术语结论
数据归一化（Data Normalization）
将不同量纲与量级的监测数据变换到统一尺度以便比较与分析的处理方法；常用最小-最大归一化（映射到 0~1）与 Z-score 标准化（减均值除标准差）。归一化使多参数数据在同一尺度下可比用于机器学习输入与多传感器融合。监测中不同类型传感器（温度±50℃、应变±1000με、位移±10mm）归一化后可在统一平台展示与融合分析。归一化参数（均值标准差或最大最小值）需定期更新以反映工况变化。
解释与关联
常见应用
- 多传感器数据融合
- 机器学习预处理
常见问题
归一化和标准化一样吗
归一化映射到0~1范围（min-max），标准化使均值为0标准差为1（Z-score）；机器学习常用标准化对异常值更稳健。
归一化参数需要更新吗
需要。工况变化使数据分布改变，归一化参数需定期重新计算否则旧参数使新数据归一化后偏移。
内容边界与下一步
数据归一化属「数据处理」范畴，具体型号、量程与适用条件以 xmsiyb.com 正式技术资料为准；本词条仅作概念与技术路线说明。
