面向海洋时序数据异常模式发现的多视图协同可视分析

作     者：贺琪 曹万万 黄冬梅 郝增周 杜艳玲 耿立佳 HE Qi;CAO Wanwan;HUANG Dongmei;HAO Zengzhou;DU Yanling;GENG Lijia

作者机构：上海海洋大学信息学院上海201306 上海电力大学上海200090 自然资源部第二海洋研究所浙江杭州310012 国家海洋局东海标准计量中心上海201306 

出 版 物：《海洋通报》 (Marine Science Bulletin)

年 卷 期：2022年第41卷第6期

页      面：619-629页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0816[工学-测绘科学与技术] 0835[工学-软件工程] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金(61972240) 国家自然科学基金青年基金(41906179) 上海市科委部分地方高校能力建设项目(20050501900) 

主　　题：海洋多要素数据 多维度标度算法 密度聚类 平行坐标 异常模式 

摘      要：如何发现多要素海洋环境时序数据中蕴含的由自然现象导致的异常模式,进而实现对未来海洋事件的有效预测是一个亟待解决的问题。本文提出了一种面向海洋环境时序数据异常模式挖掘的多视图协同可视分析方法,首先,计算出多要素数据间的相似性矩阵,通过多维标度法(Multi-Dimensional Scaling,MDS)投影降维,将投影结果通过密度聚类(DensityBased Spatial Clustering of Applications with Noise,DBSCAN)生成时序MDS聚类视图,表达多要素数据的时序特征,用于发现多要素叠加后的异常模式;其次,基于相似性矩阵计算每个要素熵值,生成与时序MDS聚类视图对应的多要素信息熵视图,表达每个要素在时序上的不确定性,用于确定不同要素对异常模式的贡献度;最后,针对异常模式,提供由对应原始数据投影生成的焦点平行坐标视图,进一步分析要素之间的相关性强弱和数据内部具体的变化趋势。将本文方法应用于东山台站(23.9°N,117.5°E)、遮浪台站(22.6°N,115.5°E)附近海洋数据,分析由台风造成的数据异常模式和要素之间的相关性,证明了本文提出的多视图可视分析方法的有效性,方法具备发现多要素时序数据蕴含的异常模式的能力。