CN115269948A - 支持时空数据智能尺度变换的变尺度数据分析方法及装置 - Google Patents
支持时空数据智能尺度变换的变尺度数据分析方法及装置 Download PDFInfo
- Publication number
- CN115269948A CN115269948A CN202211177615.2A CN202211177615A CN115269948A CN 115269948 A CN115269948 A CN 115269948A CN 202211177615 A CN202211177615 A CN 202211177615A CN 115269948 A CN115269948 A CN 115269948A
- Authority
- CN
- China
- Prior art keywords
- scale
- space
- observation
- time
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Library & Information Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种支持时空数据智能尺度变换的变尺度数据分析方法及装置,涉及智能数据分析技术领域。包括:获取待分析的时空数据,基于时空数据构建尺度空间模型;获取初始时空观测尺度;根据初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到待分析的时空数据的变尺度数据分析结果。本发明不仅解决了具有多观测尺的复杂决策问题求解空间的表征难题,而且实现了对时空数据的多步长、变节奏、多尺协同的智能化尺度变换,保证所得到的变尺度数据分析满意解决方案始终具有最低的空间观测尺度层级,在车网互动、车路协同、车车协同等智能决策场景领域具有广阔应用前景。
Description
技术领域
本发明涉及智能数据分析技术领域,特别是指一种支持时空数据智能尺度变换的变尺度数据分析方法及装置。
背景技术
时空数据是同时具有时间维度(观测尺)和空间维度(观测尺)的数据,具有高维度、海量、更新速度快的数据特征,在智慧交通、城市应急安全管理、区域经济规划等数据挖掘和人工智能技术应用场景中广泛存在。如何精准、高效地挖掘大规模时空数据中隐藏的信息和知识,并将其应用于辅助治理主体和管理者进行决策,成为智能决策领域的难点问题。
变尺度数据分析是一种通过模拟分析人员在决策过程中的尺度变换思维特征,实现数据挖掘应用过程中数据分析层次智能化转换,并自动得到满意解决方案的智能决策理论方法。文献1(王艾. 面向决策支持的变尺度聚类分析技术[D], 北京科技大学, 2020)以实际业务场景中常见的聚类分析任务为研究对象,针对分类变量数据及其具有多重复值的特征、二值变量数据及其具有混合数据类型的特征、数值变量数据及其具有可全序比较和累加计算的特征,分别提出了基于分类变量数据变尺度聚类的案例推荐算法、深度-广度混合变尺度聚类分析算法、数值变量数据的尺度变换反馈机制及变尺度聚类分析算法,并由此得到城市马拉松赛事参赛选手差异化管理、社交网络舆情治理以及航天型号物资库存管理场景的技术解决方案。
但是,上述变尺度聚类分析技术仅考虑了分类、二值和数值变量数据的特征,并且由于具有“尺度变换从多尺度数据模型的基本尺度开始”的尺度变换原则条件限制,现有尺度变换机制仅存在尺度上钻变换和尺度下钻变换两种单向尺度变换模式,难以适用于同时考虑时间和空间维度的尺度变换场景,缺乏针对时空数
据的尺度变换机制及变尺度数据分析方法。
发明内容
本发明针对现有尺度变换机制仅存在尺度上钻变换和尺度下钻变换两种单向尺度变换模式,难以适用于同时考虑时间和空间维度的尺度变换场景,缺乏针对时空数据的尺度变换机制及变尺度数据分析方法的问题,提出了本发明。
为解决上述技术问题,本发明提供如下技术方案:
一方面,本发明提供了一种支持时空数据智能尺度变换的变尺度数据分析方法,该方法由电子设备实现,该方法包括:
S1、获取待分析的时空数据,基于时空数据构建尺度空间模型。
S2、获取初始时空观测尺度。
S3、根据初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到待分析的时空数据的变尺度数据分析结果。
可选地,S1中的尺度空间模型包括概念链以及值空间。
其中,概念链包括空间观测尺以及空间观测尺的多层级空间观测尺度。
值空间包括时间观测尺、时间观测尺的多层级时间观测尺度以及时间观测尺度的尺度值。
可选地,S2中的获取初始时空观测尺度包括:
获取初始可行决策分析层次集合,获取初始可行决策分析层次集合中概念链的最高时空观测尺度层级,将最高时空观测尺度层级作为初始时空观测尺度。
可选地,S3中的变尺度数据分析结果包括:满足决策分析目标条件约束的概念链的最低时空观测尺度层级、以及最低时空观测尺度层级对应的尺度值。
可选地,S3中的闪电尺度变换包括闪电尺度下钻变换以及闪电尺度上钻变换。
可选地,S3中的根据初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到待分析的时空数据的变尺度数据分析结果包括:
S31、将初始时空观测尺度作为当前时空观测尺度。
S32、判断是否存在低于前时空观测尺度的可行空间观测尺度;若是,则执行S33;若否,则将前时空观测尺度作为待分析的时空数据的变尺度数据分析结果。
S33、对尺度空间模型进行闪电尺度下钻变换,得到闪电尺度下钻变换后的尺度空间模型以及新时空观测尺度。
S34、判断新时空观测尺度是否满足决策分析目标条件约束;若是,则将新时空观测尺度作为当前时空观测尺度,转去执行S32;若否,则执行S35。
S35、判断是否存在高于新时空观测尺度的可行时间观测尺度;若是,则对尺度空间模型进行闪电尺度上钻变换,得到闪电尺度上钻变换后的尺度空间模型以及新时空观测尺度,转去执行S34;若否,则将新时空观测尺度作为待分析的时空数据的变尺度数据分析结果。
可选地,S33中的对尺度空间模型进行闪电尺度下钻变换包括:
对尺度空间模型中空间观测尺以及时间观测尺降低一个观测尺度层级。
可选地,S35中的对尺度空间模型进行闪电尺度上钻变换包括:
对尺度空间模型中时间观测尺提升一个观测尺度层级。
另一方面,本发明提供了一种支持时空数据智能尺度变换的变尺度数据分析装置,该装置应用于实现支持时空数据智能尺度变换的变尺度数据分析方法,该装置包括:
构建模块,用于获取待分析的时空数据,基于时空数据构建尺度空间模型。
获取模块,用于获取初始时空观测尺度。
输出模块,用于根据初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到变尺度数据分析结果。
可选地,尺度空间模型包括概念链以及值空间。
其中,概念链包括空间观测尺以及空间观测尺的多层级空间观测尺度。
值空间包括时间观测尺、时间观测尺的多层级时间观测尺度以及时间观测尺度的尺度值。
可选地,获取模块,进一步用于:
获取初始可行决策分析层次集合,获取初始可行决策分析层次集合中概念链的最高时空观测尺度层级,将最高时空观测尺度层级作为初始时空观测尺度。
可选地,变尺度数据分析结果包括:满足决策分析目标条件约束的概念链的最低时空观测尺度层级、以及最低时空观测尺度层级对应的尺度值。
可选地,闪电尺度变换包括闪电尺度下钻变换以及闪电尺度上钻变换。
可选地,输出模块,进一步用于:
S31、将初始时空观测尺度作为当前时空观测尺度。
S32、判断是否存在低于前时空观测尺度的可行空间观测尺度;若是,则执行S33;若否,则将前时空观测尺度作为待分析的时空数据的变尺度数据分析结果。
S33、对尺度空间模型进行闪电尺度下钻变换,得到闪电尺度下钻变换后的尺度空间模型以及新时空观测尺度。
S34、判断新时空观测尺度是否满足决策分析目标条件约束;若是,则将新时空观测尺度作为当前时空观测尺度,转去执行S32;若否,则执行S35。
S35、判断是否存在高于新时空观测尺度的可行时间观测尺度;若是,则对尺度空间模型进行闪电尺度上钻变换,得到闪电尺度上钻变换后的尺度空间模型以及新时空观测尺度,转去执行S34;若否,则将新时空观测尺度作为待分析的时空数据的变尺度数据分析结果。
可选地,输出模块,进一步用于:
对尺度空间模型中空间观测尺以及时间观测尺降低一个观测尺度层级。
可选地,输出模块,进一步用于:
对尺度空间模型中时间观测尺提升一个观测尺度层级。
一方面,提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现上述支持时空数据智能尺度变换的变尺度数据分析方法。
一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述支持时空数据智能尺度变换的变尺度数据分析方法。
本发明实施例提供的技术方案带来的有益效果至少包括:
上述方案中,时空数据尺度空间模型实现了对于时间观测尺和空间观测尺的尺度表征,相比于传统尺度空间模型仅能描述唯一观测尺的缺陷,解决了具有多观测尺的复杂决策问题求解空间的表征难题。
本发明的“闪电尺度变换”模式通过模拟分析人员在决策过程中的思维特征,实现了对时空数据的多步长、变节奏、多尺协同的智能化尺度变换,相比于原有单向尺度上钻或下钻变换模式,可以从任意尺度层级开始时空数据尺度变换。
本发明的时空数据变尺度数据分析方法,其基于“闪电尺度变换”模式的智能尺度变换机制通过增加时间尺度约束的弹性,保证了所得到的变尺度数据分析满意解决方案始终具有最低的空间尺度层级,有效地降低了空间方面的调度/运输/通行成本,为优化智能车网互动、车路协同、车车协同等场景的智能决策提供了计算机实现方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的支持时空数据智能尺度变换的变尺度数据分析方法原理图;
图2是本发明实施例提供的时空数据尺度空间表征模型及闪电尺度变换的示意图;
图3是本发明实施例提供的时空数据变尺度数据分析方法的流程图;
图4是本发明实施例提供的时空数据变尺度数据分析方法与传统(确定尺度)数据分析方法关于不同数据规模下算法时间成本的对比结果图;
图5是本发明实施例提供的支持时空数据智能尺度变换的变尺度数据分析装置框图;
图6是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
如图1所示,本发明实施例提供了一种支持时空数据智能尺度变换的变尺度数据分析方法,该方法可以由电子设备实现。如图1所示的支持时空数据智能尺度变换的变尺度数据分析方法原理图,该方法的处理流程可以包括如下的步骤:
S1、获取待分析的时空数据,基于时空数据构建尺度空间模型。
可选地,S1中的尺度空间模型包括概念链以及值空间。
其中,概念链包括空间观测尺以及空间观测尺的多层级空间观测尺度。
值空间包括时间观测尺、时间观测尺的多层级时间观测尺度以及时间观测尺度的尺度值。
一种可行的实施方式中,获取待分析的时空数据,确定时间和空间观测尺及尺度,并构建能够同时表征时间观测尺和空间观测尺的尺度空间表征模型,如图2所示。时空数据的尺度空间模型100整体共包含概念链101和值空间102两部分。
进一步地,由于概念链101中各空间尺度的偏序联系决定着值空间中不同时间尺度间的联系,所以需先识别决策分析过程中所需要的所有可行空间观测尺度后,再确定所有候选时间观测尺度,从而保证尺度空间模型对决策问题求解空间表征的有效性。
其中,尺是承载对象特征的维,但可独立于对象而存在。当用尺测量对象的特征时,得到反映对象特征或状态的数据。尺具有层次性和目的性的特点,如长度是用于测量物体一维空间上大小的度量。尺通过对象的属性呈现出来,如某客户的体重、年龄、住址等。
尺度是尺的一维测度。例如,当用“体重”尺上的尺度“千克”描述客户时,可得客户在体重千克尺度上的尺度值为“50”;当用“年龄”尺上的尺度“日”描述客户时,可得客户在年龄出生日期尺度上的尺度值为“1995-01-23”;当用“住址”尺上的尺度“市”描述客户时,可得客户在住址居住城市尺度上的尺度值为“北京”。
观测尺度是决策分析过程中分析人员主观选择的认为能够表征业务状态的业务数据尺度。例如,当运用住址尺上的(空间)尺度区域来观测居住于北京市的客户时,若决策问题属于气象行业企业,则应选择中国温度带观测尺度,并得到客户区域观测尺度值为暖温带;若决策问题属于军事行业企业,则应选择中国战区观测尺度,得到客户区域观测尺度值为中部战区。
S2、获取初始时空观测尺度。
可选地,S2中的获取初始时空观测尺度包括:
获取初始可行决策分析层次集合,获取初始可行决策分析层次集合中概念链的最高时空观测尺度层级,将最高时空观测尺度层级作为初始时空观测尺度。
S3、根据初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到待分析的时空数据的变尺度数据分析结果。
可选地,S3中的变尺度数据分析结果包括:满足决策分析目标条件约束的概念链的最低时空观测尺度层级、以及最低时空观测尺度层级对应的尺度值。
可选地,S3中的闪电尺度变换包括闪电尺度下钻变换以及闪电尺度上钻变换。
可选地,S3中的根据初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到待分析的时空数据的变尺度数据分析结果包括:
S31、将初始时空观测尺度作为当前时空观测尺度。
一种可行的实施方式中,如图3所示,识别初始可行决策分析层次集合中最高时空尺度层级并确定其为初始尺度后,进入对闪电尺度变换方向的判断流程。
S32、判断是否存在低于前时空观测尺度的可行空间观测尺度;若是,则执行S33;若否,则将前时空观测尺度作为待分析的时空数据的变尺度数据分析结果。
一种可行的实施方式中,若存在更低可行空间观测尺度,则执行闪电尺度下钻变换,并进一步评价闪电尺度变换结果;否则,获取当前时空尺度并得到结果。
S33、对尺度空间模型进行闪电尺度下钻变换,得到闪电尺度下钻变换后的尺度空间模型以及新时空观测尺度。
可选地,S33中的对尺度空间模型进行闪电尺度下钻变换包括:
对尺度空间模型中空间观测尺以及时间观测尺降低一个观测尺度层级。
S34、判断新时空观测尺度是否满足决策分析目标条件约束;若是,则将新时空观测尺度作为当前时空观测尺度,转去执行S32;若否,则执行S35。
一种可行的实施方式中,根据闪电尺度下钻变换后的新时空观测尺度,评价闪电尺度变换结果。评价结果的直接决定闪电尺度变换过程是否能够达到迭代终止状态,并得到变尺度数据分析的满意解决方案。
进一步地,若评价结果已经能够满足决策分析目标条件约束,并仍然存在更低可行空间观测尺度,则继续执行闪电尺度下钻变换,直至出现无法满足决策分析目标条件约束的情况或者不存在更低可行空间观测尺度;否则,判断是否存在更高可行时间观测尺度。
S35、判断是否存在高于新时空观测尺度的可行时间观测尺度;若是,则对尺度空间模型进行闪电尺度上钻变换,得到闪电尺度上钻变换后的尺度空间模型以及新时空观测尺度,转去执行S34;若否,则将新时空观测尺度作为待分析的时空数据的变尺度数据分析结果。
可选地,S35中的对尺度空间模型进行闪电尺度上钻变换包括:
对尺度空间模型中时间观测尺提升一个观测尺度层级。
进一步地,若存在更高可行时间观测尺度,则执行闪电尺度上钻变换,并开展尺度变换效果评价;否则,判定此时已经达到变尺度数据分析的终止状态,获取求解过程中能够满足决策分析目标条件约束的最低时空尺度层级并得到其对应尺度值。
进一步地,本发明的时空数据变尺度数据分析方法与传统(确定尺度)数据分析方法在不同数据规模下的算法时间成本对比结果如图4所示。本发明的变尺度数据分析方法所得到的解决方案的算法时间成本402,相比于传统数据分析方法的评价结果401,随着时空数据集数据规模的增大而获得更加明显的成本优势。
本发明实施例中,时空数据尺度空间模型实现了对于时间观测尺和空间观测尺的尺度表征,相比于传统尺度空间模型仅能描述唯一观测尺的缺陷,解决了具有多观测尺的复杂决策问题求解空间的表征难题。
本发明的“闪电尺度变换”模式通过模拟分析人员在决策过程中的思维特征,实现了对时空数据的多步长、变节奏、多尺协同的智能化尺度变换,相比于原有单向尺度上钻或下钻变换模式,可以从任意尺度层级开始时空数据尺度变换。
本发明的时空数据变尺度数据分析方法,其基于“闪电尺度变换”模式的智能尺度变换机制通过增加时间尺度约束的弹性,保证了所得到的变尺度数据分析满意解决方案始终具有最低的空间尺度层级,有效地降低了空间方面的调度/运输/通行成本,为优化智能车网互动、车路协同、车车协同等场景的智能决策提供了计算机实现方法。
如图5所示,本发明实施例提供了一种支持时空数据智能尺度变换的变尺度数据分析装置500,该装置500应用于实现支持时空数据智能尺度变换的变尺度数据分析方法,该装置500包括:
构建模块510,用于获取待分析的时空数据,基于时空数据构建尺度空间模型。
获取模块520,用于获取初始时空观测尺度。
输出模块530,用于根据初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到变尺度数据分析结果。
可选地,尺度空间模型包括概念链以及值空间。
其中,概念链包括空间观测尺以及空间观测尺的多层级空间观测尺度。
值空间包括时间观测尺、时间观测尺的多层级时间观测尺度以及时间观测尺度的尺度值。
可选地,获取模块520,进一步用于:
获取初始可行决策分析层次集合,获取初始可行决策分析层次集合中概念链的最高时空观测尺度层级,将最高时空观测尺度层级作为初始时空观测尺度。
可选地,变尺度数据分析结果包括:满足决策分析目标条件约束的概念链的最低时空观测尺度层级、以及最低时空观测尺度层级对应的尺度值。
可选地,闪电尺度变换包括闪电尺度下钻变换以及闪电尺度上钻变换。
可选地,输出模块530,进一步用于:
S31、将初始时空观测尺度作为当前时空观测尺度。
S32、判断是否存在低于前时空观测尺度的可行空间观测尺度;若是,则执行S33;若否,则将前时空观测尺度作为待分析的时空数据的变尺度数据分析结果。
S33、对尺度空间模型进行闪电尺度下钻变换,得到闪电尺度下钻变换后的尺度空间模型以及新时空观测尺度。
S34、判断新时空观测尺度是否满足决策分析目标条件约束;若是,则将新时空观测尺度作为当前时空观测尺度,转去执行S32;若否,则执行S35。
S35、判断是否存在高于新时空观测尺度的可行时间观测尺度;若是,则对尺度空间模型进行闪电尺度上钻变换,得到闪电尺度上钻变换后的尺度空间模型以及新时空观测尺度,转去执行S34;若否,则将新时空观测尺度作为待分析的时空数据的变尺度数据分析结果。
可选地,输出模块530,进一步用于:
对尺度空间模型中空间观测尺以及时间观测尺降低一个观测尺度层级。
可选地,输出模块530,进一步用于:
对尺度空间模型中时间观测尺提升一个观测尺度层级。
本发明实施例中,时空数据尺度空间模型实现了对于时间观测尺和空间观测尺的尺度表征,相比于传统尺度空间模型仅能描述唯一观测尺的缺陷,解决了具有多观测尺的复杂决策问题求解空间的表征难题。
本发明的“闪电尺度变换”模式通过模拟分析人员在决策过程中的思维特征,实现了对时空数据的多步长、变节奏、多尺协同的智能化尺度变换,相比于原有单向尺度上钻或下钻变换模式,可以从任意尺度层级开始时空数据尺度变换。
本发明的时空数据变尺度数据分析方法,其基于“闪电尺度变换”模式的智能尺度变换机制通过增加时间尺度约束的弹性,保证了所得到的变尺度数据分析满意解决方案始终具有最低的空间尺度层级,有效地降低了空间方面的调度/运输/通行成本,为优化智能车网互动、车路协同、车车协同等场景的智能决策提供了计算机实现方法。
图6是本发明实施例提供的一种电子设备600的结构示意图,该电子设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)601和一个或一个以上的存储器602,其中,存储器602中存储有至少一条指令,至少一条指令由处理器601加载并执行以实现下述支持时空数据智能尺度变换的变尺度数据分析方法:
S1、获取待分析的时空数据,基于时空数据构建尺度空间模型。
S2、获取初始时空观测尺度。
S3、根据初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到待分析的时空数据的变尺度数据分析结果。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述支持时空数据智能尺度变换的变尺度数据分析方法。例如,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种支持时空数据智能尺度变换的变尺度数据分析方法,其特征在于,所述方法包括:
S1、获取待分析的时空数据,基于所述时空数据构建尺度空间模型;
S2、获取初始时空观测尺度;
S3、根据所述初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到待分析的时空数据的变尺度数据分析结果。
2.根据权利要求1所述的方法,其特征在于,所述S1中的尺度空间模型包括概念链以及值空间;
其中,所述概念链包括空间观测尺以及空间观测尺的多层级空间观测尺度;
所述值空间包括时间观测尺、时间观测尺的多层级时间观测尺度以及时间观测尺度的尺度值。
3.根据权利要求2所述的方法,其特征在于,所述S2中的获取初始时空观测尺度包括:
获取初始可行决策分析层次集合,获取所述初始可行决策分析层次集合中概念链的最高时空观测尺度层级,将所述最高时空观测尺度层级作为初始时空观测尺度。
4.根据权利要求1所述的方法,其特征在于,所述S3中的变尺度数据分析结果包括:满足决策分析目标条件约束的概念链的最低时空观测尺度层级、以及最低时空观测尺度层级对应的尺度值。
5.根据权利要求1所述的方法,其特征在于,所述S3中的闪电尺度变换包括闪电尺度下钻变换以及闪电尺度上钻变换。
6.根据权利要求5所述的方法,其特征在于,所述S3中的根据所述初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到待分析的时空数据的变尺度数据分析结果包括:
S31、将所述初始时空观测尺度作为当前时空观测尺度;
S32、判断是否存在低于前时空观测尺度的可行空间观测尺度;若是,则执行S33;若否,则将所述前时空观测尺度作为待分析的时空数据的变尺度数据分析结果;
S33、对尺度空间模型进行闪电尺度下钻变换,得到闪电尺度下钻变换后的尺度空间模型以及新时空观测尺度;
S34、判断新时空观测尺度是否满足决策分析目标条件约束;若是,则将所述新时空观测尺度作为当前时空观测尺度,转去执行S32;若否,则执行S35;
S35、判断是否存在高于所述新时空观测尺度的可行时间观测尺度;若是,则对尺度空间模型进行闪电尺度上钻变换,得到闪电尺度上钻变换后的尺度空间模型以及新时空观测尺度,转去执行S34;若否,则将所述新时空观测尺度作为待分析的时空数据的变尺度数据分析结果。
7.根据权利要求6所述的方法,其特征在于,所述S33中的对尺度空间模型进行闪电尺度下钻变换包括:
对尺度空间模型中空间观测尺以及时间观测尺降低一个观测尺度层级。
8.根据权利要求6所述的方法,其特征在于,所述S35中的对尺度空间模型进行闪电尺度上钻变换包括:
对尺度空间模型中时间观测尺提升一个观测尺度层级。
9.一种支持时空数据智能尺度变换的变尺度数据分析装置,其特征在于,所述装置包括:
构建模块,用于获取待分析的时空数据,基于所述时空数据构建尺度空间模型;
获取模块,用于获取初始时空观测尺度;
输出模块,用于根据所述初始时空观测尺度、尺度空间模型以及闪电尺度变换,得到变尺度数据分析结果。
10.根据权利要求9所述的装置,其特征在于,所述构建模块,进一步用于:
S31、将所述初始时空观测尺度作为当前时空观测尺度;
S32、判断是否存在低于前时空观测尺度的可行空间观测尺度;若是,则执行S33;若否,则将所述前时空观测尺度作为待分析的时空数据的变尺度数据分析结果;
S33、对尺度空间模型进行闪电尺度下钻变换,得到闪电尺度下钻变换后的尺度空间模型以及新时空观测尺度;
S34、判断新时空观测尺度是否满足决策分析目标条件约束;若是,则将所述新时空观测尺度作为当前时空观测尺度,转去执行S32;若否,则执行S35;
S35、判断是否存在高于所述新时空观测尺度的可行时间观测尺度;若是,则对尺度空间模型进行闪电尺度上钻变换,得到闪电尺度上钻变换后的尺度空间模型以及新时空观测尺度,转去执行S34;若否,则将所述新时空观测尺度作为待分析的时空数据的变尺度数据分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211177615.2A CN115269948B (zh) | 2022-09-27 | 2022-09-27 | 支持时空数据智能尺度变换的变尺度数据分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211177615.2A CN115269948B (zh) | 2022-09-27 | 2022-09-27 | 支持时空数据智能尺度变换的变尺度数据分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115269948A true CN115269948A (zh) | 2022-11-01 |
CN115269948B CN115269948B (zh) | 2023-10-13 |
Family
ID=83756197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211177615.2A Active CN115269948B (zh) | 2022-09-27 | 2022-09-27 | 支持时空数据智能尺度变换的变尺度数据分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115269948B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050096950A1 (en) * | 2003-10-29 | 2005-05-05 | Caplan Scott M. | Method and apparatus for creating and evaluating strategies |
CN107480867A (zh) * | 2017-07-25 | 2017-12-15 | 河海大学 | 自适应变尺度干旱评价模型及评价方法 |
CN112328914A (zh) * | 2020-11-06 | 2021-02-05 | 辽宁工程技术大学 | 一种基于时空众包工人行为预测的任务分配方法 |
CN113379345A (zh) * | 2021-05-27 | 2021-09-10 | 芜湖锋珉信息科技有限公司 | 一种基于轨迹追踪的智能物流处理方法和系统 |
CN114724012A (zh) * | 2022-06-10 | 2022-07-08 | 天津大学 | 基于时空跨尺度注意力融合热带不稳定波预警方法及装置 |
-
2022
- 2022-09-27 CN CN202211177615.2A patent/CN115269948B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050096950A1 (en) * | 2003-10-29 | 2005-05-05 | Caplan Scott M. | Method and apparatus for creating and evaluating strategies |
CN107480867A (zh) * | 2017-07-25 | 2017-12-15 | 河海大学 | 自适应变尺度干旱评价模型及评价方法 |
CN112328914A (zh) * | 2020-11-06 | 2021-02-05 | 辽宁工程技术大学 | 一种基于时空众包工人行为预测的任务分配方法 |
CN113379345A (zh) * | 2021-05-27 | 2021-09-10 | 芜湖锋珉信息科技有限公司 | 一种基于轨迹追踪的智能物流处理方法和系统 |
CN114724012A (zh) * | 2022-06-10 | 2022-07-08 | 天津大学 | 基于时空跨尺度注意力融合热带不稳定波预警方法及装置 |
Non-Patent Citations (1)
Title |
---|
高学东等: "基于企业网络舆情的客户满意度分析及管理方法", 运筹与管理, vol. 29, no. 07, pages 232 - 239 * |
Also Published As
Publication number | Publication date |
---|---|
CN115269948B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10360517B2 (en) | Distributed hyperparameter tuning system for machine learning | |
AU2018101946A4 (en) | Geographical multivariate flow data spatio-temporal autocorrelation analysis method based on cellular automaton | |
CN111860872A (zh) | 用于异常检测的系统和方法 | |
DE112011104487T5 (de) | Verfahren und System zur prädiktiven Modellierung | |
CN111369299A (zh) | 识别的方法、装置、设备及计算机可读存储介质 | |
CN108241867A (zh) | 一种分类方法及装置 | |
CN111079827B (zh) | 一种铁路数据状态评估方法及系统 | |
CN111626311B (zh) | 一种异构图数据处理方法和装置 | |
CN110807159B (zh) | 数据标记方法、装置、存储介质及电子设备 | |
CN112256884A (zh) | 一种基于知识图谱的数据资产库访问方法和装置 | |
CN108830302B (zh) | 一种图像分类方法、训练方法、分类预测方法及相关装置 | |
CN112231299A (zh) | 一种特征库动态调整的方法和装置 | |
CN115269948A (zh) | 支持时空数据智能尺度变换的变尺度数据分析方法及装置 | |
Nasiadka et al. | Calibration window selection based on change-point detection for forecasting electricity prices | |
CN116707859A (zh) | 特征规则提取方法和装置、网络入侵检测方法和装置 | |
CN116523622A (zh) | 对象风险预测方法和装置、电子设备及存储介质 | |
Ko et al. | Deep-learning-based precipitation nowcasting with ground weather station data and radar data | |
CN115660695A (zh) | 客服人员标签画像构建方法、装置、电子设备及存储介质 | |
Jalali et al. | A new clustering approach based on graph partitioning for navigation patterns mining | |
CN112860531B (zh) | 基于深度异构图神经网络的区块链广泛共识性能评测方法 | |
Feng | Application analysis of artificial intelligence algorithms in image processing | |
CN113158084A (zh) | 移动轨迹数据处理的方法、装置、计算机设备及存储介质 | |
CN112966723A (zh) | 视频数据增广方法、装置、电子设备及可读存储介质 | |
Kutiel et al. | What's behind the mask: Estimating uncertainty in image-to-image problems | |
CN110443305A (zh) | 自适应特征处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |