发明名称 |
一种时序数据异常特征的挖掘系统及方法 |
摘要 |
本发明公开一种时序数据异常特征的挖掘系统及方法,可以自适应获取具有明显周期性数据的最小完整周期,以此确定特征观察窗口;然后对观察窗口分别提取傅里叶特征、主成分分析特征、统计特征和小波特征;最后运用KT-Means方法分别对单一特征向量进行聚类,把各类型特征抽象表示成特征字符。用特征字符形式化表示时序数据特征可以较好地处理数据模糊匹配问题,并且有助于建立特征库实现对异常过程的快速判定和检索。本发明方法包含多种特征信息,有利于更加全面完整地认识时序数据异常过程,有助于提高时序数据异常监测和故障诊断系统的适用性和泛化能力。 |
申请公布号 |
CN105205112A |
申请公布日期 |
2015.12.30 |
申请号 |
CN201510551622.8 |
申请日期 |
2015.09.01 |
申请人 |
西安交通大学;中国西安卫星测控中心 |
发明人 |
鲍军鹏;樊恒海;杨天社;齐勇;张海龙;王小乐;高波;杨冬毅 |
分类号 |
G06F17/30(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
西安通大专利代理有限责任公司 61200 |
代理人 |
徐文权 |
主权项 |
一种时序数据异常特征的挖掘系统,其特征在于,包括数据预处理模块、自适应获取周期模块、获取特征向量模块、TK‑Means聚类模块和特征字符串生成模块;数据预处理模块,用于对原始时序数据进行清洗、插值处理,得到有效数据形式;自适应获取周期模块,用于自动识别获取数据预处理模块预处理后数据中周期数据的最小完整周期值;获取特征向量模块,用于对于周期数据按照其最小完整周期划分观察窗口,对于非周期数据按照指定值划分观察窗口,然后分别提取观察窗口的傅里叶特征、PCA特征、统计特征、小波近似特征和小波细节特征,构成5种类型的特征向量;TK‑Means聚类模块,用于对5种类型的特征向量分别进行TK‑Means聚类,并将得到的聚类结果表示成特征字符;特征字符串生成模块,用于根据聚类结果把观察窗口转换为对应特征向量所属簇的特征字符。 |
地址 |
710049 陕西省西安市咸宁西路28号 |