تُعتبر بيانات السلاسل الزمنية في التطبيقات الصناعية والرعاية الصحية وأنظمة الطاقة عرضة بشكل متكرر للتلف نتيجة ضوضاء Gaussian وبعض القيم الشاذة ذات الانحراف الكبير. وفي هذه المجالات، تتطلب المهام التي تعتمد على الشكل المحلي، مثل تحليل شكل تخطيط القلب (ECG Morphology) ومراقبة تدهور البطاريات، دقة عالية في الاستعادة مع الحفاظ على القمم المشتقة والميزات الحرجة.

هنا تبرز أهمية تقنية Cascade-KDE، وهي إطار عمل مبتكر لاستعادة السلاسل الزمنية المتضررة دون الحاجة إلى تدريب مسبق. يقوم هذا المنهج أولاً بتقدير كثافة مؤقتة-سعتية ثنائية الأبعاد، ثم يطبق تقنية توقع المراكز المقطوعة (Density-Truncated Expectation) للحد من تأثير النقاط الشاذة البعيدة. أخيرًا، يتم تحسين تسلسل البيانات من خلال تسلسل أسّي مع توقف تكيفي.

تستهدف هذه التصميمات تحسين القوة أمام التلف الناتج عن الضغوط الشاذة، مع الحفاظ على السير المحلي للبيانات المستعادة. أظهرت نتائج عدة مجموعات بيانات معيارية أن هذه الطريقة تقدم تحسينات ثابتة مقارنة بالفلاتر التقليدية والنماذج المستندة إلى التعلم، وخاصة في الحفاظ على دقة المنحنيات والميزات المشتقة وكفاءة التشغيل.

تشير هذه النتائج إلى أن الاستعادة المعتمدة على الكثافة المحدودة تعتبر خيارًا فعالًا لمراحل ما قبل المعالجة التي تحافظ على الميزات في بيانات السلاسل الزمنية المشوشة.