RSight（无量）功能篇：数据处理与分析之 数据处理层（一）

●

操作流程：拖拽节点接入含缺失值的数据集，节点中间将显示专属交互面板，在面板中选择适配算法后，点击“应用”即可触发处理。系统会自动补全缺失值，同时实时生成“处理前后的曲线对比图”，可直观验证插值效果与原始数据趋势的贴合程度。

●

适用场景：传感器监测数据的缺失补全、实验数据的断续点填充、时间序列数据的完整化处理等。

●

操作流程：拖拽节点并接入目标数据集，数据接入后自动触发转置处理，无需手动复 制粘贴及额外配置。例如可将“每行代表一个样本、每列代表一个指标”的数据，转为“每行代表一个指标、每列代表一个样本”的格式，适配不同分析工具的输入要求。

●

适用场景：实验数据的格式适配、多维度指标的结构重组、报表数据的快速整理等。

支持“纵向追加”“横向关联”两大类合并方式，满足不同数据整合需求：纵向追加可给现有数据增加样本（如合并不同批次的实验数据），横向关联可给数据增加字段（如将样本的基础信息与测试结果关联），同时支持左连接、右连接等灵活关联逻辑，适配多来源数据的整合场景。

●

操作流程：先将两个待合并的数据集分别接入节点的两个输入端口，节点中间的交互面板会自动加载两数据集字段，随后选择合并方式（纵向追加/横向关联/左连接/右连接）并指定关联字段（如样本编号、时间戳），点击“合并”按钮即可触发处理。系统自动完成数据匹配与合并，合并结果通过信号同步至输出端口。

< 表1 >

< 表2 >

●

适用场景：多批次实验数据的汇总、跨设备采集数据的整合、基础信息与监测数据的关联等。

●

操作流程：拖拽节点接入数据集，在节点中间的交互面板中自定义“窗口大小”、“滤波参数”等关键配置（如调整滑动平均窗口大小平衡去噪效果与数据趋势），配置完成点击“应用”后，输出端口返回滤波后数据集。

●

适用场景：传感器监测数据的噪声过滤、仿真数据的平滑处理、实验数据的干扰剔除等。

●

操作流程：在节点交互面板中批量选择目标列进行处理，点击“应用”即可消除量纲影响，使不同类型参数能够在同一模型中公平参与分析。

●

适用场景：多参数建模前的预处理、不同指标的综合评价、机器学习模型的特征标准化等。

针对深度学习等高端建模场景，支持权重归一化（WeightNorm）、谱归一化（SpectralNorm）、梯度裁剪（Gradient Clipping）等专业方法。其中，权重归一化适用于神经网络权重参数的标准化，可适配图像特征、时序序列等复杂输入数据；谱归一化多用于生成对抗网络（GAN）的权重约束，适配分布不规则的生成类数据；梯度裁剪则针对模型训练过程中梯度爆炸问题，适配梯度值波动较大的高维特征数据（如工业仿真高维参数、多传感器融合数据）。

●

操作流程：在节点交互面板中勾选需优化的参数列，选择对应归一化方法后点击“应用”即可批量处理。

●

适用场景：深度学习模型的特征预处理、复杂仿真数据的建模优化、高精度预测模型的参数调整等。