楊 斐

(阜陽職業(yè)技術(shù)學院 工程科技學院，安徽 阜陽 236031)

0 引 言

在現(xiàn)代國民經(jīng)濟發(fā)展中，數(shù)據(jù)挖掘的地位與重要性日益增強，在民用及軍用方面均取得了不俗的成效，為人們的生活提供了諸多便利[1-3]。根據(jù)混沌系統(tǒng)對原始值較為敏感的特點，可將輸入資源管理信號的細小變化都迅速呈現(xiàn)在輸出信號內(nèi)，反映出信號的真實狀況[4]?；煦鐣r間序列根據(jù)其內(nèi)部的確定性規(guī)律，可以對目標進行精準預(yù)判，在經(jīng)濟預(yù)測、地震勘測等諸多領(lǐng)域發(fā)揮了重要作用。

由此，本文提出一種基于混沌時間序列的資源管理大數(shù)據(jù)挖掘方法。其創(chuàng)新之處在于依據(jù)混沌時間序列模型，找到預(yù)測點的相鄰?fù)蜣D(zhuǎn)換形態(tài)及其后續(xù)時間序列的函數(shù)關(guān)聯(lián)，完成對被測目標位置的正確預(yù)判；其關(guān)鍵在于，在保持信號穩(wěn)定性的情況下，利用基于峰值點修正的資源管理大數(shù)據(jù)挖掘方法，降低挖掘偏差幾率，最大限度提升挖掘的精準度，使其廣泛使用在各個領(lǐng)域。

1 混沌時間序列模型構(gòu)建

為了提升資源管理大數(shù)據(jù)挖掘的挖掘效率，本文使用混沌時間序列模型對被測資源區(qū)域位置采取精準預(yù)測，達到減少挖掘誤差的目的[5-7]。

可將混沌時間序列當作某一時間參變量獲得的動力系統(tǒng)解析式：

X=f(x)

(1)

其中，f(x)表示反映動力系統(tǒng)伴隨時間推移的函數(shù)關(guān)系式。

按照混沌及分形原則，可獲取具備n個形態(tài)參變量xi隨著時間推移的非線性動力系統(tǒng)，具體的控制方程可描述為

(2)

對于離散狀態(tài)的管理時間序列而言，可使用不持續(xù)時序x(t)及其在(n-1)時滯的管理信息，共同組合為動力軌跡：

x(t)=(x(ti),x(ti+τ),…，x(ti+(n-1)τ))

(3)

利用此種手段把數(shù)據(jù)的固有時間進行推遲，重新建立一個等價的多維狀態(tài)空間，反復(fù)此過程得到不同時段的推遲數(shù)量，可生成一個在n維相空間的相點演變路線。在進行演算時，要把初始管理數(shù)據(jù){xi}根據(jù)相應(yīng)的時間間隙τ(τ=k*Δt)擴充成n維空間的相型分布。因此，將時間序列的相空間描述成：

xi(t)=(x(ti),x(ti+τ),…，x(ti+(m-1)τ))

(4)

(4)中的相位分布包含m個相位點，每個相位點都包含n個分量。相位點之間的線段表示系統(tǒng)在n維空間中的演化。

相空間的混沌吸引子具備一定的平穩(wěn)性及分形性，通過尋找預(yù)測點的相鄰?fù)蜣D(zhuǎn)換形態(tài)和其后續(xù)時間序列的函數(shù)關(guān)聯(lián)，以此完成對目標資源的區(qū)域位置判斷。與此同時，因為相鄰的每個狀態(tài)點與預(yù)測點的空間大數(shù)據(jù)是不相等的，所以對預(yù)測的影響也不相同[8-9]。由此，本文提出一種基于鄰近點權(quán)重的混沌時間序列模型。

若與X(t)大數(shù)據(jù)待挖掘點最近的點為Xr(t)，r=1,2,…,n， 且相應(yīng)點至預(yù)測點X(t)的間距是dr， 將dr中的最小值設(shè)置成dmin，那么第r個相鄰點權(quán)重為

(5)

想要完成在X(t)領(lǐng)域中采取下一步預(yù)測，可利用式(6)的演變關(guān)聯(lián)得到下一個預(yù)測數(shù)值。

Φ[X(t)]=(Φ1(X),Φ2(X),…,Φm+1(X))T=(1,x(τ),x(t-τ),x(t-2τ),…,x(t-mτ+τ))T

(6)

X(t)每個相鄰點在t+τ時段會演變成Xr(t+τ)， 使用加權(quán)最小二乘法將其進行最小化，具體表示為

(7)

2 資源管理大數(shù)據(jù)回波信號去噪

資源管理大數(shù)據(jù)挖掘的流程通常是將待測目標資源輸入到資源管理模式中，進行樣本采集，用觸動發(fā)射機的時間挖掘系統(tǒng)開始計時[10-11]，生成信號后終止計時，然后按照管理流程推算出目標大數(shù)據(jù)，具體運算方程為

D=c×t/2

(8)

其中，D表示探測器至探測目標的間距，t表示資源管理模式迭代消耗的時間，c表示管理流程代號，為常數(shù)。在資源管理過程中向平臺云服務(wù)器射出資源管理模式信號后，其反射的回波信號強度會伴隨大數(shù)據(jù)的減少產(chǎn)生平方衰減，信號會產(chǎn)生大的噪聲，嚴重影響挖掘結(jié)果的精確度，因此，對回波信號進行去噪是極其重要的。

根據(jù)經(jīng)驗?zāi)Ｊ椒纸?empirical mode decomposition,EMD)，可以自適應(yīng)地將信號分解成有限個IMF，其中每個IMF分量都是一個振蕩信號x(n)， 包含初始信號的頻率分量的一個子集。最小二乘法應(yīng)遵循兩個原則：①極值點數(shù)與過零點數(shù)必須相等,②由極值點決定的上下包絡(luò)平均值必須等于0。

經(jīng)驗?zāi)B(tài)分解對IMFs的提取過程就是一個擇優(yōu)挑選的過程，最后就會得到IMFs與殘差相加的初始信號：

(9)

其中，h(i)(n)表示第i個IMF分量，L表示獲得的IMFs數(shù)量，res(n)表示殘差。

在已知實際信號y(n)的前提下，對其引入噪聲信號e(n)， 則引入噪聲后的信號可描述為

x(n)=y(n)+e(n)

(10)

針對傳統(tǒng)EMD去噪手段，其原理是把包含可用信號的有關(guān)分量采取重構(gòu)，具體表示為

(11)

其中，kth的取值取決于根據(jù)初始信號x(n)和IMF分量之間的關(guān)聯(lián)性。也可將重構(gòu)后的信號描述為

(12)

(13)

其中，N表示IMF分量長短，m是ρ(m)初始階段不大于常數(shù)C時的相對值。ρ(m)的值逐步變小，直到變成一個最小值，利用C值的確定，可以判斷出kth的所處范圍，也就是第一個關(guān)聯(lián)分量范圍：

(14)

其中，last為ρ(m)內(nèi)最后一個大于等于C的值，C值的擇取范圍是[0.55,0.65]，本文將C值選定位0.65，L表示IMF分量數(shù)目。

經(jīng)過上面的步驟就能夠得到kth的具體位置，把前kth-1項IMFs當作互不關(guān)聯(lián)分量，則其余IMFs就是關(guān)聯(lián)分量。

當干擾強度較大時，用EMD分解后向散射信號，將信號與噪聲分離到相同的IMF分量。可靠的信號經(jīng)常在使用emd-d去噪時被忽略。利用軟閾值對不相關(guān)分量進行處理，得到可靠的隱藏信號，處理流程如式(15)。

(15)

其中，h(i)(n)表示第i個IMF分量，Ti表示臨界值，具體描述為

(16)

其中，N表示IMF分量的長短。

針對關(guān)聯(lián)分量，本文通過粗糙懲罰對其采取平滑處理。使用粗糙懲罰的目的是解決最小二乘法計算的不穩(wěn)定性，其根本原理就是在最小二乘法的基礎(chǔ)上引入懲罰項當作光滑模型

(17)

粗糙懲罰的主要功能是控制擬合函數(shù)的平滑度，使擬合結(jié)果在不損失真實數(shù)據(jù)的情況下保持穩(wěn)定。這既能增強回波信號的平滑性，又能防止信號失真，極大地提高了資源管理中數(shù)據(jù)挖掘數(shù)據(jù)的真實性。

3 基于峰值點修正的資源管理大數(shù)據(jù)挖掘方法

平臺云服務(wù)器的資源管理大數(shù)據(jù)信號是對稱sinc函數(shù)波形，其波峰位置不會產(chǎn)生移動，因此只要找到波峰的所在位置，按照發(fā)射與接收信號的時間間隔就能得到被測目標的大數(shù)據(jù)。為了進一步縮小挖掘偏差，保證挖掘結(jié)果的精確度，本文利用指數(shù)函數(shù)修正sinc函數(shù)的方法來改善尋峰精度，具體可描述為

(18)

其中

r(x)=A·sinc(Bx)

(19)

(20)

(21)

(22)

(23)

按照接收回波的非對稱原則，將修正函數(shù)描述為

(24)

其中，τ′是修正常量，AL、AR依次表示將τB作為回波峰值點的左半峰和右半峰面積，通過sinc函數(shù)回波模型可進行如下推理：

σ=ΔτB
Wd=2ΔτB

(25)

其中ΔτB是回波的-3 dB帶寬。將式(25)引入式(21)～式(23)，可獲得如下關(guān)系式：

(26)

探尋峰值的精準位置關(guān)鍵在于峰值原始定位及峰值補償糾正兩方面。首先使用多迭代下的累計方法，把每個幀回波按照主波的發(fā)射時間對應(yīng)累加，獲得一個全新的迭代信號P(i)，同時將該信號剔除噪聲，存留實際波峰及噪聲引發(fā)的偽峰值點，對迭代信號P(i)采用差分求解獲得信號c(i)，符合差分信號為0的點就是全部可能的峰值點，對斜率臨界值進行設(shè)定能夠去除偽峰值點。

因為噪聲形成的偽峰也符合c(i)等于0的狀況，為了達到去除噪聲的目的，需將信號c(i)進行高斯濾波處理，然后使用幅度臨界值將信號內(nèi)幅度小的偽峰值點進行過濾剔除。經(jīng)過上述步驟即可大致斷定波峰的具體位置。

進行峰值點補償糾正，因為峰值點補償是解決系統(tǒng)振蕩的有效手段，也可對溫度變化引起的采峰點非線性漂移自動跟蹤補償，所以按照探尋到的波峰位置將信號采取波形重建，推算出波峰左半部分面積AL與右半部分面積AR，同時對比兩者的大小，即可依次將兩部分波形使用指數(shù)修正函數(shù)f(x)采取相對的指數(shù)修正。具體操作：將τB作為中心，依次求出左半邊與右半邊波形的面積，選擇適當?shù)闹笖?shù)函數(shù)，采取波形擬合改正，借此獲得糾正后的峰值點位置τP。

如果AL=AR，就利用sinc函數(shù)擬合，獲得的τB就是τP的位置；

按照修正后獲得的峰值點τP所處位置，就能精確推算出云服務(wù)平臺發(fā)射信號與接收間的時間差，以此降低挖掘偏差，使資源管理大數(shù)據(jù)挖掘的精度最大化。

4 仿真實驗

為了驗證本文方法的可靠性，在KDNuggets(http://www.kdnuggets.com/datasets/index.html)中，隨機選取一個數(shù)據(jù)集，在保證該數(shù)據(jù)集可用的情況下，將其作為數(shù)據(jù)來源，并將本文方法與傳統(tǒng)單點資源管理模式挖掘方法進行挖掘精度實驗對比，實驗平臺為MATLAB7.0仿真軟件。

想要更為直觀地比較兩種方法的挖掘精度，下面對其進行挖掘誤差對比，具體結(jié)果如圖1所示。

圖1 挖掘誤差對比

從圖1中可以看到，本文方法的挖掘誤差較小，具備極高的穩(wěn)定性，在-50～50 mm波動，而傳統(tǒng)方法(文獻[4])的挖掘誤差波動較大，在100～300 mm波動，且伴隨挖掘次數(shù)的增加，挖掘誤差也隨之增多，證明該方法的適用性較差。

5 結(jié) 論

為了增強資源管理大數(shù)據(jù)挖掘的挖掘精度，確保挖掘數(shù)據(jù)的可用性，本文提出一種基于混沌時間序列的資源管理大數(shù)據(jù)挖掘方法。首先通過相空間重構(gòu)及探尋預(yù)測點函數(shù)關(guān)聯(lián)，構(gòu)建出混沌時間序列模型，以此預(yù)測目標資源的具體方位，為后續(xù)的精準挖掘提供先決條件；其次，對資源管理大數(shù)據(jù)的回波信號采取去噪處理，最大限度減少信號損失，保證信號傳輸真實性；最后利用基于峰值點修正的資源管理大數(shù)據(jù)挖掘方法，對回波波形進行擬合糾正，能夠更加準確地發(fā)現(xiàn)峰值點位置，挖掘誤差在-50～50 mm波動，運用幅度臨界值把信號中幅度較小的偽峰值點進行過濾剔除，以此提升挖掘精準度，保證挖掘結(jié)果的可靠性。