衛(wèi)星遙測數據的時間序列相似性度量方法研究.pdf

1、當前，通過運用數據挖掘對衛(wèi)星遙測數據進行分析和建模，支撐衛(wèi)星測試數據自動判讀、狀態(tài)監(jiān)測和異常檢測、故障診斷和預測等，是航天領域研究的熱點和挑戰(zhàn)問題。然而，現有針對衛(wèi)星遙測數據的分析方法普遍建立在歐氏距離的基礎上，而采用歐氏距離進行數據的相似性度量存在諸多的局限性，如：無法消除參數間強相關性的影響、難以實現異步度量等，因此，針對衛(wèi)星遙測數據分析中相似性度量方法的不足，本文開展面向衛(wèi)星遙測數據的時間序列相似性度量方法研究。
　　首先，

2、針對在衛(wèi)星遙測數據分析中采用歐式距離進行時間序列之間相似性度量，存在不能消除參量之間的相關性影響以及難以實現異步度量等不足，研究能夠彌補現存局限的時間序列相似性度量方法，并采用與衛(wèi)星遙測數據特性相近的公開數據集進行實驗驗證，從而選取適用于單維和多維時間序列的候選時間序列相似性度量方法。
　　其次，為了驗證候選時間序列相似性度量方法針對衛(wèi)星遙測數據的有效性，將度量方法應用至基于層次聚類和K近鄰（KNN）分類的異常檢測方法中，在實現衛(wèi)

3、星遙測數據異常檢測的同時，驗證了基于動態(tài)時間規(guī)整（DTW）距離的異常檢測方法能夠識別差異性更小的序列異常模式。
　　最后，設計能夠實現數據挖掘算法動態(tài)加載的數據挖掘軟件平臺，應用Matlab與 C語言混合編程技術并結合數據挖掘軟件平臺的標準接口規(guī)范，完成相關的數據挖掘算法庫的開發(fā)與封裝，完成時間序列相似性度量方法的軟件應用。
　　實驗驗證結果表明，應用針對衛(wèi)星遙測數據更為有效的相似性度量方法，能夠有效提升基于層次聚類和KNN