[发明专利]基于时间趋势的融合显著性和敏感性来识别凸现问题的方法

权利要求书

1.一种采用非参数技术来进行时间趋势检测的方法，所述方法包括：

提供数据；

基于数据的敏感性和显著性两者来为数据分配顺序；

通过将数据分类到由平均位置排序限定的区段中来对排序数据进行统计排序，所述平均位置排序识别由区段提供的每个敏感性类别的数据的显著性；

将已经通过平均位置排序分类的统计排序数据进行聚类，以便检测数据中的变化；以及

基于所检测的变化来识别数据中的趋势。

2.根据权利要求1所述的方法，其中，为数据分配顺序包括将数据绘制成用于Kernel密度估计的直方图。

3.根据权利要求2所述的方法，其中，绘制数据包括使用下述方程：

f^h(x)=1NhΣi=1NK(x-xih)]]>

其中，是Kernel密度近似函数，K是Kernel函数，x是随机样本变量的ID样本，且h是带宽。

4.根据权利要求1所述的方法，其中，对排序数据进行统计排序包括基于出现次数将数据进行分类并且为数据的每个顺序分配位置权重。

5.根据权利要求4所述的方法，其中，对排序数据进行统计排序包括计算数据的顺序和数据的位置权重、基于数据的计算顺序和数据的位置权重来计算事件的出现概率、基于出现概率计算数据的平均位置顺序、以及基于出现概率和数据的位置权重来计算平均位置顺序。

6.根据权利要求1所述的方法，其中，检测数据中的变化包括从数据生成平均位置顺序矢量、从数据计算矢量对、计算数据中所有可能矢量对的距离、以及使用层次聚类来识别不同的趋势。

7.根据权利要求1所述的方法，其中，聚类统计排序数据包括采用多元假设检验程序。

8.根据权利要求7所述的方法，其中，多元假设检验程序计算数据的平均增长率、计数每个平均增长率的符号、估计每个过程计数类别的比例以及制定趋势的假设检验。

9.一种对包括维修代码的车辆质保数据进行时间趋势检测的方法，所述方法包括：

基于数据的敏感性和显著性两者来为数据分配顺序，包括将数据绘制成用于Kernel密度估计的直方图；

通过将数据分类到由平均位置排序限定的区段中来对排序数据进行统计排序，所述平均位置排序识别由区段提供的每个敏感性类别的数据的显著性，其中对排序数据进行统计排序包括基于出现次数将数据分类、为每个数据顺序分配位置权重、计算数据的顺序和数据的位置权重、基于数据的计算顺序和数据的位置权重来计算事件的出现概率、基于出现概率计算数据的平均位置顺序、以及基于出现概率和数据的位置权重来计算平均位置顺序；

将已经通过平均位置排序分类的统计排序数据进行聚类，以便通过采用多元假设检验程序来检测数据中的变化；以及

基于所检测的变化来识别数据中的趋势，以便识别凸现问题和过时问题。

10.一种用于数据的时间趋势检测的系统，所述系统包括：

基于数据的敏感性和显著性两者为数据分配顺序的装置，包括将数据绘制成用于Kernel密度估计的直方图；

通过将数据分类到通过平均位置排序限定的区段中来对排序数据进行统计排序的装置，所述平均位置排序识别由区段提供的每个敏感性类别的数据的显著性，其中对排序数据进行统计排序的装置基于出现次数将数据分类、为每个数据顺序分配位置权重、计算数据的顺序和数据的位置权重、基于数据的计算顺序和数据的位置权重来计算事件的出现概率、基于出现概率计算数据的平均位置顺序、以及基于出现概率和数据的位置权重来计算平均位置顺序；

将已经通过平均位置排序分类的统计排序数据进行聚类的装置，以便通过采用多元假设检验程序来检测数据中的变化；以及

基于所检测的变化来识别数据中的趋势的装置，以便识别凸现问题和过时问题。