用于多尺度监测的粗粒度多层流信息动态
阅读：180发布：2020-05-08
专利汇可以提供用于多尺度监测的粗粒度多层流信息动态专利检索，专利查询，专利分析的服务。并且描述了一种用于多尺度监测的系统。在操作期间，该系统接收具有多个区的场景的监视数据。所述监视数据包括表示在时刻t从一个区流动到另一个区的多个对象的对象流张量V以及表示在时刻t从一个区发送到另一个区的多个通信的对象通信张量C。所述系统然后确定所述多个区的集群成员。然后确定通信与流之间的依赖关系链接。基于所述依赖关系链接，将一个或更多个区的至少一个集群 指定 为感兴趣区域，这允许系统基于所指定的感兴趣区域对装置进行控制。，下面是用于多尺度监测的粗粒度多层流信息动态专利的具体信息内容。
1.一种用于多尺度监测的系统，该系统包括：
存储器和一个或更多个处理器，所述存储器是编码有可执行指令的非暂时性计算机可读介质，使得当执行所述指令时，所述一个或更多个处理器执行以下操作：
接收具有多个区的场景的监视数据，所述监视数据具有表示在时刻t从一个区流动到另一个区的多个对象的对象流张量V以及表示在时刻t从一个区发送到另一个区的多个通信的对象通信张量C；
确定所述多个区的集群成员；
确定通信与流之间的依赖关系链接；
基于所述依赖关系链接，将一个或更多个区的至少一个集群指定为感兴趣区域；以及基于所述感兴趣区域对装置进行控制。
2.根据权利要求1所述的系统，其中，确定所述多个区的集群成员还包括以下操作：
基于所述对象流张量V来构造邻接矩阵A；
将所述邻接矩阵A对称化；
求解对称化的所述邻接矩阵的非负矩阵分解；以及
在所述多个区的各个区中指派所述对象的集群成员，以生成所述集群成员。
3.根据权利要求2所述的系统，其中，确定通信与流之间的依赖关系链接还包括以下操作：
通过合并各个集群内的船舶流V，基于所述集群成员来构造低分辨率流张量；
确定流传递熵；以及
通过阈值化来识别依赖关系链接和从属集群。
4.根据权利要求3所述的系统，其中，基于所述依赖关系链接将一个或更多个区的至少一个集群指定为感兴趣区域包括：将所述从属集群指定为感兴趣区域。
5.根据权利要求4所述的系统，其中，基于所述感兴趣区域对装置进行控制还包括：使无人驾驶飞行器移动到所述感兴趣区域。
6.根据权利要求4所述的系统，其中，基于所述感兴趣区域对装置进行控制还包括：使卫星中的监视设备放大至所述感兴趣区域。
7.根据权利要求1所述的系统，其中，基于所述感兴趣区域对装置进行控制还包括：使无人驾驶飞行器移动到所述感兴趣区域。
8.根据权利要求1所述的系统，其中，基于所述感兴趣区域对装置进行控制还包括：使卫星中的监视设备放大至所述感兴趣区域。
9.一种用于多尺度监测的计算机程序产品，该计算机程序产品包括：
编码有可执行指令的非暂时性计算机可读介质，使得当由一个或更多个处理器执行所述指令时，所述一个或更多个处理器执行以下操作：
接收具有多个区的场景的监视数据，所述监视数据具有表示在时刻t从一个区流动到另一个区的多个对象的对象流张量V以及表示在时刻t从一个区发送到另一个区的多个通信的对象通信张量C；
确定所述多个区的集群成员；
确定通信与流之间的依赖关系链接；
基于所述依赖关系链接，将一个或更多个区的至少一个集群指定为感兴趣区域；以及基于所述感兴趣区域对装置进行控制。
10.根据权利要求9所述的计算机程序产品，其中，确定所述多个区的集群成员还包括以下操作：
基于所述对象流张量V来构造邻接矩阵A；
将所述邻接矩阵A对称化；
求解对称化的所述邻接矩阵的非负矩阵分解；以及
在所述多个区的各个区中指派所述对象的集群成员，以生成所述集群成员。
11.根据权利要求所10所述的计算机程序产品，其中，确定通信与流之间的依赖关系链接还包括以下操作：
通过合并各个集群内的船舶流V，基于所述集群成员来构造低分辨率流张量；
确定流传递熵；以及
通过阈值化来识别依赖关系链接和从属集群。
12.根据权利要求11所述的计算机程序产品，其中，基于所述依赖关系链接将一个或更多个区的至少一个集群指定为感兴趣区域包括：将所述从属集群指定为感兴趣区域。
13.根据权利要求12所述的计算机程序产品，其中，基于所述感兴趣区域对装置进行控制还包括：使无人驾驶飞行器移动到所述感兴趣区域。
14.根据权利要求12所述的计算机程序产品，其中，基于所述感兴趣区域对装置进行控制还包括：使卫星中的监视设备放大至所述感兴趣区域。
15.根据权利要求9所述的计算机程序产品，其中，基于所述感兴趣区域对装置进行控制还包括：使无人驾驶飞行器移动到所述感兴趣区域。
16.根据权利要求9所述的计算机程序产品，其中，基于所述感兴趣区域对装置进行控制还包括：使卫星中的监视设备放大至所述感兴趣区域。
17.一种用于多尺度监测的计算机实现的方法，该方法包括以下动作：
使一个或更多个处理器执行编码在非暂时性计算机可读介质上的指令，使得在执行所述指令时，所述一个或更多个处理器执行以下操作：
接收具有多个区的场景的监视数据，所述监视数据具有表示在时刻t从一个区流动到另一个区的多个对象的对象流张量V以及表示在时刻t从一个区发送到另一个区的多个通信的对象通信张量C；
确定所述多个区的集群成员；
确定通信与流之间的依赖关系链接；
基于所述依赖关系链接，将一个或更多个区的至少一个集群指定为感兴趣区域；以及基于所述感兴趣区域对装置进行控制。
18.根据权利要求17所述的方法，其中，确定所述多个区的集群成员还包括以下操作：
基于所述对象流张量V来构造邻接矩阵A；
将所述邻接矩阵A对称化；
求解对称化的所述邻接矩阵的非负矩阵分解；以及
在所述多个区的各个区中指派所述对象的集群成员，以生成所述集群成员。
19.根据权利要求18所述的方法，其中，确定通信与流之间的依赖关系链接还包括以下操作：
通过合并各个集群内的船舶流V，基于所述集群成员来构造低分辨率流张量；
确定流传递熵；以及
通过阈值化来识别依赖关系链接和从属集群。
20.根据权利要求19所述的方法，其中，基于所述依赖关系链接将一个或更多个区的至少一个集群指定为感兴趣区域包括：将所述从属集群指定为感兴趣区域。
21.根据权利要求20所述的方法，其中，基于所述感兴趣区域对装置进行控制还包括：
使无人驾驶飞行器移动到所述感兴趣区域。
22.根据权利要求20所述的方法，其中，基于所述感兴趣区域对装置进行控制还包括：
使卫星中的监视设备放大至所述感兴趣区域。
23.根据权利要求17所述的方法，其中，基于所述感兴趣区域对装置进行控制还包括：
使无人驾驶飞行器移动到所述感兴趣区域。
24.根据权利要求17所述的方法，其中，基于所述感兴趣区域对装置进行控制还包括：
使卫星中的监视设备放大至所述感兴趣区域。
用于多尺度监测的粗粒度多层流信息动态
[0001] 政府权利
[0002] 本发明是根据经由波音公司由国家侦察局签署的美国政府合同号PC 1141899在政府支持下完成的。政府拥有本发明的某些权利。
[0003] 相关申请的交叉引用
[0004] 本申请是2017年4月25日提交的美国申请No.15/497,202的部分继续申请，该申请是2016年8月17日提交的美国临时申请No.62/376,220的非临时申请，该临时申请的全部内容通过引用并入于此。
[0006] 发明的背景(1)技术领域
[0007] 本发明涉及监测系统，并且更具体地，涉及使用粗粒度多层流信息动态进行多尺度监测的系统。
[0008] (2)相关技术的描述
[0009] 监测系统通常用于观测和监测各种各样的复杂系统。虽然监测单个数据源看似简单，但是监测大规模异构数据源却异常复杂且容易出错。一些现有技术(参见并入参考文献的列表，参考文献No.4)被开发出来，以提供利用多层信息动态框架来分析多个异构数据源的新能力，而其他现有技术(参见参考文献No.2和No.5)仅考虑了单个数据源。
[0010] 虽然已经尝试理解大规模异构数据，但是现有技术仍然缺乏扩展多层信息动态框架以对多个尺度(例如空间尺度)进行建模从而可以高效地利用有限计算资源的能力。因此，持续需要一种使用粗粒度多层流信息动态进行多尺度监测以允许高效资源分配的系统。
发明内容
[0011] 本公开提供了一种用于多尺度监测的系统。在各个方面，该系统包括存储器以及一个或更多个处理器，所述存储器是编码有可执行指令的非暂时性计算机可读介质，使得当执行所述指令时，所述一个或更多个处理器执行若干操作，例如接收具有多个区的场景的监视数据，所述监视数据具有表示在时刻t从一个区流动到另一个区的多个对象的对象流张量V以及表示在时刻t从一个区发送到另一个区的多个通信的对象通信张量C；确定所述多个区的集群成员；确定通信与流之间的依赖关系链接；基于所述依赖关系链接，将一个或更多个区的至少一个集群指定为感兴趣区域；以及基于所述感兴趣区域对装置进行控制。
[0012] 在另一方面，确定所述多个区的集群成员还包括以下操作：基于所述对象流张量V构造邻接矩阵A；将邻接矩阵A对称化；求解所述对称化邻接矩阵的非负矩阵分解；以及在所述多个区的各个区中指派所述对象的集群成员，以生成所述集群成员。
[0014] 另外，基于所述依赖关系链接将一个或更多个区的至少一个集群指定为感兴趣区域包括：将所述从属集群指定为感兴趣区域。
[0016] 此外，基于所述感兴趣区域对装置进行控制还包括：使卫星中的监视设备放大至所述感兴趣区域。
[0017] 最后，本发明还包括计算机程序产品和计算机实现的方法。所述计算机程序产品包括存储在非暂时性计算机可读介质上的计算机可读指令，所述计算机可读指令能够由具有一个或更多个处理器的计算机执行，使得在执行所述指令时，所述一个或更多个处理器执行本文列出的操作。另选地，所述计算机实现的方法包括使计算机执行这种指令并且执行所得操作的动作。附图说明
[0019] 根据下面结合参照附图对本发明各个方面的详细描述，本发明的目的、特征以及优点将显而易见，附图中：
[0020] 图1是描绘根据本发明的各种实施方式的系统的组件的框图；
[0021] 图2是具体实施本发明一个方面的计算机程序产品的例示图；
[0022] 图3是描绘根据本发明的各种实施方式的用于多尺度监测的处理的流程图；
[0023] 图4是根据本发明的各种实施方式的用于找到跨层的活动依赖关系的多层信息动态模型；
[0024] 图5是混合的粗尺度多层网络的示意性例示图；
[0025] 图6是描绘多层信息动态框架的多个空间尺度如何提供放大到感兴趣区域的能力的例示图；
[0026] 图7是发现层间依赖关系的示意性例示图；
[0027] 图8是示出流聚类概括了船舶流并减少了流的数目的例示图；
[0028] 图9A是全分辨率下的船舶流图的示例；
[0029] 图9B是低分辨率下的船舶流图的示例；
[0030] 图9C是船舶流图的示例，其描绘了多尺度版本；以及
[0031] 图10是描绘根据各种实施方式的装置的控制的框图。
具体实施方式
[0032] 本发明涉及监测系统，并且更具体地，涉及使用粗粒度多层流信息动态进行多尺度监测的系统。呈现以下描述以使本领域普通技术人员能够制造和使用本发明并将其并入特定应用的背景中。对于本领域技术人员来说显然可以有各种改动以及不同应用方面的多种用途，并且本文限定的一般原理可以被应用于广泛的方面。因此，本发明不旨在限于所呈现的方面，而是涵盖与本文所公开原理和新颖特征相一致的最广范围。
[0033] 在下面的详细描述中，阐述了许多具体细节，以便提供对本发明的更透彻理解。然而，本领域技术人员应当明白，本发明可以在不必受限于这些具体细节的情况下来实践。在其它情况下，公知结构和装置按框图形式而不是按细节示出，以免妨碍对本发明的理解。
[0034] 也请读者留意与本说明书同时提交的所有文件和文档，这些文件和文档与本说明书一起开放以供公众查阅，所有这些文件和文档的内容通过引用并入于此。本说明书中公开的所有特征(包括任何所附权利要求、摘要以及附图)可以由用于相同、等同或相似目的的另选特征来代替，除非另有明确说明。因此，除非另有明确说明，所公开的每个特征仅仅是一系列的等同或相似特征中的一个例子。
[0035] 而且，权利要求中没有明确陈述“用于执行指定功能的装置”或“用于执行特定功能的步骤”的任何要素不应被解释为如在35U.S.C.112节第6款中指定的“装置”或“步骤”条款。特别地，在本文的权利要求中使用“……的步骤”或“……的动作”不应触发35U.S.C.112节第6款的规定。
[0036] 在详细描述本发明先前，首先提供了引用参考文献的列表。接下来，提供了对本发明各个主要方面的描述。随后，引言为读者提供了对本发明的一般理解。最后，提供本发明各个实施方式的具体细节，以使得能够理解具体方面。
[0037] (1)并入参考文献的列表
[0038] 贯穿本申请引用以下参考文献。为了清楚和方便起见，这些参考文献在此被列为读者的中心资源。下列参考文献通过引用并入于此，就像在此完全陈述的一样。这些参考文献通过参照如下对应文献参考号而在本申请中加以引用：
[0039] 1.Batty,Michael,et al."Entropy,complexity,and spatial information."Journal of geographical systems 16.4(2014):363-385.
[0040] 2.J.Borge-Holthefer,N.Perra,B.Goncalves,S.Gonzalez-Bailon,A.Arenas,Y.Moreno,and A.Vespignani.The dynamics of information-driven coordination phenomena:A transfer entropy analysis,Science Advance,2:5,e1501158,2016.[0041] 3.Ding,Chris,Xiaofeng He,and Horst D.Simon."On the equivalence of nonnegative matrix factorization and spectral clustering."Proceedings of the 2005SIAM International Conference on Data Mining.Society for Industrial and Applied Mathematics,2005.
[0042] 4. 2017年4月25日提交的题为“Multilayer Information Dynamics for Activity and Behavior Detection”的美国专利申请No.15/497,202
[0043] 5.N-K.Ni and T-C.Lu,Information Dynamic Spectrum Characterizes System Instability toward Critical Transitions,EPJ Data Science,3:28,2014
[0044] 6.T.Schreiber,Measuring information transfer.Phys Rev Lett 2000,85(2):461–464.10.1103/PhysRevLett.85.461
[0045] 7.C.E.Shannon,A Mathematical Theory of Communication".Bell System Technical Journal 27(3):379–423,1948.
[0046] 8.Shi,Lei,Hanghang Tong,Jie Tang,and Chuang Lin."Vegas:Visual influence graph summarization on citation networks."IEEE Transactions on Knowledge and Data Engineering 27.12(2015):3417-3431.
[0047] 9.Vandaele,A.,Gillis,N.,Lei,Q.,Zhong,K.,&Dhillon,I."Efficient and non-convex coordinate descent for symmetric nonnegative matrix factorization."IEEE Transactions on Signal Processing 64.21(2016):5571-5584.[0048] (2)主要方面
[0049] 本发明的各种实施方式包括三个“主要”方面。第一个主要方面是用于多尺度监测的系统。该系统通常采用计算机系统操作软件的形式或采用“硬编码”指令集的形式。该系统可以并入提供不同功能的各种各样的装置中。第二个主要方面是利用数据处理系统(计算机)进行操作的通常采用软件形式的方法。第三个主要方面是计算机程序产品。计算机程序产品通常表示存储在诸如光存储装置(例如，光盘(CD)或数字通用盘(DVD))或磁存储装置(例如，软盘或磁带)的非暂时性计算机可读介质上的计算机可读指令。计算机可读介质的其它非限制示例包括：硬盘、只读存储器(ROM)以及闪存型存储器。这些方面将在下面进行更详细描述。
[0050] 图1中提供了示出本发明的系统(即，计算机系统100)的示例的框图。计算机系统100被配置成执行与程序或算法相关联的计算、处理、操作和/或功能。在一个方面，本文讨论的某些处理和步骤被实现为存在于计算机可读存储器单元内并由计算机系统100的一个或更多个处理器执行的一系列指令(例如，软件程序)。在执行时，所述指令使计算机系统
100执行特定动作并展现特定行为，如本文所描述的。
100执行特定动作并展现特定行为，如本文所描述的。
[0051] 计算机系统100可以包括被配置成传送信息的地址/数据总线102。另外，一个或更多个数据处理单元(如处理器104(或多个处理器))与地址/数据总线102联接。处理器104被配置成处理信息和指令。在一方面，处理器104是微处理器。另选地，处理器104可以是不同类型的处理器，例如并行处理器、专用集成电路(ASIC)、可编程逻辑阵列(PLA)、复杂可编程逻辑器件(CPLD)或现场可编程门阵列(FPGA)。
[0052] 计算机系统100被配置成利用一个或更多个数据存储单元。计算机系统100可以包括与地址/数据总线102联接的易失性存储器单元106(例如，随机存取存储器(“RAM”)、静态RAM、动态RAM等)，其中，易失性存储器单元106被配置成存储用于处理器104的信息和指令。计算机系统100还可以包括与地址/数据总线102联接的非易失性存储器单元108(例如，只读存储器(“ROM”)、可编程ROM(“PROM”)、可擦除可编程ROM(“EPROM”)、电可擦除可编程ROM(“EEPROM”)、闪存等)，其中，非易失性存储器单元108被配置成存储用于处理器104的静态信息和指令。另选地，计算机系统100可以执行从诸如“云”计算中的在线数据存储单元取回的指令。在一方面，计算机系统100还可以包括与地址/数据总线102联接的一个或更多个接口，如接口110。所述一个或更多个接口被配置成使得计算机系统100能够与其它电子装置和计算机系统连接。由所述一个或更多个接口实现的通信接口可以包括有线(例如，串行电缆、调制解调器、网络适配器等)和/或无线(例如，无线调制解调器、无线网络适配器等)通信技术。
[0053] 在一个方面，计算机系统100可以包括与地址/数据总线102联接的输入装置112，其中，输入装置112被配置成将信息和命令选择传送至处理器100。根据一个方面，输入装置112是字母数字输入装置(如键盘)，其可以包括字母数字键和/或功能键。另选地，输入装置
112可以是除字母数字输入装置之外的其它输入装置。在一方面，计算机系统100可以包括与地址/数据总线102联接的光标控制装置114，其中，光标控制装置114被配置成将用户输入信息和/或命令选择传送至处理器100。在一方面，光标控制装置114是利用诸如鼠标、轨迹球、轨迹板、光学跟踪装置或触摸屏的装置来实现的。尽管如此，但在一方面，例如响应于使用与输入装置112相关联的特殊键和键序列命令，光标控制装置114经由来自输入装置
112的输入而被引导和/或启用。在另一方面中，光标控制装置114被配置成通过语音命令指引或引导。
112可以是除字母数字输入装置之外的其它输入装置。在一方面，计算机系统100可以包括与地址/数据总线102联接的光标控制装置114，其中，光标控制装置114被配置成将用户输入信息和/或命令选择传送至处理器100。在一方面，光标控制装置114是利用诸如鼠标、轨迹球、轨迹板、光学跟踪装置或触摸屏的装置来实现的。尽管如此，但在一方面，例如响应于使用与输入装置112相关联的特殊键和键序列命令，光标控制装置114经由来自输入装置
112的输入而被引导和/或启用。在另一方面中，光标控制装置114被配置成通过语音命令指引或引导。
[0054] 在一方面，计算机系统100还可以包括与地址/数据总线102联接的一个或更多个可选的计算机可用数据存储装置，如存储装置116。存储装置116被配置成存储信息和/或计算机可执行指令。在一个方面，存储装置116是诸如磁或光盘驱动器(例如，硬盘驱动器(“HDD”)、软盘、光盘只读存储器(“CD-ROM”)、数字通用盘(“DVD”))的存储装置。依据一个方面，显示装置118与地址/数据总线102联接，其中，显示装置118被配置成显示视频和/或图形。在一方面，显示装置118可以包括：阴极射线管(“CRT”)、液晶显示器(“LCD”)、场发射显示器(“FED”)、等离子体显示器，或适于显示视频和/或图形图像以及用户可识别的字母数字字符的任何其它显示装置。
[0055] 本文所呈现的计算机系统100是根据一个方面的示例计算环境。然而，计算机系统100的非限制示例并不严格限于作为计算机系统。例如，一个方面规定了计算机系统100代表可以根据本文所述各个方面使用的一类数据处理分析。此外，还可以实现其它计算系统。
实际上，本技术的精神和范围不限于任何单一数据处理环境。因此，在一方面中，使用通过计算机执行的计算机可执行指令(例如，程序模块)来控制或实现本技术的各个方面的一个或更多个操作。在一个实现方式中，这样的程序模块包括被配置成执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件和/或数据结构。另外，一个方面提供了通过利用一个或更多个分布式计算环境来实现本技术的一个或更多个方面，例如，在该计算环境中，任务由通过通信网络链接的远程处理装置执行，或者例如，在该计算环境中，各种程序模块位于包括存储器-存储装置的本地和远程计算机存储介质中。
实际上，本技术的精神和范围不限于任何单一数据处理环境。因此，在一方面中，使用通过计算机执行的计算机可执行指令(例如，程序模块)来控制或实现本技术的各个方面的一个或更多个操作。在一个实现方式中，这样的程序模块包括被配置成执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件和/或数据结构。另外，一个方面提供了通过利用一个或更多个分布式计算环境来实现本技术的一个或更多个方面，例如，在该计算环境中，任务由通过通信网络链接的远程处理装置执行，或者例如，在该计算环境中，各种程序模块位于包括存储器-存储装置的本地和远程计算机存储介质中。
[0056] 图2中示出了具体实施本发明的计算机程序产品(即，存储装置)的例示图。该计算机程序产品被示出为软盘200或诸如CD或DVD的光盘202。然而，如先前提到的，该计算机程序产品通常代表存储在任何兼容的非暂时性计算机可读介质上的计算机可读指令。如关于本发明所使用的术语“指令”通常指示要在计算机上执行的一组操作，并且可以表示整个程序的片段或单个、可分离的软件模块。“指令”的非限制示例包括计算机程序代码(源或目标代码)和“硬编码”电子装置(即，编码到计算机芯片中的计算机操作)。“指令”被存储在任何非暂时性计算机可读介质上，例如存储在计算机的存储器中或软盘、CD-ROM以及闪存驱动器上。无论如何，这些指令被编码在非暂时性计算机可读介质上。
[0057] (3)引言
[0058] 本公开提供了用于信息动态的独特的多尺度多层图框架，该框架分析并监测不同类型的活动和动态的关系。基于不同类型的可观测量(或测量值)的时间序列，用于信息动态的多尺度多层图表示可用于检测和推断它们的依赖关系，所述依赖关系无法直接观测(或测量)。该框架的多个空间尺度公式允许构造适应活动和动态的多层图，以减少测量要求，同时保持分析性能。在信息动态框架内实现该多个空间尺度的关键方面是将图节点合并为集群的流速率优化方法。然后可以将活动概括在从多尺度的派生集群派生的粗粒度图上，这进而允许系统提示感兴趣区域，以对系统的动态进行多尺度监测。
[0059] 本发明的目的是有效地引导计算资源以在多个尺度下监测和分析从多个源出现的活动。在该团队的多层信息动态框架的基础上，多尺度多层动态信息的新特征的优点有两个：1)它减少了计算量，而不会失去找到活动依赖关系的能力。粗分辨率对应于稀疏活动依赖关系；因此，它提供了更好的抽象，并且使较大的图的覆盖成为可能。2)它具有放大或缩小感兴趣区域的能力，以便为分析人员或其他系统操作提供更好的可行洞察。
[0060] 本文描述的系统可以作为嵌入式决策支持模块部署在云计算基础架构中，也可以作为复杂系统的应用领域的独立系统部署，例如用于感知海事活动态势的情报监视和侦察(ISR)(如所示)、危机管理、社会动荡和金融市场。这项技术的成功部署预期将带来对系统行为、活动和依赖关系的检测和推断。下面提供了更多详细信息。
[0061] (4)各个实施方式的具体细节
[0062] (4.1)方法概述：具有多个(空间)尺度的多层信息动态
[0063] 本公开提供了用于信息动态的多尺度多层图表示，其从不同的可观测量(或测量值)模态的时间序列检测并推断出它们的依赖关系，所述依赖关系无法直接观测(或测量)。信息动态框架内的多个空间尺度是使用将图节点合并为集群的流速率优化模型开发的。在图3中进一步例示了该处理。更具体地，图3例示了描绘用于多尺度监测的处理的流程图，其包括接收输入作为船舶流张量并生成集群成员的流聚类处理300，随后是提供依赖关系链接、从属集群和对应的多尺度流的多尺度多层信息动态处理302。下面提供有关这些处理的更多详细信息。
[0064] (4.2)混合的粗尺度多层网络：示例场景(海事活动)
[0065] 为了进一步理解，下面提供了与监视海事活动有关的示例场景。如图4所示，在多层网络的顶层400上，信号是节点402(或区)之间的通信活动。节点402表示某些位置的区或区域，例如专属经济区、港口等。这些是每对节点402的时间序列，其测量那些区(每个区内的所有船舶)之间的集体通信活动的量。在底层404上，信号是节点之间的船舶流，表示一段时间内从一个区流动到另一个区的船舶数量。可以对通信活动如何影响船舶流进行建模，如下：
[0066]
[0067] 其中，G1表示船舶图，G2表示通信图，t表示时间，ε表示反应时间延迟，V表示船舶密度，α表示扩散常数，β表示对通信信息进行加权的系数。
[0068] 该半离散(时间连续且空间离散)偏微分方程描述了船舶密度的变化(左侧)依赖于1)带有具有船舶图G1的图拉普拉斯算子的船舶的扩散，以及2)带有来自通信图G2的、具有小反应时间延迟ε的图梯度算子的船舶的平流。该模型生成数据的方式是，某些区之间的船舶流依赖于通信活动。
[0069] 该多层信息框架的目标是在不知道生成数据的模型(上面的方程)的情况下，发现船舶流与通信活动(输入数据是这些的时间序列)之间的隐藏依赖关系。利用流传递熵(下面在流传递熵部分中定义)演示了此方法，以检测隐藏依赖关系，即，依赖于某些通信活动的船舶流的识别。
[0070] 该多层信息动态框架扩展到多个空间尺度。如上所述，将框架扩展到多个空间尺度的优点在于简化了框架并减少了计算量，而不会失去找到依赖关系的能力(如图5所示)，并且提供放大感兴趣区域的能力(如图6所示)。具体地，图5提供了混合的粗尺度多层网络的示意性例示图。通过新颖的流聚类算法处理左侧的多层网络的原始尺度500，以最大化观测到的流速率(中间)并生成集群502(矩形框)，该集群502进而使经聚类的实体的流依赖关系之间的跨层依赖关系计算成为可能(右侧的简化边缘)。
[0071] 感兴趣区域504由跨层依赖关系链接506(有向边缘)标识。如图5右侧所示，与跨层依赖关系链接506相邻的所有区都被标识为感兴趣区域504。在此简化的例示图中，不是感兴趣区域的唯一区是右下区508。
[0072] 另外，图6提供了放大和缩小能力的示意性例示图。粗尺度多层网络504还使得能够放大到指定的节点，例如所选正方形节点600，其能够实现放大的所选节点602。如图所示，在该示例中，放大的所选节点602包含7个节点。基于此，可以继续流聚类处理604以提供另一级别的更细粒度的集群606。
[0073] (4.3)船舶流聚类：
[0074] 假设船舶流图G1的邻接矩阵为A＝(aij)i,j＝1,…,N，即，aij表示从区i流动到区j的船舶的量。多个空间尺度的一种方法是应用流聚类，以将节点合并为k个集群πc，c＝1,2,…,k，其强调集群内和跨集群的最大的 个流ξs， 流ξs是从集群πc(s)中的节点到集群πd(s)中的节点的所有链接的集合。流ξs的流速率定义为：
[0075]
[0076] 其中v表示节点，c(s)表示始节点，d(s)表示终节点，i和j分别表示区i和j，其中aij表示从区i流动到区j的船舶的量。流聚类问题被提出为找到k个集群，其使 个最大的集群内或集群间流中的流速率之和最大化。集群的数目k和流的数目 是预定义的。流速率最大化问题是如下的优化问题：
[0077]
[0078] 该问题的解可以利用核k-均值聚类(参见参考文献No.8)来逼近，因为两者都旨在使图邻接矩阵条目的加权和最大化。核k-均值聚类等效于对称非负矩阵分解(NMF)(参见参考文献No.3)，并且可以通过坐标下降法高效地求解(参见参考文献No.9)。
[0079] 令M为船舶流邻接矩阵A的对称化矩阵：M＝A+AT。对称NMF旨在找到使最小化的具有非负条目Hij≥0的N×k矩阵H(其中k＜N)，其中‖·‖F表示Frobenius范数。
[0080] 此处解决的问题与参考文献No.8中的问题之间的区别如下：本问题概括了更一般的有向图，而参考文献No.8概括了来自反向出版物引用图中单个源节点的影响流。在本公开解决的问题中，源的数目可以是任意的。
[0081] (4.4)流传递熵
[0082] 针对船舶和通信，从区域Ri到区域Rj的流分别表示为： 和 本方法旨在捕获这些流(边缘)的依赖关系以及它们跨不同类型的流的变化。传感器数据(例如，来自飞机、卫星等)可用于获得针对每个层观测到的层内边缘的时间序列(例如，在固定时间间隔内的船舶流随时间变化)。对于i＝j，时间序列将分别是层的每个区域中的船舶和通信的密度： 和 根据这些流时间序列，推0断出层间关系。由于该方法旨在
发现从一层到另一层的流的依赖关系，因此层间边缘处于来自不同层的一对流之间(如图7所示)。通过计算ATE来确定依赖关系： 因此，这些被称为流
传递熵。
发现从一层到另一层的流的依赖关系，因此层间边缘处于来自不同层的一对流之间(如图7所示)。通过计算ATE来确定依赖关系： 因此，这些被称为流
传递熵。
[0083] 图7提供了发现层间依赖关系的示意性例示图：上面的板700中的节点1与节点12之间的通信流影响了底部的板702中的节点1→4→8→12的路径上的船舶流。ATE方法自动推断出层之间的此类流依赖关系(边缘)。
[0084] (4.5)流聚类算法
[0085] 如图3所示，流聚类处理300接收输入作为船舶流张量，并基于此生成集群成员。该处理在下面提供并且在图3中进一步描绘：
[0086] 输入V和k：N×N×T船舶流张量V，其中每个条目Vijt表示在时刻t从节点i流动到节点j的船舶的量。集群的数目k。
[0087] 1.通过跨时间求和来获得N×N邻接矩阵A：Aij＝∑tVijt。
[0088] 2.通过M＝A+AT将矩阵A对称化。
[0089] 3.求解对称NMF问题 H是N×k矩阵。
[0090] 4.指派集群成员，用N×1向量d表示，其中第i个条目为di＝argmaxj Hi(j)，即，Hi(H的第i行)中最大条目的自变量。
[0091] 输出d：N×1向量d，其表示具有来自{1,2,…,k}的条目的集群成员。
[0092] (4.6)船舶流聚类示例结果
[0093] 利用一组数据执行了船舶流聚类处理，以验证系统和处理。以下提供了例示流聚类概括了船舶流并减少了流数目的示例。图8中的示例图是10×10的规则网格(因此为100个节点)800，其具有从节点3到节点77、从节点35到节点77以及从节点59到节点77的三个主要通信。这些的通信频率为5％，即，如果采样率为每分钟，则每100分钟平均有5次处于活动状态。还存在频率为2％的噪声通信，每次随机选择一对节点。利用上面描述的偏微分方程对船舶流进行模拟，并对每个节点上的船舶密度进行随机初始化。网格800示出了主要通信的对应的船舶流。图8还描绘了具有10个集群的船舶流聚类结果802，其中每个集群用颜色编码(具有相同颜色的节点是集群)。还描绘了船舶流概括804，其示出了网格800中船舶流的概括版本。船舶流概括804由有向边缘指示，表明流的数目减少。
[0094] (4.7)多尺度多层信息动态算法
[0095] 本文描述的系统利用低分辨率检测通信和船舶流依赖关系，并且利用TE来提示感兴趣区域，以用于多尺度监测(描绘为图3中的要素302)。该处理将在下面进一步详细介绍：
[0096] 输入V,C和k：N×N×T船舶流张量V，其中条目Vijt表示在时刻t从节点i流动到节点j的船舶的量。N×N×T通信张量C，其中条目Cijt表示在时刻t从节点i到节点j的通信的量。集群的数目为k。
[0097] 1.使用上面的流聚类算法获得集群成员向量d。
[0098] 2.通过合并每个集群内的船舶流V，根据集群成员向量d构造低分辨率船舶流张量W(大小为k×k×T)。
[0099] 3.计算从C到W的流传递熵：
[0100] 4.通过阈值化ATEij→kl来识别依赖关系链接，以获得从属集群。
[0101] 5.放大(例如，回到原始的高分辨率)从属集群(依赖关系链接所指向的)，并保持独立集群的低分辨率。
[0102] 输出依赖关系链接、从属集群和对应的多尺度流。
[0103] 输出提供了流依赖关系的唯一的抽象和表示，其使得决策工具(例如，监测船舶进出争议水域的态势感知工具)能够支持探索性分析(例如，基于从属集群深度探讨至高流动熵区)，从而细化分析单位以用于跟踪的目的(例如，使用对应的多尺度流和对应的依赖关系链接)。
[0104] (4.8)多尺度多层信息动态示例结果
[0105] 利用经聚类数据执行了多尺度多层信息动态处理，以进一步验证系统和处理。图9A至图9C描绘了多尺度多层信息动态框架的示例。具体地，图9A是具有全分辨率10×10网格(100个节点)的船舶流900的快照，其中，链接的粗细表示从一个节点流动到另一个节点的船舶的量。图9B是流集群图上的概括的船舶流902的快照，其中100个节点减少到10个集群，从而提供了低分辨率流(聚类之后)。如图9C所示，在将ATE应用于低分辨率船舶流之后，生成多尺度船舶流图904。在这方面，可以提示感兴趣区域以供多尺度船舶流监测。例如，系统可以放大至感兴趣区域，同时保持对低兴趣区域的足够监测。图9C提供了多尺度船舶流
904的快照，其中从属集群(依赖于通信)具有原始分辨率，其余的具有低分辨率。
904的快照，其中从属集群(依赖于通信)具有原始分辨率，其余的具有低分辨率。
[0106] (4.9)装置的控制。
[0107] 如图10所示，处理器104可用于基于生成多尺度船舶流图来控制装置1000(例如，移动装置显示器、虚拟现实显示器、增强现实显示器、计算机监视器、电机、机器、无人机、摄像头等)。例如，可以基于识别出的从属流/集群或它们随时间的变化来控制无人机或其他自主交通工具移动到多尺度船舶流图中的区域。例如，在将无人机部署到争议水域之前，系统可以通过将算法应用于经由卫星收集的数据来生成多尺度船舶图，利用阈值确定感兴趣区域(例如，先验确定的时间窗口内的流依赖关系中的显著偏差/变化)，并且将无人机派遣到感兴趣区域以收集更细粒度的数据，或者针对给定的约束条件(例如，可用的无人机的数目、处理能力等)以所需的覆盖水平(例如，区大小)执行监测和跟踪。在又一些其他实施方式中，可以控制摄像头朝向感兴趣区域定向并根据需要放大。换句话说，致动器或电机被激活以使摄像头(或传感器)在感兴趣区域上移动或放大。例如，该系统可以作为一级监测(更全面、被动)与卫星连接或以其他方式并入卫星中，使得在识别出感兴趣区域后，可以使监视设备(摄像头、传感器等)聚焦或以其他方式放大至感兴趣区域。在无人机示例中，无人机更为活跃，并提供细粒度的监测(尤其是根据对手的意图和动作而处于闭塞状态下)。因此，可以使无人机或无人驾驶飞行器驾驶或以其他方式移动到感兴趣区域以供进一步监视。
[0108] 最后，虽然已经根据几个实施方式对本发明进行了描述，但本领域普通技术人员应当容易地认识到本发明在其它环境中可以具有其它应用。例如，尽管关于远洋船舶描述了该系统，但是该系统不旨在限于此，而是可以等同地应用于其中对象可能移动的区域，例如街道上的汽车、战场上的人等。应注意到，可以有许多实施方式和实现。而且，所附的权利要求绝不是旨在将本发明的范围限制成上述具体实施方式。另外，任何“用于……的装置(means)”的用语旨在引发要素和权利要求的装置加功能的解读，而任何未特别使用“用于……的装置(means)”用语的要素不应被解读为装置加功能要素，即使权利要求以其它方式包括了“装置(means)”一词。而且，虽然已经按特定次序陈述了特定的方法步骤，但这些方法步骤可以按任何期望的次序发生并且落入本发明的范围内。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种倾转旋翼飞行器过渡态切换过程的几何最优控制器设计方法 | 2020-05-08 | 974 |
| 使用飞行器反射雷达的系统和方法 | 2020-05-13 | 312 |
| 无人驾驶飞行系统和用于无人驾驶飞行系统的控制系统 | 2020-05-12 | 746 |
| 用于无人驾驶飞行器的着陆平台、方法和充电系统 | 2020-05-12 | 109 |
| 一种基于5G网络远端控制的无人机系统 | 2020-05-11 | 423 |
| 使用机器学习工作流进行灌溉管理的系统与方法 | 2020-05-12 | 456 |
| 使用大型变速倾转旋翼的EVTOL飞行器 | 2020-05-13 | 153 |
| 垂直起飞和着陆无人驾驶飞行器 | 2020-05-13 | 158 |
| 空中货物运输的系统与方法 | 2020-05-11 | 985 |
| VMIMO天线、微波雷达及可移动平台 | 2020-05-08 | 541 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
无人驾驶飞行器热门专利
QQ群二维码
意见反馈
意见反馈