[发明专利]基于卫星故障诊断多源遥测大数据特征提取预处理方法

权利要求书

1.一种基于卫星故障诊断多源遥测大数据特征提取预处理方法，其特征在于，其步骤如下：

步骤一：利用重要属性核约减算法、区分网络约简方法和基于Hadoop的分块映射约简方法分别对卫星采集的异构数据、时空多序列数据、结构化与半结构化数据进行约减，实现对卫星采集的遥感数据冗余信息处理；

步骤二：分析约减后的遥感数据的变化特征，利用多维特征参数提取算法对故障的特征进行提取，建立多帧间的故障数据关联矩阵提取模型对关联故障特征进行提取；

步骤三：根据提取的数据特征，利用基于规则的推理方法诊断故障和预测趋势，或利用基于模型的推理方法进行故障推断。

2.根据权利要求1所述的基于卫星故障诊断多源遥测大数据特征提取预处理方法，其特征在于，所述重要属性核约减算法使用核作为计算约简的出发点，计算一个最好的或者用户指定的最小约简，具体实现方法为：初始化候选集Red为核属性：Red＝Core，Core表示约简的核心集；计算整个条件属性集的依赖程度fmax，置max＝0，当maxfmax，每次往候选集Red中加入新属性，即Red＝Red∪{i}，计算使候选集Red依赖系数最大的属性i；计算max＝Red的依赖程度，对于候选集Red的每个非核属性，去掉是否影响依赖系数，若否，则删除该非核属性；计算测量的属性值与候选集Red的必要属性的相似度d，再根据表示满足大于相似度d的截集进行属性或数据约简；相似度越大，则测量的属性与必要属性的偏差越小，说明这个测量属性是必要属性，否则，这个测量属性是不必要属性。

3.根据权利要求1所述的基于卫星故障诊断多源遥测大数据特征提取预处理方法，其特征在于，所述区分网络约简方法的实现方法为：令n表示算法迭代次数，置n＝0，把时空多序列数据输入到网络中的区分神经元，对每一个输入值x_j选择获胜的输出神经元h^*，即最小化竞争层中的结点的输出值设N(h^*)是获胜输出神经元h^*的近邻，对每一个输出神经元h∈{N(h^*),h^*}，调整更新权重ω_kj(n+1)＝f(ω_kj(n),η(n))，其中，η(n)＝η是学习率，f是权值调节函数，kj表示上一层的第k个神经元与本层的第j个神经元，更新权重后对其标准化；重复上述步骤，迭代的次数被置成n＝n+1直到满足迭代停止准则为止，得到的最终输出值为时空序列的约简值。

4.根据权利要求1所述的基于卫星故障诊断多源遥测大数据特征提取预处理方法，其特征在于，所述基于Hadoop的分块映射约简方法的实现方法为：对来自于独立数据源的数据进行清洗、格式转换操作后加载进入到物理数据仓库，数据的查询运行在数据仓库上；对于虚拟集成数据体系，数据保存在数据源；通过中间模式处理数据查询请求，自动加载查询相关的数据源中的数据，把面向数据仓库的数据集成作为虚拟集成数据体系中的一个数据源，通过中间虚拟模式与数据仓库应用之间的API接口来获取数据仓库中的各类数据。