异常情况，无法通过机器学习算法自动预测主板波形的异常情况，也不需要相关的波形数据集支撑，所以目前无相关的主板波形数据集生成方案。人们更希望能够建立波形数据集，以实现波形数据异常的自动预测。
因此，如何智能地建立数据集，以实现波形数据异常的自动预测是一直追求的目标。
发明内容
本申请实施例提供了一种数据集的建立方法、装置、电子设备及存储介质。
根据本申请的第一方面，提供了一种数据集的建立方法，该方法包括：获取第一波形数据；基于预设的截取比例，对所述第一波形数据进行截取，得到第二波形数据；基于所述第二波形数据，确定所述第二波形数据包括的单周期波形数据对应的标签，所述标签用于表征单周期波形数据正常或单周期波形数据异常；基于所述标签，对所述第二波形数据进行标注，得到标注后的第二波形数据；建立波形数据集，将所述标注后的第二波形数据存储至所述波形数据集。
根据本申请一实施方式，所述获取第一波形数据，包括：获取针对示波器的数据调用指令；基于所述数据调用指令，调用所述示波器的数据输出接口，得到预设时刻的第一波形数据。
根据本申请一实施方式，所述基于预设的截取比例，对所述第一波形数据进行截取，得到第二波形数据，包括：基于预设的第一截取比例，确定所述第一波形数据对应的数据截取区域；基于所述数据截取区域，截取所述第一波形数据，得到所述第二波形数据。
根据本申请一实施方式，所述基于所述数据截取区域，截取所述第一波形数据，得到所述第二波形数据，包括：基于预设的第二截取比例，确定所述数据截取区域对应的波形细节截取区域；基于所述波形细节截取区域，截取所述第一波形数据，得到所述第二波形数据。
根据本申请一实施方式，所述基于所述第二波形数据，确定所述第二波形数据包括的单周期波形数据对应的标签之前，所述方法还包括：确定所述第二波形数据的波峰值和波谷值；计算所述波峰值和所述波谷值的平均值，并将所述波峰值和所述波谷值的平均值确定为所述第二波形数据的波形中值；确定所述波形中值对应的时序位置；基于预设的截取数据点数和所述时序位置，确定所述单周期波形数据。
根据本申请一实施方式，所述基于所述第二波形数据，确定所述第二波形数据包括的单周期波形数据对应的标签，包括：判断所述第二波形数据包括的单周期波形数据是否满足预设的波形正常条件；响应于所述单周期波形数据满足所述预设的波形正常条件，确定所述单周期波形数据对应的标签为正常标签；响应于所述单周期波形数据不满足所述预设的波形正常条件，确定所述单周期波形数据对应的标签为异常标签；所述正常标签用于表征单周期波形数据正常，所述异常标签用于表征单周期波形数据异常。
根据本申请一实施方式，所述基于所述标签，对所述第二波形数据进行标注，得到标注后的第二波形数据，包括：基于所述正常标签或所述异常标签，对所述单周期波形数据进行标注，得到标注后的单周期波形数据；对每个所述标注后的单周期波形数据进行数据拼接，得到所述标注后的第二波形数据。
根据本申请的第二方面，提供了一种数据集的建立装置，该数据集的建立装置包括：获取模块，用于获取第一波形数据；截取模块，用于基于预设的截取比例，对所述第一波形数据进行截取，得到第二波形数据；确定模块，用于基于所述第二波形数据，确定所述第二波形数据包括的单周期波形数据对应的标签，所述标签用于表征单周期波形数据正常或单周期波形数据异常；标注模块，用于基于所述标签，对所述第二波形数据进行标注，得到标注后的第二波形数据；建立模块，用于建立波形数据集，将所述标注后的第二波形数据存储至所述波形数据集。
根据本申请一实施方式，所述获取模块用于：获取针对示波器的数据调用指令；基于所述数据调用指令，调用所述示波器的数据输出接口，得到预设时刻的第一波形数据。
根据本申请一实施方式，所述截取模块用于：基于预设的第一截取比例，确定所述第一波形数据对应的数据截取区域；基于所述数据截取区域，截取所述第一波形数据，得到所述第二波形数据。
根据本申请一实施方式，所述截取模块用于：基于预设的第二截取比例，确定所述数据截取区域对应的波形细节截取区域；基于所述波形细节截取区域，截取所述第一波形数据，得到所述第二波形数据。
根据本申请一实施方式，所述截取模块还用于：确定所述第二波形数据的波峰值和波谷值；计算所述波峰值和所述波谷值的平均值，并将所述波峰值和所述波谷值的平均值确定为所述第二波形数据的波形中值；确定所述波形中值对应的时序位置；基于预设的截取数据点数和所述时序位置，确定所述单周期波形数据。
根据本申请一实施方式，所述确定模块用于：判断所述第二波形数据包括的单周期波形数据是否满足预设的波形正常条件；响应于所述单周期波形数据满足所述预设的波形正常条件，确定所述单周期波形数据对应的标签为正常标签；响应于所述单周期波形数据不满足所述预设的波形正常条件，确定所述单周期波形数据对应的标签为异常标签；所述正常标签用于表征单周期波形数据正常，所述异常标签用于表征单周期波形数据异常。
根据本申请一实施方式，所述标注模块用于：基于所述正常标签或所述异常标签，对所述单周期波形数据进行标注，得到标注后的单周期波形数据；对每个所述标注后的单周期波形数据进行数据拼接，得到所述标注后的第二波形数据。
根据本申请的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请所述的方法。
根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请所述的方法。
本申请实施例的方法，获取第一波形数据；基于预设的截取比例，对所述第一波形数据进行截取，得到第二波形数据；基于所述第二波形数据，确定所述第二波形数据包括的单周期波形数据对应的标签，所述标签用于表征单周期波形数据正常或单周期波形数据异常；基于所述标签，对所述第二波形数据进行标注，得到标注后的第二波形数据；建立波形数据集，将所述标注后的第二波形数据存储至所述波形数据集。如此，能够智能地建立数据集，建立的波形数据集能够直接用于波形数据异常的预测算法的训练和测试，实现了波形数据异常的自动预测。
需要理解的是，本申请的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本申请的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，其中：
在附图中，相同或对应的标号表示相同或对应的部分。
图1示出了本申请实施例提供的一种数据集的建立方法的处理流程示意图一；
图2示出了本申请实施例提供的一种数据集的建立方法的处理流程示意图二；
图3示出了本申请实施例提供的一种数据集的建立方法的处理流程示意图三；
图4示出了本申请实施例提供的一种数据集的建立方法的处理流程示意图四；
图5示出了本申请实施例提供的一种数据集的建立方法的处理流程示意图五；
图6示出了本申请实施例提供的一种数据集的建立方法的处理流程示意图六；
图7示出了本申请实施例提供的一种数据集的建立方法的一种应用场景图；
图8示出了本申请实施例提供的一种数据集的建立方法的另一种应用场景图；
图9示出了本申请实施例提供的一种数据集的建立方法的又一种应用场景图；
图10示出了本申请实施例提供的一种数据集的建立装置的一种可选示意图；
图11示出了本申请实施例提供的电子设备的组成结构示意图。
具体实施方式
为使本申请的目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
对本申请实施例提供的数据集的建立方法中的处理流程进行说明。参见图1，图1是本申请实施例提供的数据集的建立方法的处理流程示意图一，将结合图1示出的步骤S101-S105进行说明。
步骤S101，获取第一波形数据。
在一些实施例中，步骤S101可以包括：获取针对示波器的数据调用指令；基于数据调用指令，调用示波器的数据输出接口，得到预设时刻的第一波形数据。其中，数据调用指令可以用于：调用数据输出接口，得到对应的数据。第一波形数据可以包括：静态的时序波形数据。预设时刻可以包括：预先设定的截取波形数据的时刻。第一波形数据的格式可以包括：csv（Comma-Separated Values，逗号分隔值）格式。
步骤S102，基于预设的截取比例，对第一波形数据进行截取，得到第二波形数据。
在一些实施例中，步骤S102可以包括：基于预设的第一截取比例，确定第一波形数据对应的数据截取区域；基于数据截取区域，截取第一波形数据，得到第二波形数据。其中，预设的第一截取比例可以包括：预先设定的数据截取区域占第一波形数据的比例。数据截取区域可以包括：基于第一截取比例，截取第一波形数据得到的波形数据。第二波形数据可以包括：截取的第一波形数据的部分区域。
针对基于数据截取区域，截取第一波形数据，得到第二波形数据，在具体实施时可以包括：基于预设的第二截取比例，确定数据截取区域对应的波形细节截取区域；基于波形细节截取区域，截取第一波形数据，得到第二波形数据。其中，第二截取比例可以与第一截取比例相同，第二截取比例也可以与第一截取比例不同。预设的第二截取比例可以包括：预先设定的波形细节截取区域占数据截取区域的比例。波形细节截取区域可以包括：基于第二截取比例，截取数据截取区域得到的波形数据。
作为示例，预设的第一截取比例为前30%，预设的第二截取比例为前20%，确定第一波形数据的前30%为数据截取区域。基于数据截取区域，截取第一波形数据的前30%。确定数据截取区域的前20%为波形细节截取区域。基于波形细节截取区域，截取数据截取区域的前20%，得到第二波形数据。
步骤S103，基于第二波形数据，确定第二波形数据包括的单周期波形数据对应的标签。
在一些实施例中，在步骤S103之前，数据集的生成方法还可以包括：确定第二波形数据的波峰值和波谷值；计算波峰值和波谷值的平均值，并将波峰值和波谷值的平均值确定为第二波形数据的波形中值；确定波形中值对应的时序位置；基于预设的截取数据点数和时序位置，确定单周期波形数据。其中，一个时序位置对应一个波形数据点，预设的截取数据点数可以包括：预先设定的在时序位置前和时序位置后进行截取的波形数据点数量。确定第二波形数据中每个波形中值对应的时序位置，并基于预设的截取数据点数和时序位置，切割第二波形数据，得到各个单周期波形数据。
作为示例，预设的截取数据点数为5。确定第二波形数据的波峰值为0.15，确定第二波形数据的波谷值为0.10。计算波峰值和波谷值的平均值为0.125，将平均值作为波形中值。确定波形中值对应的时序位置为第10位。基于预设的截取数据点数和时序位置，截取第二波形数据中位于时序位置前的5个波形数据点和位于时序位置后的5个波形数据点，将时序位置为第5位至第15位的波形数据点确定为单周期波形数据。
在一些实施例中，步骤S103可以包括：判断第二波形数据包括的单周期波形数据是否满足预设的波形正常条件；响应于单周期波形数据满足预设的波形正常条件，确定单周期波形数据对应的标签为正常标签；响应于单周期波形数据不满足预设的波形正常条件，确定单周期波形数据对应的标签为异常标签。其中，预设的波形正常条件可以包括：预先设定的异常波动数据。将单周期波形数据与预先设定的异常波动数据匹配，响应于单周期波形数据与预先设定的异常波动数据不匹配，则确定单周期波形数据满足预设的波形正常条件；响应于单周期波形数据与预先设定的异常波动数据相匹配，则确定单周期波形数据不满足预设的波形正常条件。正常标签用于表征单周期波形数据正常，异常标签用于表征单周期波形数据异常。
步骤S104，基于标签，对第二波形数据进行标注，得到标注后的第二波形数据。
在一些实施例中，步骤S104可以包括：基于正常标签或异常标签，对单周期波形数据进行标注，得到标注后的单周期波形数据；对每个标注后的单周期波形数据进行数据拼接，得到标注后的第二波形数据。
作为示例，确定单周期波形数据包括的正常标签对应的波形数据，在每个正常标签对应的波形数据的最后一列之后添加正常标签，正常标签为 0，得到标注后的单周期波形数据。或，确定单周期波形数据包括的异常标签对应的波形数据，在每个异常标签对应的波形数据的最后一列之后添加异常标签，异常标签为1，得到标注后的单周期波形数据。对每个标注后的单周期波形数据逐行进行数据拼接，得到标注后的第二波形数据。
步骤S105，建立波形数据集，将标注后的第二波形数据存储至波形数据集。
在一些实施例中，波形数据集可以用于波形智能检测算法的训练和测试。波形数据集还可以用于其他算法的训练和测试，本申请实施例不作限定。
在一些实施例中，对所述数据集的建立方法的处理流程示意图二，如图2所示，包括：
步骤S201，获取针对示波器的数据调用指令。
步骤S202，基于数据调用指令，调用示波器的数据输出接口，得到预设时刻的第一波形数据。
在一些实施例中，步骤S202还可以包括：基于数据调用指令，调用其他波形测量仪器的数据输出接口，得到预设时刻的第一波形数据。本申请实施例不限定具体的波形测量仪器。
针对步骤S201-S202的每个步骤的具体说明，与上述步骤S101相同，这里不再赘述。
在一些实施例中，对所述数据集的建立方法的处理流程示意图三，如图3所示，包括：
步骤S301，基于预设的第一截取比例，确定第一波形数据对应的数据截取区域。
步骤S302，基于预设的第二截取比例，确定数据截取区域对应的波形细节截取区域。
步骤S303，基于波形细节截取区域，截取第一波形数据，得到第二波形数据。
针对步骤S301-S303的每个步骤的具体说明，与上述步骤S102相同，这里不再赘述。
在一些实施例中，对所述数据集的建立方法的处理流程示意图四，如图4所示，包括：
步骤S401，确定第二波形数据的波峰值和波谷值。
步骤S402，计算波峰值和波谷值的平均值，并将波峰值和波谷值的平均值确定为第二波形数据的波形中值。
步骤S403，确定波形中值对应的时序位置；
步骤S404，基于预设的截取数据点数和时序位置，确定单周期波形数据。
针对步骤S401-S404的每个步骤的具体说明，与上述步骤S103相同，这里不再赘述。
在一些实施例中，对所述数据集的建立方法的处理流程示意图五，如图5所示，包括：
步骤S501，判断第二波形数据包括的单周期波形数据是否满足预设的波形正常条件。
在一些实施例中，步骤S501可以包括：将单周期波形数据与预先设定的异常波动数据匹配。预设的波形正常条件可以包括：预先设定的异常波动数据。
步骤S502a，响应于单周期波形数据满足预设的波形正常条件，确定单周期波形数据对应的标签为正常标签。
步骤S502b，响应于单周期波形数据不满足预设的波形正常条件，确定单周期波形数据对应的标签为异常标签。
针对步骤S501-S502b的每个步骤的具体说明，与上述步骤S103相同，这里不再赘述。
在一些实施例中，对所述数据集的建立方法的处理流程示意图六，如图6所示，包括：
步骤S601，基于正常标签或异常标签，对单周期波形数据进行标注，得到标注后的单周期波形数据。
步骤S602，对每个标注后的单周期波形数据进行数据拼接，得到标注后的第二波形数据。
针对步骤S601-S602的每个步骤的具体说明，与上述步骤S104相同，这里不再赘述。
图7示出了本申请实施例提供的数据集的建立方法的一种应用场景图。
参考图7，本申请实施例提供的数据集的建立方法的一种应用场景。应用于获取笔记本电脑主板的第一波形数据。首先，在进行笔记本电脑主板测试时，大量高速的波形数据持续通过示波器。获取针对示波器的数据调用指令。基于数据调用指令，调用示波器的数据输出接口，在预设时刻捕捉瞬时的波形数据段，确定为预设时刻的第一波形数据。第一波形数据的格式为csv格式。
可以理解，图7的数据集的建立方法的应用场景只是本申请实施例中的部分示例性的实施方式，本申请实施例中数据集的建立方法的应用场景包括但不限于图7所示的数据集的建立方法的应用场景。
图8示出了本申请实施例提供的数据集的建立方法的另一种应用场景图。
参考图8，本申请实施例提供的数据集的建立方法的另一种应用场景。应用于笔记本电脑主板的波形数据集的建立。首先，对笔记本电脑的主板进行测试，在笔记本电脑的主板的测试过程中，获取针对示波器的数据调用指令。基于数据调用指令，调用示波器的数据输出接口，在预设时刻捕捉瞬时的静态波形数据段。基于预设的第一截取比例，定位静态波形数据段的周期区域。确定周期区域的波峰值和波谷值；计算波峰值和波谷值的平均值，并将波峰值和波谷值的平均值确定为周期区域的波形中值。确定波形中值对应的时序位置。基于预设的截取数据点数和时序位置，切分周期区域，确定单周期波形数据。判断单周期波形数据是否满足预设的波形正常条件。响应于单周期波形数据满足预设的波形正常条件，确定单周期波形数据对应的标签为正常标签；响应于单周期波形数据不满足预设的波形正常条件，确定单周期波形数据对应的标签为异常标签。正常标签用于表征单周期波形数据正常，异常标签用于表征单周期波形数据异常。基于正常标签或异常标签，对单周期波形数据进行标注，得到标注后的单周期波形数据；对每个标注后的单周期波形数据进行数据样本拼接，得到标注后的周期数据。建立波形数据集，将标注后周期数据存储至波形数据集。
可以理解，图8的数据集的建立方法的应用场景只是本申请实施例中的部分示例性的实施方式，本申请实施例中数据集的建立方法的应用场景包括但不限于图8所示的数据集的建立方法的应用场景。
图9示出了本申请实施例提供的数据集的建立方法的又一种应用场景图。
参考图9，本申请实施例提供的数据集的建立方法的又一种应用场景。 应用于对笔记本电脑主板的第一波形数据进行截取，得到单周期波形数据。首先，A1为笔记本电脑主板的第一波形数据。基于预设的截取比例a，确定A1的虚线框区域。A1虚线框区域内为A1数据截取区域。基于A1的虚线框区域对A1进行截取得到A2。基于预设的截取比例b，确定A2的虚线框区域。A2虚线框区域内为A2数据截取区域。基于A2的虚线框区域对A2进行截取得到A3。确定A3对应的波形数据的波峰值和波谷值；计算波峰值和波谷值的平均值，并将波峰值和波谷值的平均值确定为第二波形数据的波形中值；确定波形中值对应的时序位置；基于预设的截取数据点数和时序位置，确定A3的虚线框区域。A3虚线框区域内为A4数据截取区域。基于A3的虚线框区域对A3进行截取得到A4。A4为笔记本电脑主板的单周期波形数据。
可以理解，图9的数据集的建立方法的应用场景只是本申请实施例中的部分示例性的实施方式，本申请实施例中数据集的建立方法的应用场景包括但不限于图9所示的数据集的建立方法的应用场景。
本申请实施例的方法，获取针对示波器的数据调用指令；基于数据调用指令，调用示波器的数据输出接口，得到预设时刻的第一波形数据。如此，能够自动获取波形数据，根据波形数据建立数据集，建立的波形数据集可以直接用于波形数据异常的预测算法的训练和测试，实现了波形数据异常的自动预测。
本申请实施例的方法，基于预设的第一截取比例，确定第一波形数据对应的数据截取区域；基于预设的第二截取比例，确定数据截取区域对应的波形细节截取区域；基于波形细节截取区域，截取第一波形数据，得到第二波形数据。如此，能够自动定位和截取波形数据中的波形细节区域，根据截取到的波形数据建立数据集，建立的波形数据集可以直接用于波形数据异常的预测算法的训练和测试，实现了波形数据异常的自动预测。
本申请实施例的方法，确定第二波形数据的波峰值和波谷值；计算波峰值和波谷值的平均值，并将波峰值和波谷值的平均值确定为第二波形数据的波形中值；确定波形中值对应的时序位置；基于预设的截取数据点数和时序位置，确定单周期波形数据。如此，能够自动定位和截取波形数据中的单周期波形数据，根据截取到的单周期波形数据建立数据集，建立的波形数据集可以直接用于波形数据异常的预测算法的训练和测试，实现了波形数据异常的自动预测。
本申请实施例的方法，判断第二波形数据包括的单周期波形数据是否满足预设的波形正常条件；响应于单周期波形数据满足预设的波形正常条件，确定单周期波形数据对应的标签为正常标签；响应于单周期波形数据不满足预设的波形正常条件，确定单周期波形数据对应的标签为异常标签；正常标签用于表征单周期波形数据正常，异常标签用于表征单周期波形数据异常。如此，能够自动对单周期波形数据进行标注，根据标注后的单周期波形数据建立数据集，建立的波形数据集可以直接用于波形数据异常的预测算法的训练和测试，实现了波形数据异常的自动预测。
本申请实施例的方法，基于正常标签或异常标签，对单周期波形数据进行标注，得到标注后的单周期波形数据；对每个标注后的单周期波形数据进行数据拼接，得到标注后的第二波形数据。如此，建立的波形数据集可以直接用于波形数据异常的预测算法的训练和测试，实现了波形数据异常的自动预测。
因此，与相关技术中无法通过机器学习算法自动预测主板波形的异常情况，也不存在相关的波形数据集支撑，目前无相关的主板波形数据集生成方案相比，本申请实施例提供的数据集的建立方法能够自动根据波形数据建立数据集，建立的波形数据集可以直接用于波形数据异常的预测算法的训练和测试，实现了波形数据异常的自动预测。
下面继续说明本申请实施例提供的数据集的建立装置90的实施为软件模块的示例性结构，在一些实施例中，如图10所示，数据集的建立装置90中的软件模块可以包括：获取模块901，用于获取第一波形数据；截取模块902，用于基于预设的截取比例，对第一波形数据进行截取，得到第二波形数据；确定模块903，用于基于第二波形数据，确定第二波形数据包括的单周期波形数据对应的标签，标签用于表征单周期波形数据正常或单周期波形数据异常；标注模块904，用于基于标签，对第二波形数据进行标注，得到标注后的第二波形数据；建立模块905，用于建立波形数据集，将标注后的第二波形数据存储至波形数据集。
在一些实施例中，获取模块901可以用于：获取针对示波器的数据调用指令；基于数据调用指令，调用示波器的数据输出接口，得到预设时刻的第一波形数据。
在一些实施例中，截取模块902可以用于：基于预设的第一截取比例，确定第一波形数据对应的数据截取区域；基于数据截取区域，截取第一波形数据，得到第二波形数据。
在一些实施例中，截取模块902可以用于：基于预设的第二截取比例，确定数据截取区域对应的波形细节截取区域；基于波形细节截取区域，截取第一波形数据，得到第二波形数据。
在一些实施例中，截取模块902还可以用于：确定第二波形数据的波峰值和波谷值；计算波峰值和波谷值的平均值，并将波峰值和波谷值的平均值确定为第二波形数据的波形中值；确定波形中值对应的时序位置；基于预设的截取数据点数和时序位置，确定单周期波形数据。
在一些实施例中，确定模块903可以用于：判断第二波形数据包括的单周期波形数据是否满足预设的波形正常条件；响应于单周期波形数据满足预设的波形正常条件，确定单周期波形数据对应的标签为正常标签；响应于单周期波形数据不满足预设的波形正常条件，确定单周期波形数据对应的标签为异常标签；正常标签用于表征单周期波形数据正常，异常标签用于表征单周期波形数据异常。
在一些实施例中，标注模块904可以用于：基于正常标签或异常标签，对单周期波形数据进行标注，得到标注后的单周期波形数据；对每个标注后的单周期波形数据进行数据拼接，得到标注后的第二波形数据。
需要说明的是，本申请实施例装置的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果，因此不做赘述。对于本申请实施例提供的数据集的建立装置中未尽的技术细节，可以根据图1至图9中任一附图的说明而理解。
根据本申请的实施例，本申请还提供了一种电子设备和一种非瞬时计算机可读存储介质。
图11示出了可以用来实施本申请的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图11所示，电子设备800包括计算单元801，其可以根据存储在只读存储器（ROM）802中的计算机程序或者从存储单元808加载到随机访问存储器（RAM）803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出（I/O）接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如数据集的建立方法。例如，在一些实施例中，数据集的建立方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的数据集的建立方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行数据集的建立方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上***的***（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***（例如，作为数据服务器）、或者包括中间件部件的计算***（例如，应用服务器）、或者包括前端部件的计算***（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将***的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种数据集的建立方法，其特征在于，所述方法包括：
获取主板的第一波形数据；
基于预设的截取比例，对所述第一波形数据进行截取，得到第二波形数据；
确定所述第二波形数据的波峰值和波谷值；计算所述波峰值和所述波谷值的平均值，并将所述波峰值和所述波谷值的平均值确定为所述第二波形数据的波形中值；确定所述第二波形数据中每个所述波形中值对应的时序位置，并基于预设的截取数据点数和所述时序位置，切割所述第二波形数据，得到各个单周期波形数据；
基于所述第二波形数据，确定所述第二波形数据包括的所述单周期波形数据对应的标签，所述标签包括正常标签和异常标签，所述正常标签用于表征单周期波形数据正常，所述异常标签用于表征单周期波形数据异常；
基于所述正常标签或所述异常标签，对所述单周期波形数据进行标注，得到标注后的单周期波形数据；
对每个所述标注后的单周期波形数据进行数据拼接，得到所述标注后的第二波形数据；
建立波形数据集，将所述标注后的第二波形数据存储至所述波形数据集，所述波形数据集用于波形智能检测算法的训练和测试。
2.根据权利要求1所述的方法，其特征在于，所述获取第一波形数据，包括：
获取针对示波器的数据调用指令；
基于所述数据调用指令，调用所述示波器的数据输出接口，得到预设时刻的第一波形数据。
3.根据权利要求1所述的方法，其特征在于，所述基于预设的截取比例，对所述第一波形数据进行截取，得到第二波形数据，包括：
基于预设的第一截取比例，确定所述第一波形数据对应的数据截取区域；
基于所述数据截取区域，截取所述第一波形数据，得到所述第二波形数据。
4.根据权利要求3所述的方法，其特征在于，所述基于所述数据截取区域，截取所述第一波形数据，得到所述第二波形数据，包括：
基于预设的第二截取比例，确定所述数据截取区域对应的波形细节截取区域；
基于所述波形细节截取区域，截取所述第一波形数据，得到所述第二波形数据。
5.根据权利要求1所述的方法，其特征在于，所述基于所述第二波形数据，确定所述第二波形数据包括的所述单周期波形数据对应的标签，包括：
判断所述第二波形数据包括的所述单周期波形数据是否满足预设的波形正常条件；
响应于所述单周期波形数据满足所述预设的波形正常条件，确定所述单周期波形数据对应的标签为所述正常标签；
响应于所述单周期波形数据不满足所述预设的波形正常条件，确定所述单周期波形数据对应的标签为所述异常标签。
6.一种数据集的建立装置，其特征在于，所述数据集的建立装置包括：
获取模块，用于获取主板的第一波形数据；
截取模块，用于基于预设的截取比例，对所述第一波形数据进行截取，得到第二波形数据；
确定模块，用于确定所述第二波形数据的波峰值和波谷值；计算所述波峰值和所述波谷值的平均值，并将所述波峰值和所述波谷值的平均值确定为所述第二波形数据的波形中值；确定所述第二波形数据中每个所述波形中值对应的时序位置，并基于预设的截取数据点数和所述时序位置，切割所述第二波形数据，得到各个单周期波形数据；
基于所述第二波形数据，确定所述第二波形数据包括的所述单周期波形数据对应的标签，所述标签包括正常标签和异常标签，所述正常标签用于表征单周期波形数据正常，所述异常标签用于表征单周期波形数据异常；
标注模块，用于基于所述正常标签或所述异常标签，对所述单周期波形数据进行标注，得到标注后的单周期波形数据；对每个所述标注后的单周期波形数据进行数据拼接，得到所述标注后的第二波形数据；
建立模块，用于建立波形数据集，将所述标注后的第二波形数据存储至所述波形数据集，所述波形数据集用于波形智能检测算法的训练和测试。
7.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310548484.2A CN116302897B (zh) | 2023-05-15 | 2023-05-15 | 一种数据集的建立方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310548484.2A CN116302897B (zh) | 2023-05-15 | 2023-05-15 | 一种数据集的建立方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116302897A CN116302897A (zh) | 2023-06-23 |
| CN116302897B true CN116302897B (zh) | 2023-10-17 |
Family
ID=86824262
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310548484.2A Active CN116302897B (zh) | 2023-05-15 | 2023-05-15 | 一种数据集的建立方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116302897B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008024815A2 (en) * | 2006-08-22 | 2008-02-28 | Dimensions Imaging | Method and system for providing tolerance to interference and obstructions of line of sight observation |
| CN103169456A (zh) * | 2013-03-29 | 2013-06-26 | 深圳职业技术学院 | 一种脉搏波信号的处理方法及处理*** |
| WO2018166136A1 (zh) * | 2017-03-14 | 2018-09-20 | 华为技术有限公司 | 波形信号处理的方法及装置 |
| CN109512405A (zh) * | 2019-01-08 | 2019-03-26 | 哈尔滨工业大学（深圳） | 一种基于局部点检测的脉象信号分割方法 |
| WO2020044495A1 (en) * | 2018-08-30 | 2020-03-05 | Nec Corporation | Anomaly detection apparatus, method and computer-readable medium |
| CN111459778A (zh) * | 2020-03-12 | 2020-07-28 | 平安科技（深圳）有限公司 | 运维***异常指标检测模型优化方法、装置及存储介质 |
| CN112711963A (zh) * | 2019-10-24 | 2021-04-27 | 富泰华工业（深圳）有限公司 | 用户终端故障检测方法、装置、计算机装置及存储介质 |
| CN113448807A (zh) * | 2021-07-14 | 2021-09-28 | 华青融天(北京)软件股份有限公司 | 告警监测方法、***、电子设备及计算机可读存储介质 |
| CN113647908A (zh) * | 2021-08-06 | 2021-11-16 | 东软集团股份有限公司 | 波形识别模型的训练、心电波形识别方法、装置及设备 |
| CN114098667A (zh) * | 2020-08-28 | 2022-03-01 | 深圳迈瑞生物医疗电子股份有限公司 | 监护方法及设备 |
| WO2022052358A1 (zh) * | 2020-09-09 | 2022-03-17 | 生物岛实验室 | 心电异常检测网络训练方法、心电异常预警方法及装置 |
| CN114386538A (zh) * | 2022-03-24 | 2022-04-22 | 三峡智控科技有限公司 | 一种标记监测指标的kpi曲线的波段特征的方法 |
| CN115904955A (zh) * | 2022-11-08 | 2023-04-04 | 招商银行股份有限公司 | 性能指标的诊断方法、装置、终端设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6686593B2 (ja) * | 2016-03-23 | 2020-04-22 | 日本電気株式会社 | データ処理装置、データ処理システム、データ処理方法及びプログラム |
| JP7070255B2 (ja) * | 2018-08-31 | 2022-05-18 | 富士通株式会社 | 異常判別プログラム、異常判別方法および異常判別装置 |
-
2023
- 2023-05-15 CN CN202310548484.2A patent/CN116302897B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008024815A2 (en) * | 2006-08-22 | 2008-02-28 | Dimensions Imaging | Method and system for providing tolerance to interference and obstructions of line of sight observation |
| CN103169456A (zh) * | 2013-03-29 | 2013-06-26 | 深圳职业技术学院 | 一种脉搏波信号的处理方法及处理*** |
| WO2018166136A1 (zh) * | 2017-03-14 | 2018-09-20 | 华为技术有限公司 | 波形信号处理的方法及装置 |
| WO2020044495A1 (en) * | 2018-08-30 | 2020-03-05 | Nec Corporation | Anomaly detection apparatus, method and computer-readable medium |
| CN109512405A (zh) * | 2019-01-08 | 2019-03-26 | 哈尔滨工业大学（深圳） | 一种基于局部点检测的脉象信号分割方法 |
| CN112711963A (zh) * | 2019-10-24 | 2021-04-27 | 富泰华工业（深圳）有限公司 | 用户终端故障检测方法、装置、计算机装置及存储介质 |
| CN111459778A (zh) * | 2020-03-12 | 2020-07-28 | 平安科技（深圳）有限公司 | 运维***异常指标检测模型优化方法、装置及存储介质 |
| WO2021179572A1 (zh) * | 2020-03-12 | 2021-09-16 | 平安科技（深圳）有限公司 | 运维***异常指标检测模型优化方法、装置及存储介质 |
| CN114098667A (zh) * | 2020-08-28 | 2022-03-01 | 深圳迈瑞生物医疗电子股份有限公司 | 监护方法及设备 |
| WO2022052358A1 (zh) * | 2020-09-09 | 2022-03-17 | 生物岛实验室 | 心电异常检测网络训练方法、心电异常预警方法及装置 |
| CN113448807A (zh) * | 2021-07-14 | 2021-09-28 | 华青融天(北京)软件股份有限公司 | 告警监测方法、***、电子设备及计算机可读存储介质 |
| CN113647908A (zh) * | 2021-08-06 | 2021-11-16 | 东软集团股份有限公司 | 波形识别模型的训练、心电波形识别方法、装置及设备 |
| CN114386538A (zh) * | 2022-03-24 | 2022-04-22 | 三峡智控科技有限公司 | 一种标记监测指标的kpi曲线的波段特征的方法 |
| CN115904955A (zh) * | 2022-11-08 | 2023-04-04 | 招商银行股份有限公司 | 性能指标的诊断方法、装置、终端设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于一维卷积神经网络的实时心脏按压评估;殷佳豪;刘世杰;鲍宇;杨轩;朱紫维;;计算机工程(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116302897A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113795039B (zh) | 运营商网络切换方法、装置、设备和计算机可读存储介质 | |
| CN112559231B (zh) | 应用检测方法、装置、设备以及存储介质 | |
| US11861498B2 (en) | Method and apparatus for compressing neural network model | |
| CN114816393B (zh) | 信息生成方法、装置、设备以及存储介质 | |
| CN114389969B (zh) | 客户端的测试方法、装置、电子设备和存储介质 | |
| CN113515462A (zh) | 用于测试的方法、装置、设备以及存储介质 | |
| CN116302897B (zh) | 一种数据集的建立方法、装置、电子设备及存储介质 | |
| CN116841870A (zh) | 一种测试方法、***、装置、设备及存储介质 | |
| CN116545905A (zh) | 一种服务健康检测方法、装置、电子设备及存储介质 | |
| CN116594563A (zh) | 分布式存储扩容方法、装置、电子设备和存储介质 | |
| CN115481594B (zh) | 计分板实现方法、计分板、电子设备及存储介质 | |
| CN115407150A (zh) | 保护压板投入使用情况的确定***、方法、测量表及介质 | |
| CN115102948A (zh) | 地图瓦片的自动下载方法、装置、设备以及存储介质 | |
| CN113535020A (zh) | 用于生成应用图标的方法、装置、设备、介质和产品 | |
| CN114743586A (zh) | 存储器模型的镜像存储实现方法、装置及存储介质 | |
| CN114138358A (zh) | 应用程序的启动优化方法、装置、设备和存储介质 | |
| CN112835759A (zh) | 测试数据处理方法、装置、电子设备以及存储介质 | |
| CN115292339B (zh) | 数据库更新方法、装置、电子设备和存储介质 | |
| CN114791996B (zh) | 信息处理方法、装置、***、电子设备及存储介质 | |
| CN116302661B (zh) | 一种异常预测方法、装置、电子设备及存储介质 | |
| US11669672B1 (en) | Regression test method, electronic device and storage medium | |
| CN114327577A (zh) | 一种代码变动的确定方法、装置、电子设备及存储介质 | |
| CN115859926B (zh) | 一种电子表单数据关系处理方法、装置、电子设备及介质 | |
| CN116450518A (zh) | 一种电子设备的检测方法、装置、***及存储介质 | |
| CN116610582A (zh) | 一种测试范围确定方法、装置、电子设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |