[发明专利]一种基于相对熵的周期获取方法

说明书

本发明公开了一种基于相对熵的周期获取方法，所述基于相对熵的周期获取方法包括：步骤1，获取时空数据库中待研究用户在预设时间段内的观测序列；步骤2，根据步骤1的观测序列，确定两个或两个以上的候选周期T；步骤3，计算步骤2中的每一个候选周期T的相对熵，并将相对熵中的最大值对应的候选周期T作为真实周期。本发明利用分割后区间上观测的叠加分布来发现真实的周期，使用相对熵衡量序列切分后叠加的分布与候选周期上的均匀分布之间的差异，并作为判断是否真实周期的标准。本发明方法尤其适用于挖掘时空数据中人类的周期行为的周期。

技术领域

本发明涉及周期发现技术领域，特别是涉及一种基于相对熵的周期获取方法。

背景技术

周期行为是人类社会最为普遍的一种行为，比如工作日往返于办公室和住所的通勤行为；周末定期举行的家庭聚会或各种娱乐等活动；每月定期的个人所得税上报行为；每年的生日或结婚纪念日的庆祝活动等。随着基于位置服务的流行，以及IOT设备的发展，获得了海量的时空数据，记录了大量的人类行为。因此，时空数据中记录了相当可观的人类周期行为。挖掘和分析人类的周期行为有着广泛的应用，包括公共安全，犯罪预防，隐私保护，以及人群移动预测等。

人类周期行为挖掘指发现在固定时间间隔会发生的人类行为。周期发现是周期行为挖掘中最为重要的任务。过去的十几年，出现许多周期获取方法，比如：快速傅立叶变换(FFT)和自相关算法。然而，时空数据包含的单个用户历史记录往往是稀疏的，观测不完全，采样不均匀，且包含噪声。其次，因为人类行为是复杂性，所以周期行为不是严格在某个固定的时间点发生，而是在一个时间范围内波动。这些算法的对象是稠密，观测完全，采样均匀的物理的信号系统，因此无法直接应用在时空数据中周期行为的挖掘中。近些年，研究者也提出了多种针对时空数据的周期发现技术，比如WARP、Lomb-Scargle图谱、自相关和FFT相结合的技术。但是这些技术都存在假设太强烈、精度不高或者算法时间复杂度过高的问题。

因此，希望有一种技术方案来克服或至少减轻现有技术的上述缺陷中的至少一个。

发明内容

本发明的目的在于提供一种基于相对熵的周期获取方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种基于相对熵的周期获取方法，所述基于相对熵的周期获取方法包括：

步骤1，获取时空数据库中待研究用户在预设时间段内的观测序列；

步骤2，根据步骤1的观测序列，确定两个或两个以上的候选周期T；

步骤3，计算步骤2中的每一个候选周期T的相对熵，并将相对熵中的最大值对应的候选周期T作为真实周期。

进一步地，步骤3具体包括：

步骤31，将按照步骤2确定好的候选周期T，将步骤1提供的观测序列切分成片段；

步骤32，将步骤31切分好的片段在对应的候选周期T内进行叠加；

步骤33，获取长度为T的时间段内的每个离散时间点上观测到的事件S_i(T)；

步骤34，根据步骤33获得的事件S_i(T)，获取观测序列经过候选周期T切分后叠加的落在i位置处的分布p_i(T)；

步骤35，根据步骤34获得的p_i(T)，获取候选周期T的熵H(T)；

步骤36，根据步骤34获得的熵H(T)，获取候选周期T的相对熵；KL^*(p_i(T)||q_i(T))