1.一种面向序列采样的样本代表性计算方法,其方法包括如下步骤:
步骤一:计算跨度占比:计算采样子序列中的最大下标与最小下标之差加一后与全序列大小之比;
步骤二:计算采样比例:计算采样子序列元素个数除以全序列元素个数;
步骤三:计算序列熵:在一定的跨度及采样比例下,对序列的均匀程度进行数值上的度量;
步骤四:计算代表性:将步骤一至步骤三的三个量相乘即获得面向序列采样的样本代表性数值。
2.根据权利要求1所述的面向序列采样的样本代表性计算方法,其特征在于:所述子序列的代表性的计算方法如下:
(1)、全序列,用[0,1,2,…,n-1]表示,大小为n;
(2)、子序列,用[a0,a1,a2,...,am-1]表示,大小为m;
(3)、设定关于子序列代表性的技术性假设;
(4)、定义指标:跨度占比(spanratio)、采样比例(proportion)、序列熵(entropy);
(5)、定义子序列的代表性为上述三个指标的乘积,即representative=spanratio*proportion*entropy。
3.根据权利要求2所述的面向序列采样的样本代表性计算方法,其特征在于:所述设定关于子序列代表性的技术性假设包括:
(3.1)、子序列跨度越大,代表性越强,跨度定义为span=am-1-a0+1;
(3.2)、子序列元素越多,代表性越强;
(3.3)、同等跨度及元素个数下,子序列内部的元素越均匀,代表性越强。
4.根据权利要求2所述的面向序列采样的样本代表性计算方法,其特征在于:所述定义指标包括:
(4.1)、跨度占比(spanratio):span/n=(am-1-a0+1)/n,规定当采样数小于等于1时,跨度占比=m/n;
(4.2)、采样比例(proportion):m/n;
(4.3)、序列熵(entropy):给定跨度占比及采样比例条件下,子序列相邻元素之差的平方和的可能最小值除以当前子序列相邻元素之差的平方和,即entropy=minintervalquadraticsum/intervalquadraticsum。
5.根据权利要求2所述的面向序列采样的样本代表性计算方法,其特征在于:所述定义子序列的代表性为上述三个指标的乘积包括:
(5.1)、代表性是0~1之间的实数;
(5.2)、当子序列与全序列相同时,代表性取到最大值1;
(5.3)、子序列为空时,代表性取最小值0。