(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210533499.7 (22)申请日 2022.05.17 (71)申请人 上海海洋大学 地址 201306 上海市浦东 新区沪城环路9 99 号 (72)发明人 贺琪　赵丹枫　黄冬梅　刘铖龙　 曹万万　孔令斌　曹翔　 (74)专利代理 机构 上海伯瑞杰知识产权代理有 限公司 312 27 专利代理师 孟旭彤 (51)Int.Cl. G06F 16/2458(2019.01) G06F 16/26(2019.01) G06V 10/762(2022.01) G06K 9/62(2022.01)G06Q 50/26(2012.01) (54)发明名称 面向海洋数据异常检测的多视图协同可视 分析方法 (57)摘要 本发明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。 权利要求书2页 说明书6页 附图3页 CN 114780618 A 2022.07.22 CN 114780618 A 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MD S算法计算海洋数据， 得到时序MD S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MD S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MD S算法计算海洋数据， 得到时序MD S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MD S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符 号发生改变， 则 翻转后面的投影结果。 5.根据权利要求4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： 利用相 邻滑动窗口的重叠部 分的差异 性矩阵， 只计算滑动窗口内新 增数据的差异性矩阵。 6.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， 包括： 通过相似性矩阵计算 生成多要素信息熵视图； 通过一个多要素信 息熵视图展示各海洋数据在时序 上熵的变化， 并将多要素信 息熵视 图和时序MD S聚类视图垂直对齐； 视图中每一列代表对应的某个滑动窗口中的多个要素的信 息熵的值， 每一行代表要素 的熵值在时序上的变化。 7.根据权利要求6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： 采用不同的颜色来渲 染熵值， 颜色较深则表明滑动窗口内要 素稳定 性较强， 颜色较浅则表明滑动窗口内要素 稳定性较差， 数据内部出现明显的波动。权　利　要　求　书 1/2 页 2 CN 114780618 A 28.根据权利要求6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， 所述信息熵的公式为： 式中， i代表第i个要素； pij表示第i要素在j类别中所占的比例。 9.根据权利要求6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， 所述要 素包括气温、 气 压、 海面温、 风向、 风 浪高、 风浪周期和风速， 其数据之间时间间 隔为一小时。 10.根据权利要求9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： 采用插值法来估计缺 失数据的情况， 从而避免因数据缺失影响后续 实验的可视分析视 觉效果。权　利　要　求　书 2/2 页 3 CN 114780618 A 3