一种飞行数据异常模式相似性查询方法

摘要

本发明提出的一种飞行数据异常模式相似性查询方法，具体包括：步骤一、模式表示过程；步骤二、异常模式索引过程；步骤三、相似性查询过程。所述的飞行数据异常模式相似性查询方法利用基于重要点的模式表示技术，不仅降低了飞行数据维数，减少了相似性查询的计算量，而且有效剔除了飞行数据中的噪声干扰，提高了相似性查询的准确性和可靠性。且本发明提出的飞行数据异常模式相似性查询方法利用竞争聚类技术，获得了飞行数据异常模式的紧凑划分，使得索引结构简洁，提高了相似性查询的效率。

主权项

1.一种飞行数据异常模式相似性查询方法，其特征在于：具体包括以下几个步骤：步骤一、模式表示过程：（1）：飞行数据库中飞行数据序列X＝（x₁,x₂,…,x_n）的重要点集合为P＝｛x₁,x_n｝，其中x₁,x₂,…,x_n分别表示该飞行数据在不同时刻的值，n表示该飞行数据的维数，计算余下的n-2个飞行数据(x_k,k)到直线L(x₁,x_n)的距离d_k，其中，2≤k≤n-1，L(x₁,x_n)为连接(x₁,1)与（x_n,n）的直线；(x_k,k)表示飞行数据序列X中第k个时刻飞行数据的值x_k；当d_k＞δ，则P={x₁,x_n}∪{x_k}，其中δ为精度因子，获得筛选后的重要点集合P变为{x_g1,x_g2,…,x_gm}，g₁<g₂…<g_m；当d_k≤δ时，筛选后的重要点集合P中飞行数据个数不变；（2）：设非重要点集合S＝X-P＝｛x₁,x₂,…,x_n｝-P，计算非重要点集合S中任意点（x_m，m）到直线的距离dm，其中为连接与的直线；x_m∈S，（x_m，m）表示非重要点集合中第m个飞行数据值x_m，g_i≤m≤g_j；若d_m＞δ，则筛选后的重要点集合P变为{x_g1,x_g2,…,x_gm}∪x_m；若d_m≤δ，筛选后的重要点集合P不变；（3）判断通过步骤（2）筛选后的重要点集合P与进行筛选前的重要点集合P的元素个数关系，若筛选后的重要点集合P中元素的个数大于筛选前的重要点集合P中元素的个数，则返回步骤（2），进行下一次筛选；若筛选后的重要点集合P与筛选前的重要点集合P的元素个数相等，则筛选结束，得到最终筛选后的重要点集合P为飞行数据库中飞行数据序列X＝（x₁,x₂,…,x_n）的模式表示；步骤二、异常模式索引过程：（1）：知识库中含有p个关于飞行数据的异常模式，表示为其中Q表示该飞行数据异常模式的集合，表示该知识库中飞行数据的第k个异常模式，p表示知识库中该飞行数据异常模式的个数；（2）：利用竞争聚类方法将该飞行数据异常模式的集合进行分类，设所分的类别集合为B，分类后形成的各个子类分为β₁,β₂,…,β_V，B＝(β₁,β₂,…,β_V)，其中V为分类后形成的子类别个数；所述的竞争聚类方法具体为：设定类别值C，取C＝p，然后利用聚类技术进行分类，使C个类进行竞争，竞争后留下的类别为分类后形成的子类别；（3）：将异常模式的集合Q作为索引树的根节点，将β₁,β₂,…,β_V作为索引树中Q的子节点；（4）：将β₁,β₂,…,β_V中的包含的异常模式再以竞争聚类技术进行分类，然后将β₁,β₂,…,β_V分类后的子类别分别做为索引树中β₁,β₂,…,β_V的子节点；（5）：返回步骤（4）继续进行分类，直至最后分类后形成的每个子类别中只含有一个异常模式，最终获得异常模式的索引树；步骤三、相似性查询过程：（1）：设索引树自顶向下的层数为第0层、第1层…、第L层，计算重要点集合P到第一层的各个子节点所对应类的距离，得到与重要点集合P距离最短的子节点所对应的子节点β_k；（2）：计算重要点集合P到该子节点β_k的各个子节点所对应类的距离，得到与重要点集合P距离最短的子节点f_l；（3）：判断子节点f_l是否包含子节点，若子节点f_l包含子节点，则返回步骤（2），计算重要点集合P到子节点f_l的各个子节点所对应类的距离；若子节点f_l不包含子节点，则子节点f_l所对应的异常模式为与重要点集合P相似的模式。