1.一种基于大数据分析的采集噪声点挖掘方法，其特征在于，包括以下步骤：步骤S1：获取待挖掘的原始大数据和数据领域，对所述原始大数据进行数据清洗，得到清洗大数据，根据所述数据领域，对所述清洗大数据进行数据标准化处理，得到标准化大数据；

步骤S2：对所述标准化大数据进行特征提取，得到大数据特征，构建所述大数据特征对应的特征矩阵，计算所述特征矩阵中每个矩阵对应的矩阵方差值，根据所述矩阵方差值，确定所述特征矩阵中的异常矩阵，其中，所述计算所述特征矩阵中每个矩阵对应的矩阵方差值，包括：通过下述公式计算所述特征矩阵中每个矩阵对应的矩阵方差值：其中，

其中，所述构建所述大数据特征对应的特征矩阵，包括：对所述大数据特征进行降维处理，得到降维特征，对所述降维特征进行向量转化，得到特征向量；

计算所述特征向量对应的特征向量值，将所述特征向量值作为所述大数据特征对应的特征值；

计算所述特征向量之间的向量相似系数，根据所述向量相似系数和所述特征值，构建所述大数据特征对应的特征矩阵；

其中，所述计算所述特征向量之间的向量相似系数，包括：通过下述公式计算所述特征向量之间的向量相似系数：

其中，

步骤S3：对所述标准化大数据进行线性转换，得到大数据线性值，根据所述大数据线性值，构建所述标准化大数据对应的数据散点图，计算所述数据散点图中每个数据点之间的距离值，得到数据点距离总值，根据所述数据点距离总值，确定所述数据散点图中的离散数据点；

其中，所述计算所述数据散点图中每个数据点之间的距离值，得到数据点距离总值，包括：通过下述公式计算所述数据散点图中每个数据点之间的距离总值：其中，

步骤S4：结合所述异常矩阵和所述离散数据点，确定所述标准化大数据中的噪声数据，提取所述噪声数据对应的数据信号，计算所述数据信号对应的信号稀疏值，并计算所述数据信号对应的信噪比，根据所述信噪比和所述信号稀疏值，查询所述噪声数据中的数据噪声点，提取所述数据噪声点对应的噪声特性，根据所述噪声特性，构建所述数据噪声点对应的噪声优化方案，根据所述噪声优化方案，执行所述数据噪声点的噪声优化处理，得到噪声优化处理结果；

其中，所述计算所述数据信号对应的信号稀疏值，包括：识别所述数据信号中的数据时域信号和数据频域信号，对所述数据时域信号进行傅里叶变换，得到变换数据信号；

根据所述变换数据信号和所述数据频域信号，对所述数据信号进行信号重构，得到目标数据信号；

计算所述目标数据信号对应的信号信息熵，将所述信号信息熵作为所述数据信号对应的信号稀疏值；

其中，所述计算所述目标数据信号对应的信号信息熵，包括：通过下述公式计算所述目标数据信号对应的信号信息熵：其中，

2.根据权利要求1所述的基于大数据分析的采集噪声点挖掘方法，其特征在于，所述根据所述数据领域，对所述清洗大数据进行数据标准化处理，得到标准化大数据，包括：调度所述数据领域的历史大数据，解析所述历史大数据中每个数据的数据架构，根据所述数据架构，确定所述历史大数据中每个数据的数据格式；

计量所述数据格式中每个格式的格式频次，根据所述格式频次，确定所述历史大数据中的标准格式；

查询所述标准格式对应的格式源代码，根据所述格式源代码，制定所述清洗大数据的格式转换器；

利用所述格式转换器对所述清洗大数据进行格式标准化处理，得到标准化大数据。

3.根据权利要求1所述的基于大数据分析的采集噪声点挖掘方法，其特征在于，所述根据所述大数据线性值，构建所述标准化大数据对应的数据散点图，包括：获取所述标准化大数据中每个数据的数据序列，并提取所述标准化大数据中每个数据的变量数据，所述变量数据包括自变量数据和因变量数据；

分析所述自变量数据和所述因变量数据之间的变量关系，根据所述变量关系和所述大数据线性值，计算所述自变量数据和所述因变量数据对应的变量值，得到第一变量值和第二变量值；

根据所述第一变量值、所述第二变量值以及所述数据序列，构建所述标准化大数据对应的数据散点图。

4.根据权利要求1所述的基于大数据分析的采集噪声点挖掘方法，其特征在于，所述根据所述噪声特性，构建所述数据噪声点对应的噪声优化方案，包括：查询所述噪声特性对应的特性指标，提取所述特性指标对应的指标参数；

计算所述指标参数与标准指标参数的参数差，根据所述参数差，确定所述特性指标中的待优化指标；

查询所述待优化指标中每个指标的优化规则，根据所述优化规则，构建所述数据噪声点对应的噪声优化方案。

5.一种基于大数据分析的采集噪声点挖掘系统，其特征在于，用于执行如权利要求1-4中任意一项所述的基于大数据分析的采集噪声点挖掘方法，所述系统包括：数据处理模块，用于获取待挖掘的原始大数据和数据领域，对所述原始大数据进行数据清洗，得到清洗大数据，根据所述数据领域，对所述清洗大数据进行数据标准化处理，得到标准化大数据；

矩阵方差计算模块，用于对所述标准化大数据进行特征提取，得到大数据特征，构建所述大数据特征对应的特征矩阵，计算所述特征矩阵中每个矩阵对应的矩阵方差值，根据所述矩阵方差值，确定所述特征矩阵中的异常矩阵，其中，所述计算所述特征矩阵中每个矩阵对应的矩阵方差值，包括：通过下述公式计算所述特征矩阵中每个矩阵对应的矩阵方差值：其中，

其中，所述构建所述大数据特征对应的特征矩阵，包括：对所述大数据特征进行降维处理，得到降维特征，对所述降维特征进行向量转化，得到特征向量；

计算所述特征向量对应的特征向量值，将所述特征向量值作为所述大数据特征对应的特征值；

计算所述特征向量之间的向量相似系数，根据所述向量相似系数和所述特征值，构建所述大数据特征对应的特征矩阵；

其中，所述计算所述特征向量之间的向量相似系数，包括：通过下述公式计算所述特征向量之间的向量相似系数：

其中，

离散点确定模块，用于对所述标准化大数据进行线性转换，得到大数据线性值，根据所述大数据线性值，构建所述标准化大数据对应的数据散点图，计算所述数据散点图中每个数据点之间的距离值，得到数据点距离总值，根据所述数据点距离总值，确定所述数据散点图中的离散数据点；

其中，所述计算所述数据散点图中每个数据点之间的距离值，得到数据点距离总值，包括：通过下述公式计算所述数据散点图中每个数据点之间的距离总值：其中，

噪声点优化模块，用于结合所述异常矩阵和所述离散数据点，确定所述标准化大数据中的噪声数据，提取所述噪声数据对应的数据信号，计算所述数据信号对应的信号稀疏值，并计算所述数据信号对应的信噪比，根据所述信噪比和所述信号稀疏值，查询所述噪声数据中的数据噪声点，提取所述数据噪声点对应的噪声特性，根据所述噪声特性，构建所述数据噪声点对应的噪声优化方案，根据所述噪声优化方案，执行所述数据噪声点的噪声优化处理，得到噪声优化处理结果；

其中，所述计算所述数据信号对应的信号稀疏值，包括：识别所述数据信号中的数据时域信号和数据频域信号，对所述数据时域信号进行傅里叶变换，得到变换数据信号；

根据所述变换数据信号和所述数据频域信号，对所述数据信号进行信号重构，得到目标数据信号；

计算所述目标数据信号对应的信号信息熵，将所述信号信息熵作为所述数据信号对应的信号稀疏值；

其中，所述计算所述目标数据信号对应的信号信息熵，包括：通过下述公式计算所述目标数据信号对应的信号信息熵：其中，