[发明专利]有向网络下增强稀疏保持嵌入的动态过程监测方法

权利要求书

1.一种有向网络下增强稀疏保持嵌入的动态过程监测方法，其特征在于：包括以下步骤：

A、建立鲁棒的稀疏表示模型，求解稀疏重构矩阵C，给定数据集X＝[x₁,x₂,…,x_n]∈R^m×n，则稀疏表示的目标函数为：

min_C,E||C||₁+ε||E||₁

s.t. X＝X·C+E

1^TC＝1^T

式中，C∈R^n×n为稀疏重构矩阵，它的元素c_i＝[c_i,1,c_i,2,…,c_i,i-1,0,c_i,i+1,…,c_i,n]^T为n维的系数向量，E为离群误差，ε为正则化参数，||·||₁为L₁范式，1为元素全为1的列向量，通过稀疏表示，获得每个样本x_i的稀疏重构向量c_i；

B、根据稀疏重构矩阵，计算有向网络的概率路径值，获取动态网络的有效距离，表征有向网络的相似度连接矩阵W；

C、构建增强稀疏保持嵌入模型，不仅表征数据的拓扑结构，而且保持数据样本之间的相似信息关系，更好地描述动态过程的变化状态；

D、建立动态过程的监测模型：根据T²和SPE统计量，量化模型内外的变化情况，检测有向网络的故障。

2.根据权利要求1所述的一种有向网络下增强稀疏保持嵌入的动态过程监测方法，其特征在于：所述求解相似度连接矩阵的子步骤如下所示：

a、计算有向网路的概率路径值，表示为：

b、计算有向网路中i节点至j节点之间的有效距离，表示为：

d_ij＝1-logP_ij

所述有效距离反映了节点i至节点j之间小概率的路径值，则有大的距离；反之亦然；而且，所述有效距离是不对称的，即d_ij≠d_ji，说明了有向网络中的边缘故障也有较大的概率向网络中心层传输，进而被检测到；

c、构建有效网络的相似度连接矩阵，表示为：

式中，γ为参数宽度，所述相似度连接矩阵揭示了过程潜在的动态结构特性。