【技术实现步骤摘要】
本文涉及数据检测领域，尤其是多维数据监测分析方法、装置、设备、存储介质及产品。
技术介绍
1、当前的电力物联移动应用程序中因处理的业务数量多、访问频繁，设备运维面临数据不同步，维护困难等问题。
2、当前的在线检测数据分析包括通过对电设备状态参数进行在线监测、应用模糊聚类算法分析设备故障，实现设备运行故障信息的实时挖掘。以上研究方法无法提高数据之间的区分效果，无法应用于本方案复杂、高维数据的分类，进而影响出现设备故障时的运维管理，影响工作效率、无法确保电力物联移动网的稳定性。
技术实现思路
1、为解决上述现有技术的问题，本文实施例提供了一种多维数据监测分析方法、装置、设备、存储介质及产品。
2、本文实施例公开了一种多维数据监测分析方法，所述方法包括：将电力物联移动监控数据进行维度划分，得到初始类别的监控数据集；计算每一初始类别的监控数据集中监控数据之间的测地距离，得到监控数据集对应的测地距离矩阵；根据所述测地距离矩阵及所述监控数据的协方差矩阵，对监控数据进行主成分提取，得到监控数据集的主成分矩阵；对所述主成分矩阵进行奇异值分解，并计算主成分矩阵的特征值及特征向量，得到初始类别的监控数据集对应的降维监控数据集；利用所述降维监控数据集，确定分类决策函数；根据所述分类决策函数，对降维监控数据集中的降维数据进行聚类，得到多维监控数据的分类结果。
3、根据本文实施例的一个方面，所述根据所述测地距离矩阵及所述监控数据的协方差矩阵，对监控数据进行主成分提取，得到
4、利用如下公式得到主成分矩阵：
5、
6、其中，v表示主成分矩阵，dg表示测地距离矩阵，为协方差矩阵中的元素，t为转置，为所述监控数据的协方差矩阵，s为初始类别的监控数据的个数。
7、根据本文实施例的一个方面，对所述主成分矩阵进行奇异值分解之前，所述方法进一步包括：利用如下公式对主成分矩阵进行双中心化处理：其中，τ(v)表示双中心处理后的主成分矩阵，v表示主成分矩阵，s为监控数据的个数，j为主成分矩阵中元素的数量，t表示转置。
8、根据本文实施例的一个方面，所述利用所述降维监控数据集确定分类决策函数，包括：利用所述降维监控数据集，确定多项式核函数；根据多项式核函数及sign函数，确定分类决策函数。
9、根据本文实施例的一个方面，利用所述降维监控数据集，确定多项式核函数包括：利用如下公式确定多项式核函数：其中，k(y，z)为所述多项式核函数，z表示空间平面的坐标，表示映射函数，p为正整数，y为降为数据集，其中，降维数据集通过如下公式获得：其中，y表示降维数据集，μi表示第i个特征向量，表示第i个特征值。
10、根据本文实施例的一个方面，根据所述分类决策函数，对降维监控数据集中的降维数据进行聚类包括：利用分类决策函数，确定降维数据集中各降维数据的分类得分，其中，所述分类函数由如下公式表示：其中，y表示所述降维数据集，yi表示第i个降维数据，表示最优解，b*为偏移变量；根据所述分类得分的分值大小，确定各降维数据的分类。
11、本文实施例还公开了一种多维数据监测分析装置，所述装置包括：初始类型的监控数据确定单元，用于将电力物联移动监控数据进行维度划分，得到初始类别的监控数据集；测地距离矩阵计算单元，用于计算每一初始类别的监控数据集中监控数据之间的测地距离，得到监控数据集对应的测地距离矩阵；主成分矩阵确定单元，用于根据所述测地距离矩阵及所述监控数据的协方差矩阵，对监控数据进行主成分提取，得到监控数据集的主成分矩阵；降维监控数据集确定单元，用于对所述主成分矩阵进行奇异值分解，并计算主成分矩阵的特征值及特征向量，得到降维监控数据集；分类决策函数确定单元，用于利用所述降维监控数据集，确定分类决策函数，分类结果获取单元，用于根据所述分类决策函数，对降维监控数据集中的降维数据进行聚类，得到多维监控数据的分类结果。
12、本文实施例还提供了一种计算机设备，所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述多维数据监测分析方法。
13、本文实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述多维数据监测分析方法。
14、本文实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现所述多维数据监测分析方法。
15、本方案通过确定监控数据之间的相关性，提高非线性数据降维的准确度，极大地满足电力物联移动平台复杂高维度数据的区分需求，准确获知不同电力设备之间的相关性的准确性，同时，应用svm方法能够实现数据分类，并应用改进k-means聚类实现高维数据映射，有效提升数据分类效果，有利于电力物联移动应用程序的中数据的运维管理。
本文档来自技高网...【技术保护点】
1.一种多维数据监测分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多维数据监测分析方法，其特征在于，所述根据所述测地距离矩阵及所述监控数据的协方差矩阵，对监控数据进行主成分提取，得到监控数据集的主成分矩阵包括：
3.根据权利要求1所述的多维数据监测分析方法，其特征在于，对所述主成分矩阵进行奇异值分解之前，所述方法进一步包括：
4.根据权利要求3所述的多维数据监测分析方法，其特征在于，所述利用所述降维监控数据集确定分类决策函数，包括：
5.根据权利要求4所述的多维数据监测分析方法，其特征在于，利用所述降维监控数据集，确定多项式核函数包括：
6.根据权利要求5所述的多维数据监测分析方法，其特征在于，根据所述分类决策函数，对降维监控数据集中的降维数据进行聚类包括：
7.一种多维数据监测分析装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任意一项所述的方法。<...
【技术特征摘要】
1.一种多维数据监测分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多维数据监测分析方法，其特征在于，所述根据所述测地距离矩阵及所述监控数据的协方差矩阵，对监控数据进行主成分提取，得到监控数据集的主成分矩阵包括：
3.根据权利要求1所述的多维数据监测分析方法，其特征在于，对所述主成分矩阵进行奇异值分解之前，所述方法进一步包括：
4.根据权利要求3所述的多维数据监测分析方法，其特征在于，所述利用所述降维监控数据集确定分类决策函数，包括：
5.根据权利要求4所述的多维数据监测分析方法，其特征在于，利用所述降维监控数据集，确定多项式核函数包括：
6.根据权利要求5所述的多维数据...
【专利技术属性】
技术研发人员：张宁，尚芳剑，李信，陈重韬，娄竞，李欣怡，王艺霏，温馨，姚艳丽，王森，张海明，
申请(专利权)人：国网冀北电力有限公司信息通信分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。