[发明专利]基于相同系统中个体与群体特征差异性统计方法

权利要求书

1.基于相同系统中个体与群体特征差异性统计方法，其特征在于，包括以下步骤：

S1、在相同系统、相同工作环境中，对某一个体在某一时刻的工作状态中的原始数据进行特征统计；

S2、对该时刻群体的工作状态中的原始数据进行特征统计；

S3、对个体与群体的工作状态的特征差异性进行统计；

S4、对上述个体与群体的特征差异性统计结果进行显化。

2.根据权利要求1所述的基于相同系统中个体与群体特征差异性统计方法，其特征在于，步骤S1具体包括以下步骤：

S101、对某一个体在某一时刻的工作状态中的原始数据，用一向量表示，该向量具有多个测量值；

S102、预设一个输出向量,该输出向量的长度小于或等于上述测量值的个数，初始值全部为0；

S103、选择重组能代表该个体在某一时刻的工作状态的特征集；

S104、将该特征集复制到输出向量,最终得到该个体在某一时刻的工作状态特征向量，从而完成对该个体在某一时刻的特征统计表达。

3.根据权利要求2所述的基于相同系统中个体与群体特征差异性统计方法，其特征在于，某一个体在某一时刻的工作状态特征向量表示为：

A_o＝des(I_a)

其中，A表示某一个体；向量表示当前t时刻个体A的工作状态中的原始数据，e表示测量值；下标1…n代表特征编号,共有n个测量值，长度为n；表示所述输出向量，该输出向量的长度为m，m<＝n，初始值全部为0；

选择重组能代表该个体A在t时刻的工作状态的特征集表示为：

r1＝des(I_a)；

其中，des是指一种表示选择重组特征集的决策。

4.根据权利要求3所述的基于相同系统中个体与群体特征差异性统计方法，其特征在于，步骤S2具体包括以下步骤：

S201、对该群体的工作状态的原始数据，用一矩阵表示，且群体中每个个体有多个测量值；

S202、预设一个输出矩阵；

S203、对表示原始数据的矩阵进行相应处理，选择重组能代表该群体的工作状态的矩阵；

S204、将上述能代表该群体的工作状态的矩阵复制到输出矩阵，最终得到该群体的工作状态特征矩阵，从而完成对群体在该时刻的特征统计表达。

5.根据权利要求4所述的基于相同系统中个体与群体特征差异性统计方法，其特征在于，该群体的工作状态特征矩阵表示为：

G_o＝des(G)

其中，G表示群体G的工作状态的原始数据的矩阵，其大小为(k-1)*n；I表示个体，I的上标表示个体编号，取值范围为2…k,代表除去个体I₁之外的群体G；I的下标e表示测量值，e的下标表示测量编号，取值范围为1…n，表示群体中每个个体共有n个测量值；

其中，G_o表示输出矩阵，其大小为(k-1)*m，I表示个体，I的上标表示个体编号，取值范围为2…k,代表除去个体I₁之外的群体G；I的下标f表示特征值，f的下标表示特征编号，取值范围为1…m，表示最后共有m个特征来表示群体中每个个体的工作状态；

步骤S203中能代表该群体的工作状态的矩阵表示为：

r2＝des(G)。

6.根据权利要求5所述的基于相同系统中个体与群体特征差异性统计方法，其特征在于，步骤S3具体包括以下步骤：

将所述某一个体在某一时刻的工作状态特征向量中的第一个元素，表示为输出的第一个特征；

将该时刻所述群体的工作状态特征矩阵中的第一列元素，表示为群体中所有个体的特征的特征值；

运用归一化函数对上述输出的第一个特征和群体中所有个体的特征的特征值进行归一化，得到归一化值；

运用差异性函数计算上述归一化值中两个向量的差异性，得到差异值；

按照上述步骤，依次将所述某一个体在某一时刻的工作状态特征向量中的所有元素取出，依次将该时刻所述群体的工作状态特征矩阵中的每列元素取出，直至计算出所有的归一化值，得到个体与群体特征差异性向量。