[发明专利]一种基于时序多变量数据的模式提取与演化可视分析方法

权利要求书

1.一种基于时序多变量数据的模式提取与演化可视分析方法，其特征在于，包含下列步骤：

S1：将待处理的数据样本点进行处理，建立时序多变量数据集合，通过异常检测算法筛选出常规点和异常点，所述S1，时序多变量实例X是一个向量序列，

X＝[x₁，x₂，...，x_T]∈R^D×T

其中，D是时序多变量实例中的变量个数，T是时间片长度，时序多变量数据是由多个时序多变量实例组成的集合，其中X_i是一个时序多变量实例，N是数据集中实例的个数，其中，表示为一个具有实例轴、属性轴和时间片轴的3D数组，执行步骤2；

S2：对常规点通过常规模式提取，对异常点通过异常模式下选择，执行步骤3；

S3：通过可视分析系统PEVis建立多个相互联动视图，通过前端交互进行展示；

所述S1中，所述异常检测算法包括有使用了三种异常检测算法，分别是基于距离的k近邻异常检测算法，基于密度的局部异常因子检测算法，以及基于集成学习的孤立森林算法；所述S3中，PEVis支持对时序多变量数据进行潜在模式提取与解释，通过设计目标建立全局概览投影视图和异常指标选择视图、潜在模式演化视图、特征时变视图和特征分布视图。

2.根据权利要求1所述的一种基于时序多变量数据的模式提取与演化可视分析方法，其特征在于，所述S2中，对常规点进行聚类，聚类能根据变量间相似性将常规的样本点划分成不同的簇，将每个簇定义为一种常规模式；针对异常点，对全局时间片进行切片，在不同的时间片上，为异常点分类，选择最接近的一种常规模式作为当前时间片上的潜在模式。

3.根据权利要求1所述的一种基于时序多变量数据的模式提取与演化可视分析方法，其特征在于，所述S3中，系统PEVis还包括有聚焦、刷选、放缩移动、参数设置和信息展示的交互功能。

4.根据权利要求1～3中任一项所述的基于时序多变量数据的模式提取与演化可视分析方法，其特征在于，所述方法用于空气质量指数监测数据集、居民消费价格指数数据集、金融数据集的挖掘和演化用途。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有一个或多个计算机程序，所述一个或多个计算机程序被一个或多个处理器执行时实现如权利要求1～4任一项所述的基于时序多变量数据的模式提取与演化可视分析方法。

6.一种基于时序多变量数据的模式提取与演化可视分析装置，其特征在于，包括：

一个或多个处理器；

计算机可读存储介质，其存储有一个或多个计算机程序；所述一个或多个所述计算机程序被所述一个或多个处理器执行时实现如权利要求1～4任一项所述的基于时序多变量数据的模式提取与演化可视分析方法。

7.一种基于时序多变量数据的模式提取与演化可视分析系统，其特征在于，系统包括数据处理单元、视图合成单元和交互单元，

通过数据处理单元构建时序多变量数据集合并分类常规点和异常点，

通过视图合成单元分别对常规点和异常点处理进行视图的整合，

通过交互单元展示各个视图并向用户提供交互功能，

系统预存在处理器中，计算机内包含有一个或多个处理器；

计算机可读存储介质，其存储有一个或多个计算机程序；所述一个或多个所述计算机程序被所述一个或多个处理器执行时实现如权利要求1～4任一项所述的基于时序多变量数据的模式提取与演化可视分析方法。