[发明专利]一种列车海量监测大数据可视化趋势判别方法

权利要求书

1.一种列车海量监测大数据可视化趋势判别方法，其特征在于，具体按照以下步骤实施：

步骤1、列车监测数据集预处理；

所述步骤1具体按照以下步骤实施：

步骤1.1、利用线性插值法对列车监测数据集中的缺失数据进行补全处理：

其中，x₀，y₀，x₁，y₁为已知的列车监测数据，x为x₀和x₁之间的任何数据，y为x对应的插值数据；

步骤1.2、利用均值滤波对列车监测数据进行去噪处理与异常值填补：

其中，y_n为异常值填补处理后的值，y_n-2，y_n-1，y_n+1和y_n+2为异常点前后的监测数据；

步骤2、模型训练集和测试集的选取与构建；

所述步骤2具体按照以下步骤实施：

步骤2.1、以预处理后的列车轴温监测数据为研究对象，设定数据滑动窗口大小和滑动长度为N，绘制窗口内监测数据变化曲线直至全部数据绘制完成，共得到M₁张主图；

步骤2.2、对绘制的M₁张主图进行分割，将每一张数据变化曲线主图分割为M₂张子图，去除子图的边框与背景，使整图保留最多的有效信息，得到共M₁×M₂张子图；

步骤2.3、结合轴温监测数据实际变化规律，创建数据变化趋势的类别，基于创建的趋势变化类别，为步骤2.2生成的M₁×M₂张子图分类，给每一张图片手动添加标签；

步骤2.4、选取子图中70％的图片作为模型的训练集，30％的图片作为模型的测试集；

步骤3、分类模型训练；

所述步骤3具体按照以下步骤实施：

步骤3.1、选取训练集的图片，将图片缩放为256×256至1024×1024之间的任意尺寸；

步骤3.2、利用LBP算子提取训练集图像的分层纹谱特征，利用HOG算子提取训练集图像的边缘特征，对两种特征进行融合，得到融合特征；

步骤3.3、将融合后的训练集图像特征用于SVM多分类器的训练，得到列车监测数据图像趋势分类器；

步骤4、模型测试与优化；

步骤5、列车监测数据趋势分析与整合。

2.根据权利要求1所述的一种列车海量监测大数据可视化趋势判别方法，其特征在于，所述步骤4具体按照以下步骤实施：

步骤4.1、选取测试集的图片为研究对象，将测试集图片缩放至与训练集图片相同的尺寸；

步骤4.2、利用LBP算子和HOG算子提取测试集图像特征，对两种特征进行融合，得到融合特征；

步骤4.3、使用步骤3.3得到的列车监测数据图像趋势分类器，对步骤4.2生成的测试集融合特征进行测试，得到每一张趋势变化图片的分类判别结果；

步骤4.4、增减与调整训练集的图片集，提高列车监测数据图像趋势分类器的分类准确度。

3.根据权利要求2所述的一种列车海量监测大数据可视化趋势判别方法，其特征在于，所述步骤5为：

对列车监测数据子图像趋势判别结果进行整合，得到列车监测数据整体变化趋势。