基于相似性度量的复杂系统监测数据的可视化方法
【专利摘要】基于相似性度量的复杂系统监测数据的可视化方法，属于复杂系统【技术领域】，本发明为解决复杂系统测试数据往往具有维度高、尺度大的特性，是典型的高维多元数据，可视化分析难度大的问题。本发明方法包括以下步骤：第一步：构造映射图；第二步：计算权重；第三步：特征映射，将复杂系统监测数据X为m类n维矩阵降维，将高维数据降到人眼可见的二维或三维，在可见空间中观察数据点之间的结构关系，从而实现高维数据可视化呈现。
【专利说明】基于相似性度量的复杂系统监测数据的可视化方法
【技术领域】
[0001] 本发明涉及一种高维数据降维的方法，属于卫星等复杂系统【技术领域】。
【背景技术】
[0002] 随着国防以及国民生产建设的需要，我国对各类航空、航天器或卫星等大型复杂 系统的需求越来越多，为了确保各类系统的高可靠性和长寿命，各类型号任务从设计、实 验、研制、生产以及运行的各个阶段，需要对大量的工程参量进行测量或监测，从而产生大 量甚至海量测试、监测数据，对这些测试数据进行有效的分析和挖掘，能够对系统运行状 态、健康状况进行综合的把握和评估，从而为系统的维护提供有效的信息支持。对大型复杂 系统测试监测数据进行可视化分析是一种有效的方式。可视化分析利用人脑对图形信息的 理解更加直观的特性，往往能够挖掘出一些常规方法无法挖掘到的信息。对复杂系统测试 监测数据进行可视化地呈现以及分析，能够直观地呈现系统运行状态、检测系统非正常状 态（异常或故障）、挖掘系统异常模式等，从而为系统的自动测试、诊断、预测以及健康管理 提供信息支持。然而，复杂系统测试数据往往具有维度高、尺度大的特性，是典型的高维多 元数据，可视化分析难度大。同时高维多元数据的可视化呈现和分析同时也是诸多领域共 同面临的难题。
【发明内容】
[0003] 本发明目的是为了解决复杂系统测试数据往往具有维度高、尺度大的特性，是典 型的高维多元数据，可视化分析难度大的问题，提供了一种基于相似性度量的复杂系统监 测数据的可视化方法。
[0004] 本发明所述基于相似性度量的复杂系统监测数据的可视化方法，该方法包括以下 步骤：
[0005] 步骤一、采集复杂系统监测数据，复杂系统监测数据X为m类η维矩阵，即nXm矩 阵X{xi, x2,…，xm}，Xi, X」e Rn, i, j = 1，2,…m，Xi, X」为η维列向量，Rn为η维实数集；
[0006] 步骤二、根据
【权利要求】
1. 基于相似性度量的复杂系统监测数据的可视化方法，其特征在于，该方法包括以下 步骤： 步骤一、采集卫星遥测数据，卫星遥测数据X为m类η维矩阵，即nXm矩阵X {Xl，^，… ，xm}，Xi, Xj e Rn, i, j = 1，2,…m，Xi, Xj 为 η 维列向量，Rn 为 η 维实数集； 步骤二、根据
求取权重矩阵W的第i行第j列因子Wy 根据构建权重矩阵
式中：σ为调节参数；Xi, Xj e C(Xi, χ」）表示Xi, χ」属于同一簇；S ，x;)表示 Xi, Xj不属于同一簇； 步骤三、根据= f 求取对角矩阵D第第i行第i列因子，根据Dn构建对角矩 阵
步骤四、根据公式L = D-W获取拉普拉斯矩阵L ; 步骤五、根据公式XLXTak = λ kXDXTak获取映射矩阵A的因子ak和特征值λ k，k = 0, 1，2, . . . .，1-1，根据特征值从小到大的顺序进行排序λ /IX λ η，矩阵因子ak按与特征 值对应的顺序构建映射矩阵A = (aQ, …，ak,…，aH)，1 = 2或3 ; 步骤六、根据映射矩阵A将卫星遥测数据X从m维空间降为1维空间，降维后的数据为 Y{yi，y2,…，ynJ，yi e r1，i = 1，2,…m，yi 为 1 维列向量，yi = ΑΤχ?，Rl 为 1 维实数集； 降维后的数据Υ对卫星遥测数据进行可视化呈现。
2. 根据权利要求1所述基于相似性度量的复杂系统监测数据的可视化方法，其特征在 于，Xi, Xj是否属于同一簇根据k-means算法进行判定。
3. 根据权利要求1所述基于相似性度量的复杂系统监测数据的可视化方法，其特征在 于，调节参数σ = 1〇6?1〇9。
【文档编号】G06F19/00GK104063622SQ201410323477
【公开日】2014年9月24日 申请日期:2014年7月8日 优先权日:2014年7月8日
【发明者】刘大同, 彭宇, 印姗, 梁军, 李君宝 申请人:哈尔滨工业大学