[发明专利]运动目标的关联规则分析方法及系统

权利要求书

1.一种运动目标的关联规则分析方法，其特征在于，包括：

每隔预设的采样间隔获取关于至少两个运动目标的特征数据表，所述特征数据表中保存有分别对应每个运动目标的运动特征和固有特征，所述固有特征包括可随时间发生变化的属性特征；

依次对预设时间段内的每个采样时刻，根据所述采样时刻及其上一采样时刻分别获取的特征数据表，得到变化趋势数据表，并对所述变化趋势数据表进行关联规则分析，得到所述采样时刻对应的第一关联知识；

整合所述预设时间段内所有采样时刻对应的第一关联知识，得到动态关联知识；

依次对所述预设时间段内的每个采样时刻，将所述采样时刻获取的特征数据表中的所有固有特征保存到固有特征数据表，并对所述固有特征数据表进行关联规则分析，得到所述采样时刻对应的第二关联知识；

整合所述预设时间段内所有采样时刻对应的第二关联知识，得到静态关联知识；

对所述动态关联知识和所述静态关联知识进行数据融合，得到关联规则知识。

2.根据权利要求1所述的方法，其特征在于，所述根据所述采样时刻及其上一采样时刻分别获取的特征数据表，得到变化趋势数据表包括：

依次对所述采样时刻获取的特征数据表中的每个运动特征，计算所述运动特征与上一采样时刻获取的特征数据表中的相应运动特征的差值，得到所述运动特征对应的第一差值；

依次对所述采样时刻获取的特征数据表中的每个固有特征，计算所述固有特征与上一采样时刻获取的特征数据表中的相应固有特征的差值，得到所述固有特征对应的第二差值；

根据所述特征数据表中的所有属性特征、所有运动特征对应的第一差值和所有固有特征对应的第二差值，得到所述变化趋势数据表。

3.根据权利要求2所述的方法，其特征在于，所述根据所述特征数据表中的所有属性特征、所有运动特征对应的第一差值和所有固有特征对应的第二差值，得到所述变化趋势数据表包括：

将所有属性特征保存到变化趋势数据表；

依次对所述特征数据表中的每个运动特征，当所述运动特征对应的第一差值大于0时，将通过所述运动特征的预设编码和1得到的变化趋势数据保存到变化趋势数据表；当所述运动特征对应的第一差值等于0时，将通过所述运动特征的预设编码和0得到的变化趋势数据保存到变化趋势数据表；当所述运动特征对应的第一差值小于0时，将通过所述运动特征的预设编码和-1得到的变化趋势数据保存到变化趋势数据表；

依次对所述特征数据表中的每个固有特征，当所述固有特征对应的第二差值为非0时，将通过所述固有特征的预设编码和1得到的变化趋势数据保存到变化趋势数据表；当所述固有特征对应的第二差值等于0时，将所述固有特征作为变化趋势数据保存到变化趋势数据表。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述对所述变化趋势数据表进行关联规则分析，得到所述采样时刻对应的第一关联知识包括：

利用所述变化趋势数据表，构建频繁模式树；

依次针对所述变化趋势数据表中的每个单项，对所述频繁模式树进行数据挖掘，得到所述单项对应的频繁项集；

去除所述频繁项集中的不包含属性特征的无用项和至少包括两个属性特征的矛盾项，得到所述单项对应的优化频繁项集；

根据所述变化趋势数据表中的所有单项对应的优化频繁项集，得到所述第一关联知识。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述对所述固有特征数据表进行关联规则分析，得到所述采样时刻对应的第二关联知识包括：

利用所述固有特征数据表，构建频繁模式树；

依次针对所述固有特征数据表中的每个单项，对所述频繁模式树进行数据挖掘，得到所述单项对应的频繁项集；

去除所述频繁项集中的不包含属性特征的无用项和至少包括两个属性特征的矛盾项，得到所述单项对应的优化频繁项集；

根据所述固有特征数据表中的所有单项对应的优化频繁项集，得到所述第二关联知识。