一种基于动态网格划分的时序数据趋势特征提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112765562A(43)申请公布日2021.05.07(21)申请号202110054385.X(22)申请日2021.01.15(71)申请人杭州安脉盛智能技术有限公司地址310000浙江省杭州市滨江区西兴街道阡陌路482号智慧e谷B座17层(72)发明人杨皓杰杨雨孙丰诚(74)专利代理机构杭州杭诚专利事务所有限公司33109代理人尉伟敏(51)Int.Cl.G06F17/18(2006.01)权利要求书2页说明书5页附图4页(54)发明名称一种基于动态网格划分的时序数据趋势特征提取方法(57)摘要本发明提出一种基于动态网格划分的时序数据趋势特征提取方法，包括以下步骤：设定目标数N，根据时序数据的密度分布动态划分网格，将时序数据的时间和值分别划分为m段和n段；遍历每个网格内的局部数据，采用线性分割计算距离的方式，获取关键特征点的优先级队列；汇总各网格中提取的关键特征点的优先级队列，得到原数据的一维特征子序列S1；根据目标数N，在时间序列中等间隔的抽取数据点，得到原数据的一维趋势子序列S2；整合特征子序列S1和趋势子序列S2得到用于数据挖掘的新序列S。本发明可用少量数据点保留时序数据中的关键特征点和趋势信息，提高后续数据建模分析的效率和准确性。CN112765562ACN112765562A权利要求书1/2页1.一种基于动态网格划分的时序数据趋势特征提取方法，其特征是，包括以下步骤：步骤A：设定目标数N，根据时序数据的密度分布动态划分网格，将时序数据的时间和值分别划分为m段和n段；步骤B：遍历每个网格内的局部数据，采用线性分割计算距离的方式，获取关键特征点的优先级队列；步骤C：汇总各网格中提取的关键特征点的优先级队列，得到原数据的一维特征子序列S1；步骤D：根据目标数N，在时间序列中等间隔的抽取数据点，得到原数据的一维趋势子序列S2；步骤E：整合特征子序列S1和趋势子序列S2得到用于数据挖掘的新序列S。2.根据权利要求1所述的一种基于动态网格划分的时序数据趋势特征提取方法，其特征是，所述步骤A具体包括以下步骤：步骤A1：以时序数据的时间为x轴，数值为y轴，在时序数据的范围内将数值等间隔的划分为n段，n的取值范围为[3N/4，N/4]；步骤A2：判断能否满足条件：统计任意n/2段内包含的数据点超过原数据长度的80％，若不能满足所述条件则调整n，重复步骤A1，直到满足条件或n＝N/4；步骤A3：在时序数据的范围内将时间等间隔的划分为m段，m＝N‑n，最终将原数据划分为m*n个网格。3.根据权利要求1所述的一种基于动态网格划分的时序数据趋势特征提取方法，其特征是，所述步骤B具体包括以下步骤：步骤B1：设置比例系数γ，依次遍历网格内的局部数据；步骤B2：区域内数据的端点为a和b，依次计算各数据点到a、b连线的垂直距离di，获取垂直距离最大值为dmax，计算垂直距离均值为dmean，若dmax大于或等于γ*dmean，则所对应的数据点记为重要点Pi；步骤B3：以重要点Pi为分割点，将区域内的数据分割为两部分，分别进行步骤B2；步骤B4：先循环步骤B2和步骤B3，直到无重要点出现,将步骤B2和步骤B3中得到的重要点Pi按垂直距离整合为该网格内数据的优先级队列。4.根据权利要求3所述的一种基于动态网格划分的时序数据趋势特征提取方法，其特征是，所述步骤B4还包括：若所述优先级队列为空，则以该网格内数据中位数对应的点为重要点，并纳入优先级队列。5.根据权利要求3所述的一种基于动态网格划分的时序数据趋势特征提取方法，其特征是，所述步骤C具体包括以下步骤：步骤C1：汇总各网格内的重要点，若重要点的数量小于N，则减小比例系数γ，重复步骤B1至步骤B4；若重要点的数量大于N，则剔除多余的数据点；步骤C2：将提取的重要点按时间序列的顺序排列，并删除时间信息，得到等间隔的一维数组，此数组为原数据的特征子序列S1。6.根据权利要求5所述的一种基于动态网格划分的时序数据趋势特征提取方法，其特征是，所述步骤C1根据以下原则剔除多余的数据点：(1)保证每个网格内至少保留一个重要点；2CN112765562A权利要求书2/2页(2)将重要点按垂直距离由小到大的顺序删除。7.根据权利要求1所述的一种基于动态网格划分的时序数据趋势特征提取方法，其特征是，所述步骤E具体包括以下步骤：步骤E1：对趋势子序列S2做逆序处理，得到新的子序列S2′；步骤E2：串联连接子序列S1和S2′得到数据长度为2N的一维等间隔数组S。3CN112765562A说明书1/5页一种基于动态网格划分的时序数据趋势特征提取方法技术领域[0001]本发明涉及时序数据技术领域，尤其是一种基于动态网格划分的时序数据趋势特征提