卫星遥测数据相关性知识发现方法

• 作者: 孟新 杨甲森 王春梅
• 来源期刊: 国防科技大学学报
• 学科: 航空航天
• 关键词: Mini Batch K-Means 信息熵 最大信息系数 遥测数据 相关性 量子卫星
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 计算机科学与技术·控制科学与工程·管理科学与工程
• 页码范围: 71-78
• 页数: 8页
• 分类号: V557.3
• 字数: 6057字
• 语种: 中文
• DOI: 10.11887/j.cn.201905011

摘要

为快速发现海量遥测数据中的相关关系,提出一种基于改进最大信息系数(Maximal InformationCoefficient,MIC)的遥测数据相关性知识发现方法.以Mini Batch K-Means聚类算法为前驱过程对数据进行网格划分;计算该网格划分下的互信息,并以信息熵代替原有最大熵对互信息进行归一化矫正得到信息系数;选择不同网格划分下MIC作为变量相关性的测度.采用量子卫星遥测数据进行试验,结果表明:与基于动态规划算法的MIC方法相比,所提方法可有效解决MIC测度偏向多值变量的问题,时间复杂度从O(n2,4)下降为O(n1,6),是一种适用于大规模遥测数据相关性分析的有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王春梅	中国科学院国家空间科学中心复杂航天系统电子信息技术重点实验室	49	787	14.0	27.0
2	孟新	中国科学院国家空间科学中心复杂航天系统电子信息技术重点实验室	63	363	11.0	14.0
3	杨甲森	中国科学院国家空间科学中心复杂航天系统电子信息技术重点实验室	7	9	2.0	3.0