[發明專利]一種基于復雜網絡的海洋多時間序列關聯性發現方法

有效

• 申請號: 202110704538.0
• 申請日: 2021-06-24
• 公開（公告）號: CN113327220B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 王蕾;裴軍峰;裘英杰;黃宗文;姚旭;曲百惠;陳括;張志偉;儲昊;馮濤
• 申請（專利權）人: 浙江成功軟件開發有限公司
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 劉靜

1.一種基于復雜網絡的海洋多時間序列關聯性發現方法，其特征在于，包括以下步驟：

(1)特征選擇

一個海洋測量點是由多變量時間序列(Multivariate?Time?Series,MTS)構成；為了降低計算復雜度的同時保持必要的屬性，對皮爾遜相關系數大于閾值的時間序列采用進行降維，時間序列越相似，皮爾遜相關系數值越高；皮爾遜相關系數的計算公式如式(1)：

其中Xi代表海洋測量點X的i屬性的時間序列，σ_xi代表Xi的標準差，cov(Xi,Xj)為Xi和Xj的協方差；ρ_xi,xj在區間[-1,1]內，其中ρxi,xj＝1表示完全相關，ρxi,xj＝-1對應完全反相關，ρxi,xj＝0反應了海洋測量點i屬性和j屬性不相關；

(2)圖像融合

使用步驟(1)選擇的特征來融合一幅綜合圖像，格拉明角場(GAF)轉換時間序列Xi＝{Xi₁,Xi₂，…Xi_n}成灰度圖像，Xi_n為時間序列Xi中的第n個序列；由于融合后的圖像是一個時間序列，在對圖像進行處理時必須保持圖像的時間特征，GAF方法保持圖像的時間依賴性；另外，G(i,j||i-j|＝o)表示時間序列在時間間隔o統一方向上的疊加；然而，一個海洋測量點具有多個多屬性，因此需要將多個多屬性融合到一幅圖像中，多GAFs被用來定義式(2)；

MGAF_m[u,v]＝[G₁[u,v],G_k[u,v],...,G_m[u,v]],0≤u,v＜n?????????(2)

其中，G_k[u,v]為第k幅圖像子序列轉換后的GAF圖像，并且[u,v]為n×n像素圖像的一個像素；最后m幅GAF圖像融合成1幅MGAFm圖像；

(3)圖像相似性計算

從圖像融合的角度來看，結構相似度指標反映場景中的對象結構的屬性，并且與圖像的亮度和對比度無關；失真被建模為亮度、對比度和結構的三種組合；平均值被用來作為亮度估計，標準差作為對比度估計，并且使用協方差來衡量結構相似性，式(3)用于評估圖像相似度；

在這個公式中，用格拉明角場(GAF)轉換時間序列成灰度圖像的方法將M_i和M_j分成N個子圖像，M_i為融合后的圖像；相似度計算時，在不同的相似度閾值下得到不同的閾值網絡；為了獲得更準確的閾值網絡，采用經驗法確定相似度閾值；

(4)海洋測量點關聯網絡的拓撲特征

利用復雜網絡理論構建海洋測量點關聯網絡，目的是更好地構建不同海洋測點的特征；

網絡的聚類系數假設節點f有k_f條邊連接其他節點；在k_f節點中，最多有k_f(k_f-1)/2條邊，但k_f節點之間的真實邊數為l_f；然后將l_f與k_f(k_f-1)/2的比值定義為節點f的聚類系數C_f，即式(4)；

平均聚類系數為所有海洋測量點的平均聚類系數C，即式(5)；

一對節點的效率是兩個節點之間最短路徑距離的乘法逆元素，平均效率E定義為式(6)；

T為網絡中海洋測量點的總數，d_ab為海洋測量點a到海洋測量點b的距離；使用網絡密度來表示不同節點之間的相似度D，如式(7)所示；

公式中，n表示節點數，m表示邊數；

如果兩個節點vi和vj之間存在關系，表示無向圖G為連通圖，其連接邊是無向圖G的一個最大連通子圖；節點間的最大鏈接數量與海洋測量點數量的比值稱為網絡覆蓋范圍，公式如式(8)；

其中V為網絡中海洋測量點的集合，V_i為海洋測量點網絡的連通部分的集合，S_max表示最大的相似度，F為網絡覆蓋范圍的分數；連接節點的強度用連接效率來表示；連接效率越高，兩個節點之間的緊密性越強，如式(9)；

CE＝F-D????????????????(9)

式中，D為網絡密度。

2.根據權利要求1所述的一種基于復雜網絡的海洋多時間序列關聯性發現方法，其特征在于，步驟(1)中，采用皮爾遜相關系數法來表示不同海洋測點之間的性質相關性；當皮爾遜相關系數值大于0.7時采用降維法。