[发明专利]一种基于剪枝条件的不确定数据序列扫描方法及系统

权利要求书

1.一种基于剪枝条件的不确定数据序列扫描方法，设数据集D中有N个不确定数据序列，每个序列包含m个样本，给定查询序列Q和结果集大小k，其特征在于，包括以下步骤：

S1：计算数据集D中所有不确定序列X_i的所有样本与查询序列Q的距离将距离与样本所属不确定序列编号保存在samples数组中，使samples[(i-1)*m+j]·i＝i，

S2：以distance为键值，对samples数组的元素建立小顶堆heap；

S3：初始化长度为N的scanned数组和res数组，使其所有元素为0，初始化变量logp＝N*lnm；

S4：初始化大小为k的数据结构answer；

S5：循环从小顶堆heap的堆顶取元素直到堆空，每步执行如下过程：

S51：令当前元素为sample，i＝sample.i，dis＝sample.distance；

S52：计算当前样本对所属的不确定序列X_i的最邻近概率P_NN(Q，X_i)的贡献e^{logp-ln(m-scanned[i])-N*lnm}，将其更新累加到res数组的对应元素res[i]中；

S53：以(i，res[i])更新数据结构answer；

S54：更新scanned数组的对应元素，使scanned[i]+＝1；

S55：判断scanned[i]是否与m相等，若是，则跳出循环结束扫描过程；

S56：更新变量logp+＝ln(m-scanned[i])-ln(m-scanned[i]+1)；

S57：在扫描的每步中，当前任意不确定序列X_i的已累加概率res[i]与它最邻近概率满足不等式：

0≤P_NN(Q，X_i)-res[i]≤e^logp-N*lnm

因此，对于任意两个不确定序列X_i1和X_i2，若存在：

res[i1]-res[i2]＞e^logp-N*lnm

则有：

P_NN(Q，X_i1)≥res[i1]＞res[i2]+e^logp-N*lnm≥P_NN(Q，X_i2)

即只要res数组中第k大和第k+1大的元素之间的差超过e^logp-N*lnm，那么最邻近概率前k大和第k+1大之间的差值diff，判断diff＞e^logp-N*lnm是否成立，则跳出循环结束扫描过程；

S6：获取数据结构answer中维护的答案。

2.根据权利要求1所述的一种基于剪枝条件的不确定数据序列扫描方法，其特征在于，在所述步骤S57中扫描的每步中，res[i]的增加量为：

e^{logp-ln(m-scanned[i])-N*lnm}

其与e^logp-N*lnm的减少量相同，因此，概率的累加为是来自e^logp-N*lnm的分配。

3.根据权利要求1所述的一种基于剪枝条件的不确定数据序列扫描方法，其特征在于，在所述步骤S6中，所述数据结构answer维护着当前最大的k+1个已累加概率以及它们对应的不确定序列编号，其中包含以概率p为键值的小顶堆answer.heap，将编号i映射到堆中节点的映射表answer.map，以及当前大小answer.size。