[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

本發明屬于海洋多維數據的可視分析技術領域，公開了一種面向海洋多維數據的可視分析系統及方法，面向海洋多維數據的可視分析系統包括海洋數據采集模塊、主控模塊、數據校正模塊、數據清洗模塊、數據轉化模塊、可視化模塊、分析模塊、共享模塊、云存儲模塊、顯示模塊。本發明通過數據清洗模塊解決了批處理方式數據清洗算法無法適用于數據流的問題；通過共享模塊采用全新的去中心化系統架構與計算范式設計海洋數據資源共享應用模式，基于區塊鏈技術，構建海洋數據資源共享區塊鏈，針對現存問題形成突破，實現海洋數據的自由發布、自主發現、靈活交付，交易過程安全可控、全面監管，為海洋大數據安全共享與交易提供堅實的保障。

技術領域

本發明屬于海洋多維數據的可視分析技術領域，尤其涉及一種面向海洋多維數據的可視分析系統及方法。

背景技術

海洋數據資料浩如煙海.它涵蓋了海底地形數據、海洋遙感資料、船測數據、浮標資料、模式同化資料等諸多方面。這些海洋數據資料具有海量性、多類性、模糊性及時空過程性等特點.原始的海洋數據資料不能直接用于分析和挖掘，因此在對數據進行挖掘前要預先對數據進行清洗、轉換、選擇等預處理。其后的海洋數據挖掘，常用的算法有回歸算法、統計分析、聚類分析、關聯規則挖掘等。關聯數據挖掘是能夠有效地發現數據潛在的規律；聚類分析是一種不依賴于預先定義的類和帶類標號的訓練數據的非監督學習，實現了在未知類別標簽樣本集的非監督學習.回歸分析是一個統計預測模型.用以描述和評估應變量與一個或多個自變量之間的關系。本章主要介紹海洋數據特征和海洋數據處理及挖掘技術的基本原理和方法。然而，現有面向海洋多維數據的可視分析系統清洗數據時針對類型單一的靜態數據提出，無法滿足數據的實時性要求；對缺失值和異常點進行單獨處理，最少需要掃描數據兩遍，不適用于流數據；同時，海洋數據的共享服務存在著系統性能低下，平臺間無法互通，安全性和可信性無法保證，共享記錄無法追溯的問題。

綜上所述，現有技術存在的問題是：

現有面向海洋多維數據的可視分析系統清洗數據時針對類型單一的靜態數據提出，無法滿足數據的實時性要求；對缺失值和異常點進行單獨處理，最少需要掃描數據兩遍，不適用于流數據。

同時海洋數據的共享服務存在著系統性能低下，平臺間無法互通，安全性和可信性無法保證，共享記錄無法追溯的問題。

發明內容

針對現有技術存在的問題，本發明提供了一種面向海洋多維數據的可視分析系統及方法。

本發明是這樣實現的，一種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；