[发明专利]一种多维数据自适应采集方法及系统

权利要求书

1.一种实施多维数据自适应采集方法的社交网络推荐控制系统，其特征在于，所述实施多维数据自适应采集方法的社交网络推荐控制系统用于实施多维数据自适应采集方法，所述多维数据自适应采集方法利用一维数据自适应采集算法，结合降维技术，实现多维数据采集的自适应调整，实现多维数据的采集；所述多维数据自适应采集方法主要过程包括：

步骤一，利用降维技术：对采集目标的多维数据进行降维，将多维数据降维到一维；

步骤二，利用原始多维数据降维得到的一维主成分，作为判断数据变化的基准数据，调整多维数据的采集频率，实现多维数据的自适应采集；

实现在当前大数据场景下的多维数据自适应采集；

所述多维数据自适应采集方法具体包括：

(1)数据采集的目标是Y_i＝(y₁，y₂，y₃，...，y_n)，其为多维数据，y_j(j＝1，2，3，...，n)是目标数据的每一维，其中i为t+1，t+2，t+3，...，t+N_r；其中t为某一个采集时间点，定义数据预测值为Y_i是实际值，N_r是实际采集次数，N_p是预测采集次数，并且N_p＝N_r；

(2)将多维数据降维到一维主成分，作为基准数据，此处主要利用PCA算法：

y_i＝PCA(Y_i)

(3)基于一维主成分计算目标数据实际值与预测值的均值如下：

(4)预测值和实际值的均值比用R_M表示：当R_M为1，表示数据基本没有变化；而当R_M明显大于1和小于1则代表目标数据值的变化大；

理论上讲，数据变化比也可用方差来计算，用R_D表示，计算过程如下所示：

(5)基于数据的变化比，数据采集过程的具体调整方法如下所示：

s.t.

其中T_i代表当前采样间隔，T_i-1代表前一个采样间隔，T_inc代表采样间隔的增加值；T_dec代表采样间隔的减少值，Thr_u和Thr_l是判断数据变化的阈值，当R_M大于Thr_l并且小于Thr_u，代表数据变化小，采集间隔应该增加T_inc；当R_M大于Thr_u或小于Thr_l，代表数据变化大，采集间隔应该减少T_dec；T_max和T_min代表数据采集间隔的最大值和最小值，也就是数据采集间隔的调整最大不能超过T_max，最小不能低于T_min，作为数据采集调整的约束条件；

上述公式具体计算过程中的每一个参数应该基于业务中所采集目标数据的统计分布特性来确定。

2.一种应用权利要求1所述实施多维数据自适应采集方法的社交网络推荐控制系统中的多维数据自适应采集方法的入侵检测系统。

3.一种应用权利要求1所述实施多维数据自适应采集方法的社交网络推荐控制系统中的多维数据自适应采集方法的服务质量评估系统。

4.一种应用权利要求1所述实施多维数据自适应采集方法的社交网络推荐控制系统中的多维数据自适应采集方法的信任管理系统。

5.一种应用权利要求1所述实施多维数据自适应采集方法的社交网络推荐控制系统中的多维数据自适应采集方法的任一业务应用系统。