[发明专利]一种基于时间序列特殊点的卫星遥测数据聚类方法

说明书

本发明提供了一种基于时间序列特殊点的卫星遥测数据聚类方法。步骤1：对原始时间序列序列集合X＝[X₁,X₂,…,X_l]，使用Zscore算法预处理；步骤2：使用SPSegmentation分割表示方法，提取每条原始时间序列X_i的所有特殊点，形成特殊点序列SPS_i＝[x_i(t_p1),x_i(t_p2),…,x_i(t_pk)]，来替代原始序列作为聚类输入；步骤3：对任意两条特殊点序列SPS_i和SPS_j进行对应时间位置补齐处理，且使两SPS中各元素对应次序的特殊点，在原始时间轴上时间位置对齐；步骤4：对已经成对对齐的特殊点序列，进行相似性系数计算。由于已经进行序列对齐，可适用于大多数相似性度量计算，最终得到PSPS_Dist相似性矩阵；步骤5：采用凝聚层次聚类算法，实现时间序列聚类。

技术领域

本发明涉及一种基于时间序列特殊点的卫星遥测数据聚类方法，属于时间序列聚类方法技术领域。

背景技术

卫星遥测数据是卫星在轨工作期间运营管理人员能够获取的有关卫星工作状态与健康状态的唯一根据。采用数据挖掘和机器学习等方法对卫星遥测数据进行自动化、智能化的分析，对于卫星在轨运营维护和健康管理具有重要的价值，是当前国内外航天领域研究的热点和挑战问题。然而，现有卫星遥测数据的分析大多建立在人工标记的基础上，缺乏自动的智能标记手段难以完成对大量数据的标记。

发明内容

本发明的目的是为了解决上述现有技术存在的问题，进而提供一种基于时间序列特殊点的卫星遥测数据聚类方法。亦即在卫星遥测数据聚类分析中，减少参与聚类的时间序列数据量；同时提升对卫星遥测数据聚类分析的质量，为后续实际卫星遥测数据分析提供良好的方法基础。

本发明的目的是通过以下技术方案实现的：

一种基于时间序列特殊点的卫星遥测数据聚类方法，步骤如下：

步骤1：对原始时间序列序列集合X＝[X₁,X₂,…,X_l]，使用Zscore算法预处理；

步骤2：使用SPSegmentation分割表示方法，提取每条原始时间序列X_i的所有特殊点，形成特殊点序列SPS_i＝[x_i(t_p1),x_i(t_p2),…,x_i(t_pk)]，来替代原始序列作为聚类输入；

步骤3：对任意两条特殊点序列SPS_i和SPS_j进行对应时间位置补齐处理，且使两SPS中各元素对应次序的特殊点，在原始时间轴上时间位置对齐；

步骤4：对已经成对对齐的特殊点序列，进行相似性系数计算。由于已经进行序列对齐，可适用于大多数相似性度量计算，最终得到PSPS_Dist相似性矩阵；

步骤5：采用凝聚层次聚类算法，实现时间序列聚类。

本发明在使用基于特殊点的数据时间序列的表示方法对卫星遥测数据进行特殊点提取的基础上，针对基于卫星遥测数据特殊点序列的聚类问题进行研究，提出一种基于时间序列特殊点的卫星遥测数据聚类方法，通过对特殊点序列进行成对补齐处理，将每一对特殊点序列进行并集处理，并且合并时间轴坐标，进行对应时间坐标的元素补齐。处理为成对等长特殊点序列，解决了不等长序列相似性度度量的局限性。成对补齐后的特殊点序列可以使用多种类型的相似性度量函数进行度量，得到相似性系数矩阵，最后使用层次聚类实现类别划分。本发明的方法有效减少了参与聚类的时间序列数据量，提升了聚类质量。

附图说明