[发明专利]一种谷物产量图异常数据检测算法

权利要求书

1.一种谷物产量图异常数据检测算法，其特征在于，包括以下步骤：

步骤1：获取谷物产量图数据形成数据集，对数据集进行预处理，筛选出极异常值数据集合β₂以及非极异常数据集合β₁；具体包括：

步骤1-1：收割机在农田工作时采集获得谷物产量初始数据集α＝{x₀,x₁,x₂,...,x_n}，x₀,x₁,x₂,...,x_n分别为不同观测点的产量数据集，计算谷物产量初始数据集α的标准值范围[x_min,x_max]；

步骤1-2：以观测点地理位置的水平面上呈方形的局部空间来划定每一个观测点的空间邻域，设a＝4·x_max，判断谷物产量初始数据集α＝{x₀,x₁,x₂,...,x_n}中的每一个元素是否包含在[b,a]区间内，若x_i∈[b,a]则将该元素x_i放入非极异常数据集合β₁中，若则将该元素放入极异常数据集合β₂中，其中x_i∈{x₀,x₁,x₂,...,x_n}；

步骤2：采用四邻域法观测指标对非极异常数据集合β₁进行区域的划分，分别获取其较近邻域及产量值中位数；

步骤3：采用八邻域法观测指标对非极异常数据集合β₁进行区域的划分，分别获取其较远邻域及产量值中位数；

步骤4：将较近邻域的产量值中位数与较远邻域的产量值中位数作为观测点z_i的新的非空间属性数据，依次迭代获取所有观测点z_i的新的非空间属性数据，并形成数据集合γ；

步骤5：对数据集合γ中的数据进行DBSCAN密度聚类算法进行异常值检测并生成可视化三维图像。

2.根据权利要求1所述的谷物产量图异常数据检测算法，其特征在于，步骤2具体包括：

步骤2-1：设收割机每隔时间t输出某一观测点的产量数据，收割机的行驶速度为v，获取的空间上相邻两列产量数据的间距为d₁，同一列产量数据上的相邻两数据点的空间距离d₂＝v×t；

步骤2-2：根据越近越相似原则，取非极异常数据集β₁中的一观测点z_i为中心点，以z_i为圆心、d₁为半径得到z_i的较近邻域，获取该较近邻域的数据集合μ₁，计算数据集合μ₁中的产量值中位数z⁰，设c₀＝z_i-z₀。

3.根据权利要求1所述的谷物产量图异常数据检测算法，其特征在于，步骤3具体包括：

步骤3-1：取非极异常数据集β₁中的一观测点z_i为中心点，以z_i点为对角线交点得到长2d₁、宽2d₂的矩形区域，获取该矩形区域的数据集合μ；

步骤3-2：根据越近越相似原则，该矩形区域内距离z_i点最远的距离为将该矩形区域的数据集合μ减去较近邻域的数据集合μ₁得到z_i的较远邻域，获取该较远邻域的数据集合μ₂，计算数据集合μ₂中的产量值中位数z₁，设c₁＝z_i-z₁。