一种基于短时线性正则变换的时序数据表示方法技术

本发明专利技术公开了一种基于短时线性正则变换的时序数据表示方法，包括以下步骤：S1：获取时间序列数据；S2：对原始时间序列数据分段并采用符号化近似表示方法；S3：对分段后获取的时间域时序数据进行短时线性正则变换处理，计算该段数据的短时线性正则变换系数；S4：将获取的线性正则变换系数与S2获取的符号化近似表示方法融合，实现基于短时线性正则变换时序数据的表示。本发明专利技术将短时线性正则变换与符号化近似表示方法融合，形成了基于短时线性正则变换的时序数据表示方法，该方法不仅保留了原符号化近似算法的优点，又通过短时线性正则变换系数，刻画了时序数据的变化趋势，实现了时序数据的近似表示，为后续时序数据的分析提供了基础。

A time series data representation method based on short-time linear regular transformation

【技术实现步骤摘要】
一种基于短时线性正则变换的时序数据表示方法
本专利技术涉及一种时间序列数据挖掘领域，特别涉及一种基于短时线性正则变换的时序数据表示方法。
技术介绍
在信号分析领域，线性正则变换是经典傅里叶变换的推广，它带有三个自由参数。因而具备比傅立叶变换、分数阶傅立叶变换更灵活的操作。它对信号时频平面的作用可理解为压缩拉伸及旋转的效果。近几年线性正则变换的广义特性受到了许多学者的关注。然而线性正则变换是全局核变换，因而仍然没摆脱类似于傅立叶变换那样的缺陷，即它们无法刻画非平稳信号的频率随时间变化的关系。若将其应用到时序数据分析领域，也无法刻画数据随时间变化的趋势特征。为了解决线性正则变换的这一缺陷，有学者对线性正则变换加窗函数处理，以此克服了线性正则变换的缺陷。另一方面，经典的时间序列数据符号化方法(SymbolicAggregateApproximation,SAX)主要思想是对时序数据平均分割以达到降维目的，进而通过分治法思想减少数据分析量级，其中分割后的数据段取其平均值作为符号化表示的特征，将其映射到符号表，最终形成符号化表示算法。分段数目越少,降维比例越大,但特征表示越粗糙，反之同理。然而经典SAX算法虽然具有简单高效等优势，但其存在的一个主要问题是无法精确的反映子段数据的变化趋势，此局限性限制了该方法在某些领域的应用。例如在一些工业生产过程中，运行过程产生的时序数据的变化趋势在很大程度上表征了设备运行的状态。也即：经典的符号化算法如同线性正则变换一样，只能反映数据的大致变化，对于精确的趋势特征，无法获取。因此将短时线性正则变换系数表征子段数据的变化特征结合符号化算法的优势，解决时序数据表示中趋势表征问题。缺点：经典的符号化算法如同线性正则变换一样，只能反映数据的大致变化，对于精确的趋势特征，存在无法获取的问题。因此亟需一种能表征趋势特征的时序数据表示方法。
技术实现思路
有鉴于此，本专利技术所要解决的技术问题是提供一种通过融合时序数据符号化算法与短时线性正则变换，可以表征数据变化趋势的时序数据表示方法。将短时线性正则变换与符号化近似表示方法融合，形成了基于短时线性正则变换的时序数据表示方法，该方法不仅保留了原符号化近似算法的优点，又通过短时线性正则变换系数，刻画了时序数据的变化趋势。形成了一种基于短时线性正则变换的时序数据表示方法。本专利技术的目的是这样实现的：本专利技术提供的一种基于短时线性正则变换的时序数据表示方法，包括以下步骤：S1：获取时间序列数据；S2：对原始时间序列数据分段并采用符号化近似表示方法；S3：对分段后获取的时间域时序数据进行短时线性正则变换处理，计算该段数据的短时线性正则变换系数；S4：将获取的线性正则变换系数与S2获取的符号化近似表示方法融合，实现基于短时线性正则变换时序数据的表示。进一步，根据权利要求1所述的基于短时线性正则变换的时序数据表示方法，其特征在于：所述步骤S2中对原始时间序列数据分段并采用符号化近似表示方法，具体步骤如下：S21：对时序数据进行归一化处理，并等长分段；S22：对分段后的数据计算各段均值，建立均值与符号的映射表关系，利用符号化近似表示方法得到原始时序数据的符号化近似表示方法。进一步，根据权利要求1所述的基于短时线性正则变换的时序数据表示方法，其特征在于：所述步骤S3中对分段后获取的时间域时序数据进行短时线性正则变换处理，计算该段数据的短时线性正则变换系数，具体步骤如下：S31：保留步骤S2所得符号化表示；S32：对各子段时序数据进行曲线拟合，得到该段时序数据的近似函数f(t)表示。S33：对获取的近似函数做短时线性正则变换，计算展开系数CA,m.n，该系数由下式确定：其中展开系数CA,m.n可看作是信号在短时线性正则变换级数展开后的主要特征。令u0＝ωb，并将其代入(5.16)式中的核函数，便可得到短时线性正则级数展开的基函数如下：其中m,n是整数。T是时间平移参数，ω是频率调制参数，a,b,c,d均为常数。根据权利要求1所述的一种基于短时线性正则变换的时序数据表示方法，其特征在于：所述步骤4将获取的线性正则变换系数与S2获取的符号化近似表示方法融合，具体步骤如下：对于某个子段时序数据，保留计算短时线性正则变换后获取的三个系数C1，C2，C3，以这三个系数的值的大小反映数据变化趋势，例如：若C1-C2＜ε,ε＞0则表示C1C2数据段为上升趋势。C1-C2＞ε,ε＞0，则表示C1C2数据段为下降趋势。对于某段时序数据中C1，C2，C3表征该段两种上升或者下降趋势。用相同的方法对原数据其他字段进行系数计算与比较。因此得到了带趋势特征的基于短时线性正则变换的时序数据表示方法。本专利技术的优点在于：针对传统时序数据符号化表示算法无法精确表征数据变化趋势特征的缺点，本专利技术提出了基于短时线性正则变换系数的符号化算法。将符号化分段后的时序数据段通过短时线性正则变换系数的计算，获取时序数据趋势特征，结合经典时序数据符号化优点。形成了一种基于短时线性正则变换的时序数据表示方法，该方法的专利技术为挖掘时序数据变化趋势提供了方法支撑。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为基于短时线性正则变换的时序数据表示方法流程图；图2为子段时序数据趋势特征提取的流程图。具体实施细则以下将结合附图，对本专利技术的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本专利技术，而不是为了限制本专利技术的保护范围。图1为基于短时线性正则变换的时序数据表示方法流程图，图2为子段时序数据趋势特征提取的流程图。如图所示：本专利技术提供的一种基于短时线性正则变换的时序数据表示方法，包括以下步骤：S1：获取时间序列数据；S2：对原始时间序列数据分段并采用符号化近似表示方法；S21：对时序数据进行归一化处理，并等长分段；S22：对分段后的数据计算各段均值，建立均值与符号的映射表关系，利用符号化近似表示方法得到原始时序数据的符号化近似表示方法。S3：对分段后获取的时间域时序数据进行短时线性正则变换处理，计算该段数据的短时线性正则变换系数；S31：保留步骤S2所得符号化表示；S32：对各子段时序数据进行曲线拟合，得到该段时序数据的近似函数f(t)表示。S33：对获取的近似函数做短时线性正则变换，计算展开系数CA,m.n，该系数由下式确定：其中展开系数CA,m.n可看作是信号在短时线性正则变换级数展开后的主要特征。令u0＝ωb，并将其代入(5.16)式中的核函数，便可得到短时线性正则级数展开的基函数如下：其中m,n是整数。T是时间平移参数，ω是频率调制参数，a,b,c,d均为常数。S4：将获取的线性正则变换系数与S2获取的符号化近似表示方法融合，实现基于本文档来自技高网...

【技术保护点】
1.一种基于短时线性正则变换的时序数据表示方法，其特征在于：包括以下步骤：/nS1：获取时间序列数据；/nS2：对原始时间序列数据分段并采用符号化近似表示方法；/nS3：对分段后获取的时间域时序数据进行短时线性正则变换处理，计算该段数据的短时线性正则变换系数；/nS4：将获取的线性正则变换系数与S2获取的符号化近似表示方法融合，实现基于短时线性正则变换时序数据的表示。/n

【技术特征摘要】
1.一种基于短时线性正则变换的时序数据表示方法，其特征在于：包括以下步骤：
S1：获取时间序列数据；
S2：对原始时间序列数据分段并采用符号化近似表示方法；
S3：对分段后获取的时间域时序数据进行短时线性正则变换处理，计算该段数据的短时线性正则变换系数；
S4：将获取的线性正则变换系数与S2获取的符号化近似表示方法融合，实现基于短时线性正则变换时序数据的表示。


2.根据权利要求1所述的基于短时线性正则变换的时序数据表示方法，其特征在于：所述步骤S2中对原始时间序列数据分段并采用符号化近似表示方法，具体步骤如下：
S21：对时序数据进行归一化处理，并等长分段；
S22：对分段后的数据计算各段均值，建立均值与符号的映射表关系，利用符号化近似表示方法得到原始时序数据的符号化近似表示方法。


3.根据权利要求1所述的基于短时线性正则变换的时序数据表示方法，其特征在于：所述步骤S3中对分段后获取的时间域时序数据进行短时线性正则变换处理，计算该段数据的短时线性正则变换系数，具体步骤如下：
S31：保留步骤S2所得符号化表示；
S32：对各子段时序数据进行曲线拟合...

【专利技术属性】
技术研发人员：于溥春，黄磊，
申请(专利权)人：江苏食品药品职业技术学院，
类型：发明
国别省市：江苏;32