海底板块异常运动检测方法及装置制造方法及图纸

本申请提供一种海底板块异常运动检测方法及装置。所述方法包括：将海底板块之间的交界地带划分成多个区域，从所述多个区域的声呐数据中获取每个区域的声呐数据的最小近邻和邻域；根据每个区域对应的最小近邻的特征、邻域的特征和所述多个区域上次聚类的特征，将所述多个区域聚类为第一异常运动区域和正常区域；根据每个第一异常运动区域的声呐数据的离群因子确定每个第一异常运动区域是否为第二异常运动区域。本申请提高了海底板块异常运动的检测效率和精度。的检测效率和精度。的检测效率和精度。

【技术实现步骤摘要】
海底板块异常运动检测方法及装置


[0001]本申请涉及海洋探测
，具体涉及一种海底板块异常运动检测方法及装置。

技术介绍

[0002]海底板块的运动与人们的生活看似关联不大，但是如果海底板块运动激烈或者异常将造成巨大的自然灾害，例如海底火山喷发、海啸和地震等。因此对这种重大的自然灾害进行观测、预防、提前预警和疏散十分重要。
[0003]海洋声呐探测数据的处理目前大多采用特征选择、特征提取或SVM(Support Vector Machines，支持向量机)。这些方法大多数都是用于数据挖掘中分类检测的，对于异常数据检测效果不佳，且检测效率较。
[0004]其中，特征选择方法，也称为属性选择，多用于文本分类中，可以根据属性选择来确定最佳子集，排除若干不相关的特征，从而得到最高相关度特征，来提高训练数据的分类精度。特征选择方法的特性在声呐探测技术中多于用海洋生物的检测，用来分析多物种的海洋生物。由于特征选择方法的自身特点很难对板块运动的进性属性特征选择，因此它不太适合用于分析判断海底板块运动。
[0005]特征提取方法和特征选择的目的大致相同，都是试图减少特征数据集中的属性数目，只不过采用的方式不同。特征提取采用降维的方式，重新组合特征属性来组成新的特征空间。因此特征提取也多用于生物监测方面。
[0006]SVM是一种对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面，使用铰链损失函数计算经验风险，并在求解系统中加入正则化项以优化结构风险，是一个具有稀疏性和稳健性的分类器。基于SVM的特点，在海洋声呐探测中多用于海建的探伤和沉船图像刻画。
[0007]离群点检测算法能够很好的用于海底板块运动的检测，通过对海底探测器返回的声呐数据进行分析，能够实时监测海底板块的运动。离群点检测方法本身就是数据挖掘方法中的重要分支，其目的在于挖掘出与大多数数据表现相异的数据，海底板块异常运动就是这种异常类的数据。离群点检测算法多用于无监督的数据挖掘，可以很好对未知数据集进行异常挖掘。离群点检测无需知道探测的样本数据是什么样的，是否具备分类、聚类的要求，通过选择合适的算法模型来对声呐返回的海底基础数据进行实时分析，从而达到检测海底板块异常运动的目标。
[0008]传统的离群点检测算法主要分为三类。基于统计学习方法的离群点检测模型出现的最早，常用的有z
‑
score、决策树和线性回归。这类统计学习模型对于未知数据的处理非常差，并且对于待检数据集的知识背景要求非常的高，容易造成过拟合或无法处理数据集，所以现在已经很少使用了。
[0009]基于单一的离群因子的离群点检测算法，例如基于密度的离群点检测算法和基于距离的离群点检测算法，但是由于密度阈值和距离阈值的控制和选择对干边界点的处理不
友好，检测精度低。
[0010]基于聚类的离群点检测方法是数据挖掘中比较成熟的方法。目标是用于聚类，刚开始只是把离群点当作聚类结果的副产物，也称为噪声处理掉，这些聚类算法并不是每个方法都对噪声做出了处理，有的甚至也忽略噪声的存在，有考虑噪声影响的算法也只是做了简单的处理，并没有进一步的发掘真离群点。而且，传统的聚类方法也存在时间、空间复杂度过大的问题，因此用于离群点检测也需要改进后才能使用。

技术实现思路

[0011]本申请实施例提供一种海底板块异常运动检测方法及装置，用以解决现有的检测方法计算复杂，效率低，检测效果差的技术问题。
[0012]第一方面，本申请实施例提供一种海底板块异常运动检测方法，包括：
[0013]将海底板块之间的交界地带划分成多个区域，从所述多个区域的声呐数据中获取每个区域的声呐数据的最小近邻和邻域；
[0014]根据每个区域对应的最小近邻的特征、邻域的特征和所述多个区域上次聚类的特征，将所述多个区域聚类为第一异常运动区域和正常区域；
[0015]计算每个第一异常运动区域的声呐数据的离群因子，根据每个第一异常运动区域的声呐数据的离群因子确定每个第一异常运动区域是否为第二异常运动区域。
[0016]根据本专利技术提供的一种海底板块异常运动检测方法，所述根据每个区域对应的最小近邻的特征、邻域的特征和所述多个区域上次聚类的特征，将所述多个区域聚类为第一异常运动区域和正常区域，包括：
[0017]将每个区域的声呐数据与每个区域对应的第一预设个数的最小近邻之间的平均距离作为每个区域对应的最小近邻的特征；
[0018]将每个区域对应的邻域的个数作为每个区域对应的邻域的特征；
[0019]将每个区域的声呐数据与每个区域的声呐数据上次聚类的各聚类质心之间的距离中的最小值作为每个区域对应的上次聚类的特征；
[0020]根据每个区域对应的与最小近邻之间的平均距离、与上次聚类的各聚类质心之间的距离中的最小值，以及所述个数，将所述多个区域聚类为第一异常运动区域和正常区域。
[0021]根据本专利技术提供的一种海底板块异常运动检测方法，所述根据每个区域对应的与最小近邻之间的平均距离、与上次聚类的各聚类质心之间的距离中的最小值，以及所述个数，将所述多个区域聚类为第一异常运动区域和正常区域，包括：
[0022]若每个区域对应的与最小近邻之间的平均距离大于第一阈值、与上次聚类的各聚类质心之间的距离中的最小值大于第二阈值或所述个数小于第三阈值，则将每个区域聚类为第一异常运动区域。
[0023]根据本专利技术提供的一种海底板块异常运动检测方法，从所述多个区域的声呐数据中获取每个区域的声呐数据的邻域，包括：
[0024]计算每个区域的声呐数据与所述多个区域中除每个区域以外的其他区域的声呐数据之间的距离；
[0025]将每个区域的声呐数据与所述其他区域的声呐数据之间的距离按照从小到达的顺序进行排序，从排序结果中选择序号为所述第一预设个数的位置上的距离；
[0026]将为所有区域选择的距离的平均值作为邻域半径，将所述排序结果中小于或等于所述邻域半径的距离对应的其他区域的声呐数据作为每个区域的声呐数据的邻域。
[0027]根据本专利技术提供的一种海底板块异常运动检测方法，所述根据每个区域对应的与最小近邻之间的平均距离、与上次聚类的各聚类质心之间的距离中的最小值，以及所述个数，将所述多个区域聚类为第一异常运动区域和正常区域之前，还包括：
[0028]从所有区域对应的平均距离中选择第一预设分位上的平均距离作为所述第一阈值；
[0029]从所有区域对应的最小值中选择第二预设分位上的最小值作为所述第二阈值；
[0030]将所述第一预设个数除以2后向下取整，将向下取整的结果减1，获取所述第三阈值。
[0031]根据本专利技术提供的一种海底板块异常运动检测方法，所述计算每个第一异常运动区域的声呐数据的离群因子，包括：
[0032]从所述多个区域的声呐数据中获取每个第一异常运动区域的声呐数据的近邻；其中，所述近邻包括K近邻、反向K近邻和相似K近邻；...

【技术保护点】

【技术特征摘要】
1.一种海底板块异常运动检测方法，其特征在于，包括：将海底板块之间的交界地带划分成多个区域，从所述多个区域的声呐数据中获取每个区域的声呐数据的最小近邻和邻域；根据每个区域对应的最小近邻的特征、邻域的特征和所述多个区域上次聚类的特征，将所述多个区域聚类为第一异常运动区域和正常区域；计算每个第一异常运动区域的声呐数据的离群因子，根据每个第一异常运动区域的声呐数据的离群因子确定每个第一异常运动区域是否为第二异常运动区域。2.根据权利要求1所述的海底板块异常运动检测方法，其特征在于，所述根据每个区域对应的最小近邻的特征、邻域的特征和所述多个区域上次聚类的特征，将所述多个区域聚类为第一异常运动区域和正常区域，包括：将每个区域的声呐数据与每个区域对应的第一预设个数的最小近邻之间的平均距离作为每个区域对应的最小近邻的特征；将每个区域对应的邻域的个数作为每个区域对应的邻域的特征；将每个区域的声呐数据与每个区域的声呐数据上次聚类的各聚类质心之间的距离中的最小值作为每个区域对应的上次聚类的特征；根据每个区域对应的与最小近邻之间的平均距离、与上次聚类的各聚类质心之间的距离中的最小值，以及所述个数，将所述多个区域聚类为第一异常运动区域和正常区域。3.根据权利要求2所述的海底板块异常运动检测方法，其特征在于，所述根据每个区域对应的与最小近邻之间的平均距离、与上次聚类的各聚类质心之间的距离中的最小值，以及所述个数，将所述多个区域聚类为第一异常运动区域和正常区域，包括：若每个区域对应的与最小近邻之间的平均距离大于第一阈值、与上次聚类的各聚类质心之间的距离中的最小值大于第二阈值或所述个数小于第三阈值，则将每个区域聚类为第一异常运动区域。4.根据权利要求3所述的海底板块异常运动检测方法，其特征在于，从所述多个区域的声呐数据中获取每个区域的声呐数据的邻域，包括：计算每个区域的声呐数据与所述多个区域中除每个区域以外的其他区域的声呐数据之间的距离；将每个区域的声呐数据与所述其他区域的声呐数据之间的距离按照从小到达的顺序进行排序，从排序结果中选择序号为所述第一预设个数的位置上的距离；将为所有区域选择的距离的平均值作为邻域半径，将所述排序结果中小于或等于所述邻域半径的距离对应的其他区域的声呐数据作为每个区域的声呐数据的邻域。5.根据权利要求4所述的海底板块异常运动检测方法，其特征在于，所述根据每个区域对应的与最小近邻之间的平均距离、与上次聚类的各聚类质心之间的距离中的最小值，以及所述个数，将所述多个区域聚...

【专利技术属性】
技术研发人员：刘虹江，张宝海，韩东旭，
申请(专利权)人：中移雄安信息通信科技有限公司中国移动通信集团有限公司，
类型：发明
国别省市：