2025年边缘AI数据预处理习题(含答案与解析).docxVIP

2025年边缘AI数据预处理习题(含答案与解析)

1.某智能农业边缘节点部署的环境监测设备，连续72小时采集到温湿度数据（采样频率1次/分钟），经初步检查发现：①第15-20分钟的温度值全部缺失；②第300分钟的湿度值为-5%（设备量程0-100%）；③第450分钟的温度值为120℃（当地历史最高温42℃）。要求设计针对该数据集的清洗流程，并说明边缘端选择该流程的原因。

答案：清洗流程分为三步：

（1）缺失值处理：对第15-20分钟的温度缺失值，采用前向填充法（用第14分钟的温度值填充后续5个缺失点）。

（2）异常值检测与修正：

湿度异常值（-5%）：判定为设备噪声，用相邻5分钟（295-305分钟）湿度值的中位数（假设为62%）替代；

温度异常值（120℃）：结合历史数据（过去7天同时段温度均值30℃±2℃），判定为传感器故障，用滑动窗口（窗口大小=10分钟）内温度值的均值（假设为31.2℃）替代。

解析：边缘端计算资源有限，无法运行复杂的插值模型（如KNN或神经网络）。前向填充法计算复杂度O(1)，适合实时性要求高的场景；异常值修正时，选择中位数和滑动窗口均值而非全局统计量，避免因边缘设备存储限制（仅保留最近24小时数据）导致的全局统计偏差。

2.某智能手表需通过加速度计（3轴，采样率100Hz）和陀螺仪（3轴，采样率100Hz）数据识别用户运动状态