[发明专利]基于时间序列的多维距离聚类异常检测方法及系统

摘要

本发明公开了一种基于时间序列的多维距离聚类异常检测方法及系统，属于航空安全技术领域，所述基于时间序列的多维距离聚类异常检测方法包含下列步骤：步骤一：对轨迹数据集进行预处理，所述预处理包括清洗和再整合；步骤二：计算轨迹间多维相似度；步骤三：对于上述多维Hausdorff距离，构造轨迹间相似性矩阵；步骤四：多维hausdorff距离的层次聚类算法；选择机器学习中的层次聚类算法基于上述相似性矩阵进行层次聚类；步骤五：检测算法的异常检测效果，构造出在速度、方向、经度、纬度上有异常的轨迹，通过上述层次聚类算法将异常轨迹与正常轨迹聚类，并选用正确率、精确率、召回率、F1值来评价聚类算法。

主权项

1.一种基于时间序列的多维距离聚类异常检测方法，其特征在于，包含下列步骤：/n步骤一：对轨迹数据集进行预处理，所述预处理包括清洗和再整合；具体为：/n使用正则表达式处理明显异常的数据，对于缺失值的数据，若某条数据有多个属性缺失值，选择直接删除该元组，对于各别数据的缺失，则使用平均值来补齐数据；之后，再根据所需特征，从轨迹数据集中到新表，从而达到数据格式标准化；/n步骤二：计算轨迹间多维相似度；具体为：/n轨迹数据表示为TR＝{P₁,P₂,…P_i,…,P_n}，其中P_i＝(lon_i,lat_i,v_i,θ_i,t_i)，lon_i，lat_i为轨迹点的经度和纬度值，v_i为轨迹点的速度，θ_i为轨迹点的方向，t_i为该轨迹点的时间戳信息；轨迹集合为T＝{TR₁,TR₂,…,TR_i,…,TR_n}，其中TR_i表示第i条轨迹数据；根据H(A,B)＝max(h(A,B),h(B,A))，将速度、方向、经度、纬度融合入Hausdorff距离公式中，计算任意两条轨迹之间的多维Hausdorff距离；/n步骤三：对于上述多维Hausdorff距离，构造轨迹间相似性矩阵；/n步骤四：多维hausdorff距离的层次聚类算法；选择机器学习中的层次聚类算法基于上述相似性矩阵进行层次聚类；具体为：/n首先根据n条轨迹数据构造n个类，每一类的平台高度均为0；/n其次合并距离最近的两类为新类，修改平台高度；/n再次计算新类与当前各类的距离，若类的个数已经等于1，生成具有层次结构的聚类图，否则继续合并类，并计算新类与各类的距离，直到结束；/n步骤五：检测算法的异常检测效果，构造出在速度、方向、经度、纬度上有异常的轨迹，通过上述层次聚类算法将异常轨迹与正常轨迹聚类，并选用正确率、精确率、召回率、F1值来评价聚类算法。/n