發(fā)布時(shí)間：2017-05-17 02:10

  本文關(guān)鍵詞：衛(wèi)星遙測數(shù)據(jù)的時(shí)間序列相似性度量方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：當(dāng)前,通過運(yùn)用數(shù)據(jù)挖掘?qū)πl(wèi)星遙測數(shù)據(jù)進(jìn)行分析和建模,支撐衛(wèi)星測試數(shù)據(jù)自動(dòng)判讀、狀態(tài)監(jiān)測和異常檢測、故障診斷和預(yù)測等,是航天領(lǐng)域研究的熱點(diǎn)和挑戰(zhàn)問題。然而,現(xiàn)有針對衛(wèi)星遙測數(shù)據(jù)的分析方法普遍建立在歐氏距離的基礎(chǔ)上,而采用歐氏距離進(jìn)行數(shù)據(jù)的相似性度量存在諸多的局限性,如:無法消除參數(shù)間強(qiáng)相關(guān)性的影響、難以實(shí)現(xiàn)異步度量等,因此,針對衛(wèi)星遙測數(shù)據(jù)分析中相似性度量方法的不足,本文開展面向衛(wèi)星遙測數(shù)據(jù)的時(shí)間序列相似性度量方法研究。首先,針對在衛(wèi)星遙測數(shù)據(jù)分析中采用歐式距離進(jìn)行時(shí)間序列之間相似性度量,存在不能消除參量之間的相關(guān)性影響以及難以實(shí)現(xiàn)異步度量等不足,研究能夠彌補(bǔ)現(xiàn)存局限的時(shí)間序列相似性度量方法,并采用與衛(wèi)星遙測數(shù)據(jù)特性相近的公開數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證,從而選取適用于單維和多維時(shí)間序列的候選時(shí)間序列相似性度量方法。其次,為了驗(yàn)證候選時(shí)間序列相似性度量方法針對衛(wèi)星遙測數(shù)據(jù)的有效性,將度量方法應(yīng)用至基于層次聚類和K近鄰(K-Nearest Neighbor,KNN)分類的異常檢測方法中,在實(shí)現(xiàn)衛(wèi)星遙測數(shù)據(jù)異常檢測的同時(shí),驗(yàn)證了基于動(dòng)態(tài)時(shí)間規(guī)整(Dynamic Time Warping,DTW)距離的異常檢測方法能夠識(shí)別差異性更小的序列異常模式。最后,設(shè)計(jì)能夠?qū)崿F(xiàn)數(shù)據(jù)挖掘算法動(dòng)態(tài)加載的數(shù)據(jù)挖掘軟件平臺(tái),應(yīng)用Matlab與C語言混合編程技術(shù)并結(jié)合數(shù)據(jù)挖掘軟件平臺(tái)的標(biāo)準(zhǔn)接口規(guī)范,完成相關(guān)的數(shù)據(jù)挖掘算法庫的開發(fā)與封裝,完成時(shí)間序列相似性度量方法的軟件應(yīng)用。實(shí)驗(yàn)驗(yàn)證結(jié)果表明,應(yīng)用針對衛(wèi)星遙測數(shù)據(jù)更為有效的相似性度量方法,能夠有效提升基于層次聚類和KNN分類的異常檢測方法的異常識(shí)別能力,同時(shí),所開發(fā)的基于時(shí)間序列相似性度量方法的算法庫具有較好的實(shí)際應(yīng)用價(jià)值。本文的研究工作為后續(xù)實(shí)際應(yīng)用奠定了良好的方法和應(yīng)用基礎(chǔ)。
【關(guān)鍵詞】：衛(wèi)星遙測數(shù)據(jù) 時(shí)間序列 相似性度量 異常檢測 混合編程
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：V557;TP311.13
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-18
• 1.1 課題背景及研究的目的和意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-16
• 1.2.1 衛(wèi)星遙測數(shù)據(jù)分析研究現(xiàn)狀9-11
• 1.2.2 時(shí)間序列相似性度量方法概述11-13
• 1.2.3 時(shí)間序列相似性度量方法研究現(xiàn)狀13-16
• 1.3 本文研究內(nèi)容與結(jié)構(gòu)16-18
• 第2章 時(shí)間序列相似性度量方法研究18-40
• 2.1 衛(wèi)星遙測數(shù)據(jù)特性分析18-23
• 2.1.1 衛(wèi)星遙測數(shù)據(jù)總體分析18
• 2.1.2 實(shí)際衛(wèi)星遙測數(shù)據(jù)分析18-20
• 2.1.3 衛(wèi)星遙測數(shù)據(jù)分段20-23
• 2.2 時(shí)間序列相似性度量方法23-28
• 2.2.1 馬氏距離23-24
• 2.2.2 DTW距離24-25
• 2.2.3 夾角距離25-27
• 2.2.4 改進(jìn)灰色關(guān)聯(lián)度27-28
• 2.3 時(shí)間序列相似性度量方法驗(yàn)證28-39
• 2.3.1 單維時(shí)間序列相似性度量方法驗(yàn)證28-35
• 2.3.2 多維時(shí)間序列相似性度量方法驗(yàn)證35-38
• 2.3.3 衛(wèi)星遙測數(shù)據(jù)相似性度量方法應(yīng)用分析38-39
• 2.4 本章小結(jié)39-40
• 第3章 基于異常檢測的相似性度量方法性能評估40-58
• 3.1 基本概念40-41
• 3.1.1 時(shí)間序列異常檢測概述40-41
• 3.1.2 衛(wèi)星遙測數(shù)據(jù)異常情況41
• 3.2 基于時(shí)間序列相似性度量的異常檢測算法41-47
• 3.2.1 基于層次聚類和KNN分類的異常檢測方法框架42-43
• 3.2.2 基于時(shí)間序列相似性度量方法的層次聚類43-44
• 3.2.3 基于時(shí)間序列相似性度量方法的KNN分類44-46
• 3.2.4 衛(wèi)星遙測數(shù)據(jù)異常檢測框架46-47
• 3.3 單維時(shí)間序列異常檢測應(yīng)用47-54
• 3.3.1 衛(wèi)星遙測異常數(shù)據(jù)仿真生成47-50
• 3.3.2 實(shí)驗(yàn)驗(yàn)證及評估50-54
• 3.4 多維時(shí)間序列異常檢測應(yīng)用54-57
• 3.4.1 實(shí)驗(yàn)設(shè)計(jì)54
• 3.4.2 實(shí)驗(yàn)結(jié)果54-57
• 3.4.3 實(shí)驗(yàn)分析57
• 3.5 本章小結(jié)57-58
• 第4章 時(shí)間序列相似性度量方法的軟件實(shí)現(xiàn)58-74
• 4.1 數(shù)據(jù)挖掘軟件平臺(tái)58-65
• 4.1.1 軟件平臺(tái)框架設(shè)計(jì)58-59
• 4.1.2 數(shù)據(jù)挖掘算法庫59-62
• 4.1.3 基于Hadoop的數(shù)據(jù)庫62-63
• 4.1.4 可視化呈現(xiàn)63-64
• 4.1.5 數(shù)據(jù)挖掘算法流程圖64-65
• 4.2 Matlab與C混合編程技術(shù)65-68
• 4.2.1 現(xiàn)有混合編程技術(shù)65-66
• 4.2.2 混合編程技術(shù)分析66-67
• 4.2.3 混合編程實(shí)現(xiàn)67-68
• 4.3 基于時(shí)間序列相似性度量方法的算法庫68-73
• 4.3.1 算法庫需求分析68
• 4.3.2 算法庫功能設(shè)計(jì)68-69
• 4.3.3 算法庫總體設(shè)計(jì)69
• 4.3.4 算法庫詳細(xì)設(shè)計(jì)69-70
• 4.3.5 算法庫測試70-73
• 4.4 本章小結(jié)73-74
• 結(jié)論74-76
• 參考文獻(xiàn)76-82
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果82-84
• 致謝84

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 劉懿;鮑德沛;楊澤紅;趙雁南;賈培發(fā);王家欽;;新型時(shí)間序列相似性度量方法研究[J];計(jì)算機(jī)應(yīng)用研究;2007年05期

2 肖瑞;劉國華;;基于趨勢的時(shí)間序列相似性度量和聚類研究[J];計(jì)算機(jī)應(yīng)用研究;2014年09期

3 李犟;李緒志;;高速衛(wèi)星遙測數(shù)據(jù)處理系統(tǒng)的設(shè)計(jì)方案[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 邱明;語義相似性度量及其在設(shè)計(jì)管理系統(tǒng)中的應(yīng)用[D];浙江大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 陳然;基于相似性分析的時(shí)間序列異常檢測研究[D];西南交通大學(xué);2011年

  本文關(guān)鍵詞：衛(wèi)星遙測數(shù)據(jù)的時(shí)間序列相似性度量方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：372350