[发明专利]一种基于非对称k近邻矩阵的增量式共享近邻获取方法

说明书

本发明公开了一种基于非对称k近邻矩阵的增量式共享近邻获取方法，获取无人机飞行数据集D的原始共享近邻矩阵，更新k近邻距离向量、非对称k近邻矩阵，计算无人机飞行数据集D对应的上三角共享近邻矩阵以及原始共享近邻矩阵；计算新添数据点d_p的k近邻行向量和逆k近邻列向量，更新非对称k近邻矩阵；非对称k近邻矩阵赋值；赋值更新后的共享近邻矩阵，替换更新后的共享近邻矩阵中的部分数据点，新添数据点d_p插入无人机飞行数据集D，替换非对称k近邻矩阵和原始共享近邻矩阵，重复上述步骤。本发明算法实现了共享近邻的增量式获取，将现有静态共享近邻获取方法推广到了动态。

技术领域

本方法属于数据挖掘领域，具体涉及一种基于非对称k近邻矩阵的增量式共享近邻获取方法，适用于无人机飞行数据的近邻分析。

背景技术

共享近邻是一种适用于变密度数据的数据间相似度的计算算法，该算法可根据数据集两两数据点之间的共享近邻数量探寻数据集的分布情况，若共享近邻数量越大表示两个数据点之间的相似度越高或分布越相近，反之则相似度越低或分布越疏远。共享近邻算法常用作基础算法与其他算法结合，目前被广泛应用于数据降维、聚类分析、模式识别、数据分类、故障诊断、异常度分析等领域。

在无人机飞行数据集D中两个数据点d_i，d_j之间的共享近邻计算法方法如下：设定k为数据的最近邻数量，NN_k(d_i)为无人机飞行数据集D中数据点d_i除自身外的k个最近邻集合，NN_k(d_j)为无人机飞行数据集D中数据点d_j除自身外的k个最近邻集合，则数据点d_i，d_j的共享近邻可由NN_k(d_i)与NN_k(d_j)的交集得到。无人机飞行数据集D中每个数据点都有多个共享近邻，称为该数据点的共享近邻集合，所有数据点的共享近邻集组成的矩阵称为无人机飞行数据集D的原始共享近邻矩阵。

在实际情况下，随着新添数据点d_p的加入无人机飞行数据集D的数据量不断增大，由于新添数据点d_p的加入会打破无人机飞行数据集D中数据点间的距离关系，因此需要对无人机飞行数据集D中原始共享近邻矩阵进行更新。另外，实际应用中往往还需要获取新添数据点d_p的共享近邻集合。传统的共享近邻计算方法是静态算法，需要针对每个新添数据点更新所有数据的共享近邻集乃至原始共享近邻矩阵，该方法算力消耗大且时延长，很难适用于即时响应场景，因此是制约该算法实用性的难题。

发明内容

针对现有技术存在的上述问题，本发明提出了一种基于非对称k近邻矩阵的增量式共享近邻获取方法。

为实现上述目的，本发明采用以下技术方案：

一种基于非对称k近邻矩阵的增量式共享近邻获取方法，包括以下步骤：

步骤1，获取无人机飞行数据集D的原始共享近邻矩阵，无人机飞行数据集D的数据点的个数赋值到数据量m，初始化并更新k近邻距离向量k_distvector，初始化并更新非对称k近邻矩阵ak_matrix，计算无人机飞行数据集D对应的上三角共享近邻矩阵us_matrix，根据上三角共享近邻矩阵us_matrix获得无人机飞行数据集D对应的原始共享近邻矩阵s_matrix；

步骤2、计算新添数据点d_p的k近邻行向量pk_vector和逆k近邻列向量rpk_vector，并更新非对称k近邻矩阵ak_matrix；初始化扩维后的非对称k近邻矩阵pk_matrix并赋值；

步骤3、初始化并赋值更新后的共享近邻矩阵ps_matrix，结合新添数据点d_p对步骤3.2中更新后的共享近邻矩阵ps_matrix中的部分数据点替换；