局部结构保持的全局监督图嵌入复杂系统监测数据可视化方法
【专利摘要】局部结构保持的全局监督图嵌入复杂系统监测数据可视化方法，属于复杂系统监测数据处理【技术领域】。本发明为了解决现有复杂系统监测数据维度高、尺度大、可视化难度大的问题。它包括以下步骤：采集复杂系统的m类n维监测数据，计算获得标签信息相同的监测数据与相互邻近的监测数据；再计算获得监测数据的同类权重矩阵和邻近权重矩阵，进而获得嵌入图的权重矩阵；再获得对角矩阵D和拉普拉斯矩阵L；最后根据特征映射公式计算获得线性映射矩阵A，进而获得m类n维监测数据xi在可视的二维或三维空间的映射，实现复杂系统监测数据的可视化。本发明用于复杂系统监测数据的可视化。
【专利说明】局部结构保持的全局监督图嵌入复杂系统监测数据可视化 方法
【技术领域】
[0001] 本发明涉及局部结构保持的全局监督图嵌入复杂系统监测数据可视化方法，属于 复杂系统监测数据处理【技术领域】。
【背景技术】
[0002] 目前，利用图嵌入数据方法对数据进行可视化的应用少见，对复杂系统监测数据 进行可视化未见报道。
[0003] 现有的图嵌入数据分析方法主要有局部线性嵌入（Locality Linear Embedding, LLE)、拉普拉斯特征映射（Laplacian Eigenmaps，LE)，以及局部保持映射（Locality Preserving Projection, LPP)算法。LLE存在邻近点参数选择的困难；LE算法是一种非线 性算法，对数据点之间结构保持不利；LPP算法是一种无监督方法，构建嵌入图时，仅仅考 虑数据的邻近结构。
[0004] 目前，随着国防以及国民经济建设发展的需要，各类航天器、航空器以及大型舰船 系统等典型复杂系统技术蓬勃发展。复杂系统运行过程中会产生大量的监测数据。对复杂 系统监测数据进行有效的分析，能够帮助操作人员了解复杂系统运行状态、检测故障以及 进行故障模式的判别，从而对复杂系统进行有效的管理和维护。对大型复杂系统数据进行 可视化分析是一种有效的方式，它利用人脑对图形的理解更加直观的特点，能够更加有效 地发掘数据中潜藏的有用信息。然而，复杂系统监测参量信息源丰富，需要对复杂系统的多 类型多参数进行测量；复杂系统运行时间长，复杂系统监测时间也随之增长，随之产生大量 监测数据。另外，监测获得的复杂系统数据往往含有一定的专家知识，具有标签信息。因此， 复杂系统监测数据具有维度高，尺度大的特性，可视化分析难度大。
【发明内容】
[0005] 本发明目的是为了解决现有复杂系统监测数据维度高、尺度大、可视化难度大的 问题，提供了一种局部结构保持的全局监督图嵌入复杂系统监测数据可视化方法。
[0006] 本发明所述局部结构保持的全局监督图嵌入复杂系统监测数据可视化方法，它包 括以下步骤：
[0007] 步骤一：采集复杂系统的m类η维监测数据Xi = Χρ x2,…，xm, Xi e Rn, i = 1，2,… m，R为实数；并构造监测数据Xi的映射图，获得标签信息相同的监测数据与相互邻近的监 测数据；
[0008] 步骤二：计算获得标签信息相同的监测数据的同类权重矩阵与相互邻近的监测数 据的邻近权重矩阵；
[0009] 步骤三：由同类权重矩阵和邻近权重矩阵计算获得嵌入图的权重矩阵；
[0010] 步骤四：由嵌入图的权重矩阵获得对角矩阵D，再由嵌入图的权重矩阵和对角矩 阵D计算获得拉普拉斯矩阵L ;
[0011] 步骤五：根据特征映射公式计算获得线性映射矩阵A，进而获得m类η维监测数据 Xi在可视的二维或三维空间的映射，实现复杂系统监测数据的可视化。
[0012] 步骤一中标签信息相同的监测数据的获得方法为：
[0013] 将映射图中标签信息相同的监测数据Xi建立连接关系，表示为 xi； Xj G Class (xj, Xj), j = 1, 2, ··· m ；
[0014] 步骤一中相互邻近的监测数据的获得方法为：
[0015] 将映射图中相互邻近的监测数据Xi建立连接关系，表示为Xi, Xj e KNN(Xi, Xj)。
[0016] 步骤二中同类权重矩阵W1U的获得方法为：
[0017] 采用指数方式，计算类别标签相同的两点连接边为两点距离的指数函数，否则为 0 ：
【权利要求】
1. 一种局部结构保持的全局监督图嵌入复杂系统监测数据可视化方法，其特征在于， 它包括以下步骤：
步骤一：采集复杂系统的m类η维监测数据 为实数；并构造监测数据Xi的映射图，获得标签信息相同的监测数据与相互邻近的监测数 据； 步骤二：计算获得标签信息相同的监测数据的同类权重矩阵与相互邻近的监测数据的 邻近权重矩阵； 步骤三：由同类权重矩阵和邻近权重矩阵计算获得嵌入图的权重矩阵； 步骤四：由嵌入图的权重矩阵获得对角矩阵D，再由嵌入图的权重矩阵和对角矩阵D计 算获得拉普拉斯矩阵L ; 步骤五：根据特征映射公式计算获得线性映射矩阵A，进而获得m类η维监测数据Xi在 可视的二维或三维空间的映射，实现复杂系统监测数据的可视化。
2. 根据权利要求1所述的局部结构保持的全局监督图嵌入复杂系统监测数据可视化 方法，其特征在于， 步骤一中标签信息相同的监测数据的获得方法为： 将映射图中标签信息相同的监测数据Xi建立连接关系，表示为Xi，\ e Class(Xi，Xj)， j = 1，2, ...m ; 步骤一中相互邻近的监测数据的获得方法为： 将映射图中相互邻近的监测数据Xi建立连接关系，表示为Xi，Xj e KNN(Xi，Xj)。
3. 根据权利要求2所述的局部结构保持的全局监督图嵌入复杂系统监测数据可视化 方法，其特征在于， 步骤二中同类权重矩阵W1U的获得方法为： 采用指数方式，计算类别标签相同的两点连接边为两点距离的指数函数，否则为〇 :
9 式中δ为调整参数； 步骤二中邻近权重矩阵12^的获得方法为： 采用指数方式，计算相互邻近的两点连接边为两点距离的指数函数，否则为〇 :
4. 根据权利要求3所述的局部结构保持的全局监督图嵌入复杂系统监测数据可视化 方法，其特征在于， 步骤三中计算获得的嵌入图的权重矩阵W为：
Wij为权重矩阵W中的元素。
5. 根据权利要求4所述的局部结构保持的全局监督图嵌入复杂系统监测数据可视化 方法，其特征在于， 步骤四中对角矩阵D中的元素 Dn为：
拉普拉斯矩阵L为
6. 根据权利要求5所述的局部结构保持的全局监督图嵌入复杂系统监测数据可视化 方法，其特征在于， 步骤五中线性映射矩阵A的获得方法为： 由特征映射计算公式XLXTap = λ XDXTap, p = 0, 1··· 1-1，式中X表示监测数据Xi的集 合，λ表示特征值的集合，计算获得线性映射矩阵A中的列向量％，…ai_i，式中1取值为2 或3, ％^依照其特征值λ ^〈…〈λ η的顺序进行排序； 复杂系统监测数据在低维空间的映射yi = yu y2,…ym，e Rl，根据= ΑΤχ?计算获 得复杂系统监测数据在低维空间的映射。
【文档编号】G06K9/64GK104063717SQ201410325740
【公开日】2014年9月24日 申请日期:2014年7月9日 优先权日:2014年7月9日
【发明者】彭宇, 李君宝, 印姗, 刘大同, 梁军 申请人:哈尔滨工业大学