[發明專利]一種面向海洋多維數據的可視分析系統及方法

在審

• 申請號: 201911028296.7
• 申請日: 2019-10-28
• 公開（公告）號: CN110909067A
• 公開（公告）日: 2020-03-24
• 發明（設計）人: 王雨思;陳可道
• 申請（專利權）人: 中南大學
• 主分類號: G06F16/26
• 分類號: G06F16/26;G06F16/28
• 代理公司: 長沙星耀專利事務所(普通合伙) 43205
• 代理人: 寧星耀

1.一種面向海洋多維數據的可視分析方法，其特征在于，所述面向海洋多維數據的可視分析方法包括：

第一步，通過海洋數據采集模塊利用海洋監測設備采集海洋多維數據：

(1.1)從海洋多維數據集中隨機選擇第數據x＝(2，2，2，4)，計算x和海洋多維數據集中其他數據項的距離；并按照數據項分別對已計算出的距離值進行求和；第一次計算距離值和為本身；計算各個距離值和與其均值之差的平方和：

(12.40967-9.9436)²+(16.27882-9.9436)²+(0-9.9436)²+(1.414214-9.9436)²+(13.34166-9.9436)²+(16.21727-9.9436)²＝268.7479；

(1.2)根據距離值和從小到大對數據集海洋多維數據集進行排序，從排序結果中選擇最后一項數據x＝(4，16，3，12)，計算x和海洋多維數據集中其他數據項的距離，然后按照數據項分別對已計算出的距離值進行求和，計算各個距離值和與其均值之差的平方和：(23.22632-19.0037)²+(16.27882-19.0037)²+(16.27882-19.0037)²+(17.5697-19.0037)²+(22.00191-19.0037)²+(18.66676-19.0037)²＝43.83961；由于43.83961小于之前均差平方和268.7479，繼續進行聚類；

(1.3)再根據距離值和從小到大對數據集海洋多維數據集進行排序，從排序結果中選擇最后一項數據x＝(10，9，7，8)，計算x和海洋多維數據集中其他數據項的距離，然后按照數據項分別對已計算出的距離值進行求和，計算各個距離值和與其均值之差的平方和：(23.22632-26.9771)²+(27.09547-26.9771)²+(28.68849-26.9771)²+(28.97145-26.9771)²+(25.16419-26.9771)²+(26.71664-28.9771)²＝27.30129；由于27.30129小于之前均差平方和43.83961，繼續進行聚類；

(1.4)根據距離值之和從小到大對數據集海洋多維數據集進行排序，從排序結果中選擇最后一項數據x＝(3，2，3，4)，計算x和海洋多維數據集中其他數據項的距離，然后按照數據項分別對已計算出的距離值進行求和，計算各個距離值和與其均值之差的平方和：(34.62807-58.20246)²+(43.25096-58.20246)²+(30.102704-58.20246)²+(28.97145-58.20246)²+(37.654192-58.20246)²+(44.68536-58.20246)²＝16395.68393；

由于16395.68393大于之前均差平方和27.30129，停止進行聚類，得到的海洋聚類結果；

(1.5)選取若干個海洋聚類結果的特征參數CP，包括海洋聚類結果信號的頻率F、時間T、對于觀測點空域角度Θ、極化方向Γ、以及編碼方式C，并將參數作為坐標軸建立海洋多維坐標系，對于坐標系的各個坐標軸，分別根據各個聚類特征參數的分辨率確定對應坐標軸的單位量，基于坐標系建立多維特征參數的空間模型,定義為海洋聚類空間：HS_I＝SPACE(CP₁,CP₂…CP_N)，在此海洋聚類空間中的任意一個矢量由坐標進行表示：

其中CP_i為矢量在海洋聚類空間中某一維度的坐標，是對于特征參量CP_i的具體取值，對于單模的海洋聚類結果，在海洋聚類空間中表示為一個單一矢量：

對于多模的海洋聚類結果，即海洋聚類結果的一個或者數個特征參數表現為具有多值特性，在海洋聚類空間中使用聚類特征矢量的集合表示：

所述在選取的若干個海洋聚類結果特征參數之前需要確定海洋聚類結果和參照信號在海洋聚類結果領域上的物理參數，包括海洋聚類結果信號的頻率F、時間T、對于觀測點空域角度Θ、極化方向Γ、以及編碼方式C；

用特征參數作為坐標軸建立空間坐標系，定義海洋聚類空間為：

HS_I＝SPACE(F,T,Θ,Γ,C)；

海洋聚類空間中的任意一個矢量由聚類特征空間中的坐標進行表示：

其中的f，t，θ，γ，c分別是對應于各個維度的坐標值；

第二步，主控模塊通過數據校正模塊利用校正程序對采集的海洋多維數據進行校正：

(2.1)對海洋聚類結果圖像數據的每列數據做1維離散傅立葉變換，得到海洋多維數據頻域圖像F_{col_gray}；

(2.2)然后對F_{col_gray}進行funnel變換，即對F_{col_gray}的每行圖像數據R_i，進行如下的插值變換，得到圖像fun_F_{col_gray}：

H表示海洋聚類結果圖像數據的高度，i表示行號，W表示gray的寬度，W(r)表示求第r行圖像的寬度，R_i表示變換前的第i行圖像，R′_i表示變換后第i行圖像；然后再對fun_F_{col_gray}圖像每行數據依次進行1維逆離散傅立葉變換，得到最終校正后的海洋多維數據圖像IF_row_fun_F_{col_gray}；

圖像IF_row_fun_F_{col_gray}中的峰值點代表原灰度圖gray中的直線，直線形式y＝kx+b，k為斜率，b為截距，在IF_row_fun_F_{col_gray}圖中找到的峰值點為p(x_p,y_p)，則由峰值點到直線公式的映射為：k＝1-2x_p/W，b＝y_p。