[发明专利]一种基于FLCSS与k-medoids的卫星信号群体事件挖掘方法

说明书

本发明涉及一种基于FLCSS与k‑medoids的卫星信号群体事件挖掘方法，包括：提取每个信号发生各类事件对应的时间戳的时间序列数据，对不同信号时间序列数据进行相似度计算，得到相似度矩阵；对相似度矩阵进行k‑medoids聚类，得到若干聚类簇，对应若干个信号群体事件的划分。本发明通过对FLCSS算法使用动态规划从序列整体角度进行计算，在使寻找到的公共子序列尽量长的同时也使每对公共点距离尽量小，避免了原算法可能导致的每对公共点都处于距离阈值边界的不合理情况；对k‑medoids聚类的结果进行进一步的调优，最大限度的利用原始数据，补上被遗漏的簇，并剔除掉不属于任何簇的样本。

技术领域

本发明涉及通信技术领域，尤其涉及一种基于FLCSS与k-medoids的卫星信号群体事件挖掘方法。

背景技术

近年随着航空航天技术飞速发展，发射卫星数量快速增长，侦测的信号数据量也随之越来越大。另一方面计算机产业的迅速发展，软、硬件环境的改善为复杂算法的实现提供了良好的环境。所以使用计算机自动从大规模卫星信号数据中不断挖掘出有价值的信息，是大势所趋的发展方向。而对于群体相似行为事件的检测，就是其中的一个有重要价值的应用。

现有的群体相似行为检测，主要做法都是先提取其特征，定义样本间相似度衡量公式，然后使用聚类的方法。但对于时间序列的信号数据，因序列跨度、样本点个数不一，其相似度较难衡量。已有的方法中如贪婪算法难以从序列整体考虑，容易错过较优解，而RNN及其变种的神经网络类算法又缺乏稳定性，可解释性很差。

发明内容

本发明的目的在于克服现有技术的缺点，提供了一种基于FLCSS与k-medoids的卫星信号群体事件挖掘方法，解决了现有技术存在的不足。

本发明的目的通过以下技术方案来实现：一种基于FLCSS与k-medoids的卫星信号群体事件挖掘方法，具体包括以下内容：

对每个信号提取其发生各类事件对应时间戳的时间序列数据，对不同信号时间序列数据进行相似度计算，基于此相似度进行聚类，最终得到若干聚类簇，对应若干个信号群体事件的划分。

进一步地，所述卫星信号群体事件挖掘方法，包括如下步骤：

A、查询一个指定时间窗口的所有信号的id及其对应的事件类型、事件发生时间戳，按信号id将事件类型、事件发生时间戳进行归类，设查询到的信号id数量为N。将每个信号id对应的数据按事件类型进行归类，并分别按事件时间戳进行升序排序。

B、以“出联”事件类型为例，此时每个信号均有其“出联”事件时间戳序列数据，所有信号中两两之间利用此时间序列数据计算相似度，得到N×N的“出联”相似度矩阵。

C、其他事件类型仿照B步骤依次计算相似度矩阵，每个相似度矩阵乘以对应事件类型的权重得到新矩阵，之后将各新矩阵相加并归一化，得到N×N的最终相似度矩阵。

D、设最小质心数为2，最大质心个数max_k，第一个质心在样本内随机选择，其他质心使用kmeans++思想依次选择，即选择和已有质心相似度最大值最小的样本作为新质心。设limit1为一阈值，如果选出的质心和任一已有质心相似度均大于limit1则不再添加新质心，此时最大质心个数max_k更新为当前已有质心个数。

E、从最小质心数2到最大质心数max_k进行遍历，每个质心数生成cn组质心，生成方式为：第一组按kmeans++生成，剩余cn-1组随机生成。总共生成(max_k-2+1)×cn组质心。

F、利用相似度矩阵对每组质心分别进行k-medoids聚类，得到(max_k-2+1)×cn组结果，使用silhouette score选取最佳结果。

G、对F步最佳结果使用阈值limit2进行进一步优化，确定最终的各质心与对应簇内样本。