面向海洋数据异常检测的多视图协同可视分析方法技术

本发明专利技术涉及一种面向海洋数据异常检测的多视图协同可视分析方法，包括：通过时序MDS算法计算海洋数据，得到时序MDS聚类视图；引入多要素信息熵视图，并与时序MDS聚类视图结合，展示每个要素在时序上的变化趋势；引入焦点区域平行坐标视图，并将变化趋势内与异常现象对应的焦点区域数据投影到平行坐标视图中，对焦点区域的数据做进一步的可视分析。上述面向海洋数据异常检测的多视图协同可视分析方法，通过时序MDS算法计算得到时序MDS聚类视图，并引入了多要素信息熵视图，揭示每个要素的变化趋势，同时用户可以选中时序MDS聚类视图中异常模式对应的时间，将原始数据投影到焦点区域平行坐标视图中，可适用于对存在异常模式的海洋时序数据进行检测。时序数据进行检测。时序数据进行检测。

Multi view collaborative visual analysis method for anomaly detection of marine data

【技术实现步骤摘要】
面向海洋数据异常检测的多视图协同可视分析方法


[0001]本专利技术涉及海洋检测分析领域，特别是涉及一种面向海洋数据异常检测的多视图协同可视分析方法。

技术介绍

[0002]传统的可视分析方法对时序数据的分析存在局限性，例如通过降维之后，在时间维度上难以有效地展示原始数据各要素的具体信息，对异常模式进行分析的时候，还需要考虑多要素之间的相关性。
[0003]海洋异常现象是通过多要素叠加反映出来，传统可视分析，如折线图等，往往只分析单要素在时序上的变化，若单个要素在时序上变化的幅度小，不足以直接观察异常反映出的现象，所以对海洋时序可视分析提出了更高的要求，一方面要反映叠加后的多要素数据在时序上的变化，另一方面需要对异常现象解读，反映原始数据各个要素的具体信息，探究多要素相关性。
[0004]传统的海洋时序数据可视分析方法能从宏观角度展示可视化效果，但视图单一不能表达原始数据的动态变化信息。并且虽然其考虑了在时间维度上识别数据的异常变化，但是未能对异常的模式原始数据展示，而进一步分析要素间的相关性，因此传统的时序可视分析对海洋时序数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向海洋数据异常检测的多视图协同可视分析方法，其特征在于，所述方法包括：通过时序MDS算法计算海洋数据，得到时序MDS聚类视图；引入多要素信息熵视图，并与时序MDS聚类视图结合，展示每个要素在时序上的变化趋势；引入焦点区域平行坐标视图，并将变化趋势内与异常现象对应的焦点区域数据投影到平行坐标视图中，对焦点区域的数据做进一步的可视分析。2.根据权利要求1所述的面向海洋数据异常检测的多视图协同可视分析方法，其特征在于，所述MDS算法用于计算高维数据在低维空间的表达，公式为：式中，G代表目标函数，表示原始空间与低维空间的差异，通过最小化损失函数G来得到原始数据在低维空间的表达；x
′
i
、x
′
j
分别表示在低维空间内数据i与j的空间向量；||x
′
i
‑
x
′
j
||代表低维空间的距离。3.根据权利要求1所述的面向海洋数据异常检测的多视图协同可视分析方法，其特征在于，所述通过时序MDS算法计算海洋数据，得到时序MDS聚类视图，包括：通过对相似性距离矩阵指定滑动窗口的大小和偏移步长，对滑动窗口内的数据使用时序MDS算法投影至一维空间；取偏移步长的长度、沿斜对角线移动滑动窗口，最后将投影后的数据按时序排列，并展示在二维平面上；引入DBSCAN算法对低维空间数据进行聚类，生成时序MDS聚类视图。4.根据权利要求3所述的面向海洋数据异常检测的多视图协同可视分析方法，其特征在于，所述方法还包括：若投影后，两个相邻滑动窗口公共部分数据的一半以上的投影点...

【专利技术属性】
技术研发人员：贺琪，赵丹枫，黄冬梅，刘铖龙，曹万万，孔令斌，曹翔，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：