[发明专利]基于B-Spline曲线的时序流事件模板构建方法

权利要求书

1.基于B-Spline曲线的时序流事件模板构建方法，其特征在于，

首先利用线性变换对同类事件进行归一化处理，然后通过平均值法确定B-Spline输入事件，通过遗传方法确定B-Spline输入事件的控制节点，从而进行事件模板的构建；

所述的事件：流式数据上的事件是指由异常点发起，并持续一段时间的连续异常数据的集合，表示为E＝(e1,e2,e3...en)，其中e_i代表事件中的某个异常数据点，为给定的阈值范围，

在事件的基础上，提取出事件的特征，这种特征规律称为事件模板；所述的事件模板：流式数据事件可分为不同的类型，同一类型的事件通常具有相同或相似的特征规律，这些特征规律称为该类事件的事件模板。

2.根据权利要求1所述的基于B-Spline曲线的时序流事件模板构建方法，其特征在于，具体步骤为：

步骤1)矿山流式数据事件归一化处理，事件漂移后使得感知器对同一事件的感知存在时间和幅度上的差异，这种差异导致不能使用原始的事件进行模板构建；因此，通过线性变换和平均值法，实现矿山灾害流式大数据事件的归一化处理；

步骤2)对归一化处理后的矿山灾害事件进行编码，采用相应的适应度函数来进行事件序列的筛选，采用杰出策略来将当前最优事件序列直接传递给下一代，其余事件序列采用轮盘赌的方式做出选择，采用随机方法来复制对象；事件序列集合中的事件序列以一定的概率进行交叉变换，变异后的事件序列能使得节点矢量分布更加均匀，由此进行事件模板的构建。

3.根据权利要求2所述的基于B-Spline曲线的时序流事件模板构建方法，其特征在于，所述的步骤1)中，具体方法为：

1-1)确定矿山灾害基本尺度事件：

由于矿山灾害流式数据事件突发的普遍性，将会产生大量相同类型的事件，而矿山灾害基本尺度事件作为参照事件，表示其它事件都要进行线性变换到这个矿山灾害基本尺度事件的尺度下，设有m个事件，异常数据点ei为：

矿山灾害基本尺度事件为Ebasic，则basic＝i，其中i为

其中，E_avg称为矿山灾害平均事件，代表m个矿山灾害事件的平均特征，Eavg＝(e1,e2,e3...en)；其相应位置上的数据点是m个矿山灾害事件相应位置数据点的平均值；利用余弦相似性度量确定矿山灾害基本尺度事件，选择与矿山灾害平均事件相似性最大的事件作为矿山灾害基本尺度事件；求得与矿山灾害平均事件E_avg差值绝对值最小的作为矿山灾害基本尺度事件，设求出的矿山灾害基本尺度事件为事件1；

1-2)矿山灾害事件的基本尺度度化：

获得1-1中煤矿灾害基本尺度事件后，要进行煤矿灾害事件的基本尺度化处理，将其它事件通过线性变换变换到基本事件的尺度下，由于线性变换前要求得变换矩阵，故使得所有事件的前三个点经过变换后与基本尺度事件的前三个点重合；Ebasic为矿难灾害基本尺度事件，从众多未尺度化的事件中选取一个事件抽取为待变换事件E，设变换矩阵为P，则有PE＝Ebasic，根据E，Ebasic前三个点a1,a2,a3,b1,b2,b3,其中a1,a2,a3∈E，b1,b2,b3∈Ebasic；可以得到四个向量：

x₁＝a₂-a₁

x₂＝a₃-a₂

Y₁＝b₂-b₁

Y₂＝b₃-b₂

求解方程P(X1,X2)＝(Y1,Y2)可以确定变换矩阵P；分别计算a4，a5，……an经过线性变换P后的点a4’a5’...an’,计算公式如下：

P(a4-a3)＝a4’-b3求得a4’

P(a5-a4)＝a5’-a4’求得a5’

……

P(ai-ai-1)＝ai’-ai-1’求得ai’

经过运算后，事件E经过线性变换P后就变成了事件E’(b1,b2,b3,a4’,a5’...ai’)，经过变换后a1,a2,a3和b1,b2,b3重合；

利用此方法对剩下的未尺度化的事件进行相同的操作，将全部未尺度化的事件变换到与Ebasic同一个尺度下；

1-3)平均值法确定事件归一化数据点：

经过基本尺度化变换后的事件处于同一个尺度下，前三个点重和在一起，而后面的其它点则分布在某个范围之内，利用平均值法求得相应位置上的数据点作为B-Spline输入曲线的数据点；其中，Ebasic为基本尺度事件，E1,E2...Em为经过尺度变换后的事件，ai1,ai2,ai3分别等于b1,b2,b3；令

求得后面B-Spline的标准拟合事件为E＝(b1,b2,b3,a4,a5,a6...an)；

经过平均值法处理后，相应位置上的聚集点群变成单点，作为B-Spline输入曲线上相应位置的点，B-Spline输入曲线保留了同一类事件的特征。

4.根据权利要求2所述的基于B-Spline曲线的时序流事件模板构建方法，其特征在于，所述的步骤2)中，具体方法为：

2-1)矿山灾害事件编码方案：

由于是从标准拟合事件E＝(e1,e2,e3...en)选取m个控制顶点，所以采用二进制编码，将事件E＝(e1,e2,e3...en)映射为一个二进制串S＝S1S2S3...Sn，S称为事件序列，其中Si对应事件E中的ai，具体映射方法为：当Si为1时，说明ai被选中当作控制点，当Si为0时，说明ai没有被选中当作控制点；

2-2)矿山灾害事件适应度函数：

由2-1)得到大量的标准拟合事件序列，采用如下适应度函数来进行事件序列的筛选，适应度函数如公式(3)所示：

其中，error代表控制节点采用标准拟合事件序列的B-Spline曲线拟合误差，α为上一代满足条件的个体事件的平均误差，α初始为零，ε代表B-Spline曲线拟合误差与上一代平均误差范围阈值。可以看出，当曲线拟合误差与平均误差的差值在合理范围内，即ε，事件的适应度函数为1，则要保留这个事件；反之，当事件的适应度函数为0时则抛弃这个事件；每当事件集合的迭代次数为10的倍数时，将ε设置为ε/2；当误差范围ε趋近于零的时候，得到的事件种群就是要寻找的最优解解集，也就是欲得到的控制顶点事件序列所在的解集，选取最优解解集中误差最小的事件序列作为最终的标准拟合矿山灾害事件的控制顶点。

2-3)选择算子：

采用杰出策略来将当前最优事件序列直接传递给下一代，其余事件序列采用轮盘赌的方式做出选择，也就是采用随机方法来复制对象；当两个事件序列误差一样的情况下，控制点较少事件序列会被优先选取；当控制点相同的情况下，控制点分布均匀事件序列会被优先选取；在流式数据的事件模板构建过程中，要保存同一类事件的大部分信息并且使得计算量较少，就要在给定误差下使得控制节点均匀分布并且数量较少；

2-4)交易变异：

假设事件序列集合中的事件序列以Pc概率进行交叉变换，确定下来的事件序列为a1,b1，经过单点交叉变换后的个体为a2,b2，采用零序列优先交叉原则，即如果一个事件序列中存在连续的零序列，那么这个零序列就有可能进行交叉变换；在原有的随机概率变异的基础上，根据实际情况增加了密集序列变异规则，当一个事件序列中有超过三个连续的0或连续的1序列时，那么这个序列中就会有一个基因会发生变异，对于连续的1序列或0序列，将其中某个点由1变为0或由0变为1；变异后的事件序列能使得节点矢量分布更加均匀，再进行事件模板的构建。