[发明专利]基于相关性度量的复杂系统监督图嵌入结构化数据可视化监测方法

说明书

技术领域

本发明涉及复杂系统监督图嵌入结构化数据监测方法。

背景技术

目前，利用图嵌入数据分析方法对数据进行可视化分析的应用少见，对复杂系统运行监测数据或试验测试数据进行可视化分析未见报道。

现有的图嵌入数据分析方法主要有局部线性嵌入(Locality Linear Embedding，LLE)、拉普拉斯特征映射(Laplacian Eigenmaps，LE)以及局部保持映射(Locality Preserving Projection，LPP)算法。LLE存在邻近点参数选择的困难；LE算法是一种非线性算法，对数据点之间结构保持不利；LPP算法是一种无监督方法，构建邻近图时，存在参数选择困难等问题。

发明内容

本发明是为了解决现有对复杂系统监督图嵌入结构化数据难以实现可视化监测的问题，从而提供一种基于相关性度量的监督图嵌入结构化数据可视化监测方法(Supervised Graph Embedding based on Correlation,SGEC)。

基于相关性度量的复杂系统监督图嵌入结构化数据可视化监测方法，它由以下步骤实现：

步骤一、采集复杂系统数据X，所述复杂系统数据X为m类n维数据矩阵，即：n×m矩阵：{x₁,x₂,…,x_m}，x_i,x_j∈Rⁿ,i,j＝1,2,…m，x_i,x_j为n维列向量，Rⁿ为n维实数集；

步骤二、根据步骤一中复杂系统数据X的标签信息以及相关性进行构图，获得步骤一中复杂系统数据X的映射图；

步骤三、根据步骤二获得的复杂系统数据X的映射图，通过公式：

Wij=Cov(xi,xj)/σiσj,xi,xj∈Class(xi,xj)0,xi,xj∉Class(xi,xj)]]>

获得该映射图的权值矩阵W_ij；

其中：为x_i与x_j的协方差，而σ_i、σ_j分别为x_i、x_j的标准差；

步骤四、根据公式：