[发明专利]有向网络下增强稀疏保持嵌入的动态过程监测方法

摘要

本发明公开了一种有向网络下增强稀疏保持嵌入的动态过程监测方法，利用稀疏表示构建有向网络，将动态的时空网络结构转换成普通的有向网络结构。通过计算有向网络的概率路径值，表征样本之间的有效距离，获得有向网络的相似度连接矩阵，刻画过程的动态变化特性。在此基础上建立的增强稀疏保持嵌入模型能更好地挖掘动态过程中边缘网络故障的隐藏特征。本发明方法所涉及的有向网络下增强稀疏保持嵌入模型能取得更优越的动态过程监测效果。

主权项

1.一种有向网络下增强稀疏保持嵌入的动态过程监测方法，其特征在于：包括以下步骤：A、建立鲁棒的稀疏表示模型，求解稀疏重构矩阵C，给定数据集X＝[x1,x2,…,xn]∈Rm×n，则稀疏表示的目标函数为：minC,E||C||1+ε||E||1s.t. X＝X·C+E1TC＝1T式中，C∈Rn×n为稀疏重构矩阵，它的元素ci＝[ci,1,ci,2,…,ci,i‑1,0,ci,i+1,…,ci,n]T为n维的系数向量，E为离群误差，ε为正则化参数，||·||1为L1范式，1为元素全为1的列向量，通过稀疏表示，获得每个样本xi的稀疏重构向量ci；B、根据稀疏重构矩阵，计算有向网络的概率路径值，获取动态网络的有效距离，表征有向网络的相似度连接矩阵W；C、构建增强稀疏保持嵌入模型，不仅表征数据的拓扑结构，而且保持数据样本之间的相似信息关系，更好地描述动态过程的变化状态；D、建立动态过程的监测模型：根据T2和SPE统计量，量化模型内外的变化情况，检测有向网络的故障。