[發明專利]一種降低和展現流式大數據不確定性的系統

有效

• 申請號: 201711309625.6
• 申請日: 2017-12-11
• 公開（公告）號: CN108073697B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 巫英才;唐談
• 申請（專利權）人: 浙江大學
• 主分類號: G06F16/2455
• 分類號: G06F16/2455;G06F16/2458;G06F16/26
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 徐敏

1.一種降低和展現流式大數據不確定性的系統，其特征在于，包括：

數據采集與抽樣模塊，用于儲存包含不確定性的流式大數據，根據數據本身的屬性與時間戳以時間序列的形式進行組織儲存；

不確定性建模優化模塊，根據所述數據采集與抽樣模塊中的儲存數據隨時間變化的波動特征建立不確定性量化模型，并對不確定性量化模型進行求解，得到單個時間序列和時間序列集合的不確定性信息；所述不確定性量化模型采用概率分布和方差來對流式大數據的不確定性進行一個量化的描述；

可視化圖像模塊，用于可視化所述不確定性量化模型的不同層面的不確定性信息，包括：

個體層面，采用線條不透明度的變化來展現單個時間序列不確定性的時序變化；

全局層面，展現時間序列集合不確定性的時序變化；

人機交互模塊，用戶通過經驗對所述不確定性量化模型的參數進行調整；

所述不確定性量化模型采用概率分布和方差來對流式大數據的不確定性U_t進行一個量化的描述，公式如下：

其中，

時間序列從數據采集與抽樣模塊獲得；

f_t(l_k)表示被采樣時間序列集合在t時刻的概率分布，簡寫成f_t；

f_t-i表示被采樣時間序列集合在t-i時刻的概率分布；

l_k是數據采集與抽樣模塊儲存的時間序列；

是時間序列l_k在t時刻的值；

c_t是t時刻的時間序列集合總體置信度；

a_t是不確定性量化模型在t時刻的參數；

是糾正后的概率分布，可由t時刻之前的n個連續時刻的概率分布得到：

其中，

w_t是c_t在n個連續時刻置信度之和中的所占比例；

i是在t時刻之前的第i個時刻。

2.如權利要求1所述的降低和展現流式大數據不確定性的系統，其特征在于，對不確定性量化模型進行求解的具體過程為：

(a)初始化n個連續時刻的可信度

(b)更新優化概率分布其中

(c)更新可信度其中f(i)和分別表示概率分布f_t和在第i個時刻的概率值；

(d)重復(b)、(c)兩步直到U_t不再變化。

3.如權利要求1所述的降低和展現流式大數據不確定性的系統，其特征在于，所述可視化圖像模塊還包括局部層面，所述可視化圖像模塊還包括局部層面，用于降低不同時間序列因聚合而產生的局部不確定性。

4.如權利要求3所述的降低和展現流式大數據不確定性的系統，其特征在于，所述局部層面降低不同時間序列因聚合而產生的局部不確定性的具體過程如下：

將圖像中交叉重疊區域劃分為不同類型并提出不同約束條件，對于重疊區域D_o的像素點P_i提出優化約束條件一：

其中E_Do表示局部區域不確定性，通過計算該區域不同時間序列l_k的概率分布f(l_k)的信息熵得到：

對于非重疊區域D_n的像素點P_j提出優化約束條件二：

其中，P_j是非重疊區域D_n的j_th像素點的優化值，P′_j第j_th像素點的原值；

對于所選區域D_o與D_n的像素點P_i提出優化約束條件三：

其中，N_i是第i_th個像素點相鄰像素點P_j的集合；

新的圖像像素點灰度值通過求解下述公式得到：