一种飞机任务传感器多过程域测试数据融合信息拾取方法

1.本技术属于传感器测试数据智能分析领域，具体涉及一种飞机任务传感器多过程域测试数据融合信息拾取方法。


背景技术：

2.通过分析飞机生产中各过程的任务传感器测试数据，推断任务传感器飞行时的精度是否达到出厂指标要求，对于提高飞机试飞效率、保障一次性合格率具有重要实际价值和意义。
3.然而，由于飞机原始任务传感器测试数据涉及多个过程域，不同过程域测试数据维度和样本量差距较大，导致用于任务传感器精度评估的测试数据质量下降，无法直接将原始测试数据用于精度评估，且冗余测试数据会显著增加精度评估的存储需求和计算复杂度。
4.为此，需要对任务传感器多过程域下的测试数据进行信息拾取，以提取有效的测试数据信息。目前，常用的信息拾取方法往往基于某种相关度量变量来衡量原始数据各项特征与目标参数的相关性，从而选出与目标参数存在高相关度的特征，构成新的数据集替代原始数据进行数据挖掘，该类方法可以反映目标与多维数据特征之间的相关关系，且具有效率高、泛化能力好等优点。
5.然而，由于目前常见的信息拾取方法只依据某一种相关度量变量对数据进行选择，无法在适应海量数据巨大计算量的同时，使得所选特征集同时具有较好的线性相关性和非线性相关性，具有一定的局限性。
6.经分析，飞机多过程域测试数据的各参数项与飞行精度关系比较复杂，同时存在线性相关特征和非线性相关特征，且会有外部环境等噪声影响，并且各过程域的数据维度和样本量大小不一致，为了在保证较低时间复杂度的前提下更全面的探索各特征与目标参数间的相关关系，需要依据不同过程域中数据的特性对各过程域采用不同的相关度量变量进行信息拾取。


技术实现要素：

7.本发明的目的是为了解决上述现有技术存在的问题，即现有的信息拾取方法应用于多过程域测试数据时，无法在保证低时间复杂度的基础上，使结果较为全面的覆盖目标参数相关信息。因此，本发明提出一种飞机任务传感器多过程域测试数据融合信息拾取方法.
8.为实现上述技术效果，本技术的技术方案如下：
9.一种飞机任务传感器多过程域测试数据融合信息拾取方法，包括如下步骤：
10.首先根据数据量对过程域进行划分，分为小样本过程域数据和大样本过程域数据，对于小样本过程域数据，基于交叉熵实现信息拾取；对于大样本过程域数据，采用线性相关系数与非线性相关系数结合的方法进行大样本数据信息拾取，得到更全面的信息拾取
结果；最后，在此基础上得到多个过程域与目标参数具有高相关性的完整特征集，实现多过程域数据的信息拾取。
11.进一步地，一种飞机任务传感器多过程域测试数据融合信息拾取方法具体步骤如下：
12.步骤一，获取多域数据；
13.步骤二，将多域数据划分为小样本过程域数据和大样本过程域数据；
14.步骤三，针对小样本过程域数据，基于交叉熵的信息拾取方法，交叉熵用来表征两个分布的相似程度，通过计算特征与目标参数的联合分布密度来表征交叉熵，并根据交叉熵判断特征与目标参数的相关性、计算相关系数，设置阈值筛选出相关阈值符合要求的特征，从而进行信息拾取；
15.步骤四，针对大样本过程域数据，先计算各特征与目标参数的协方差和标准差，选出与目标变量存在较高线性相关性的特征；再分析各特征与目标参数之间的独立性，并基于此选出非线性相关特征，从而得到更全面的信息拾取结果；
16.步骤五，将针对小样本过程域数据信息拾取得到的特征集和针对大样本过程域数据信息拾取得到的特征集汇总，得到多个过程域与目标参数具有高相关性的完整特征集，实现多过程域数据的信息拾取。
17.进一步地，步骤二中将多域数据划分为小样本过程域数据和大样本过程域数据的标准为本领域现有方法。
18.进一步地，步骤三的具体流程如下：
19.1)假设一个任务系统经过多过程域测试得到数据集为d为过程域的数量，对数据集进行预处理后，得到预处理后数据集为则经预处理后的第i个过程域的数据集记为：
[0020][0021]
目标参数记为：
[0022][0023]
其中，n表示任务系统的样本数量，m表示此过程域的特征数量；
[0024]
2)进行数据联合分布密度计算：将特征与目标变量离散在二维空间中，并且使用散点图来表示，将当前二维空间在x轴，y轴方向分别划分为x格和y格，根据散点在各个方格中落入的情况，计算和的联合分布密度，公式如下：
[0025][0026]
其中，n
ij
为落在位于第i行，第j列的格子里的点数，n
iy
为落在位于第i行所有格子里的点数和，n
xj
为落在位于第j列所有格子里的点数和，m为总点数；
[0027]
由联合分布密度计算特征与目标参量间的相关性记为：
[0028][0029]
调整画线的位置和数量，使大多数点分布在少量几个格子里，此时可以得到最大交叉熵，计算最大相关系数如下式：
[0030][0031]
其中b为可搜寻网格的上界，控制了能够检测的相关关系的复杂度。
[0032]
通过相关系数拾取地面测试过程域与飞行精度相关的参数项，假设各过程域拾取的参数项个数统一用m'表示，n表示任务系统的样本数量，最终得到第i过程域信息拾取后的数据，可以表达为：
[0033][0034]
再进一步地的，步骤1)中对数据集的预处理包括：剔除重复值和离群点和填补空缺值。
[0035]
进一步地，步骤四具体为：
[0036]
针对部分过程域中的时间序列存在大量样本的大样本过程域数据，基于线性与非线性相关系数结合的方法实现大样本量的过程域数据信息拾取，首先对大样本过程域数据进行预处理，预处理后的飞行数据与公式(1)的表达式相同；
[0037]
假设过程域数据的第k个特征表达式为飞行精度序列与公式(2)的表达式相同；
[0038]
首先，计算过程域参数与飞行精度的线性相关系数，相关系数越接近于1，表示两变量线性相关性越强，结合相关系数根据实际工作需要选择符合要求参数项；
[0039]
然后，计算过程域参数与飞行精度的非线性相关系数，当距离相关系数为0时，说明两个参数项相互独立，距离相关系数越大，说明两个参数项的距离相关性越强，结合相关系数根据实际工作需要选择符合要求参数项。
[0040]
再进一步地，针对大样本过程域数据的数据集的预处理包括：剔除重复值和离群点和填补空缺值。
[0041]
再进一步地，计算过程域参数与飞行精度的线性相关系数的具体计算公式如下：
[0042][0043]
其中，e(
·
)为数学期望或均值，d(
·
)为方差，开根号为标准差，cov(xi,yi)为随机变量xi，yi的协方差。
[0044]
再进一步地，计算过程域参数与飞行精度的非线性相关系数的具体计算公式如下：
[0045][0046]
其中，和分别为：
[0047][0048][0049][0050]
同理计算和
[0051]
进一步地，所述步骤五具体为：将线性系数和非线性系数筛选的相关过程域参数项进行联合，最终得到信息拾取技术的输出为：
[0052][0053]
本技术优点在于：
[0054]
为实现异构测试数据的信息拾取，本专利提出了一种先对数据格式进行处理构造与目标参数特性一致的样本序列，再基于联合分布密度对异构数据进行信息拾取的方法。设计的方法可以准确地从异构数据中拾取到与飞行精度存在较高相关性的特征。数据格式变换使得更多特征与目标参数特性一致，符合信息拾取模型的输入要求，有助于更充分的挖掘异构数据与目标参数关联信息，基于联合概率分布的信息拾取方法精度较高，可同时提取与目标参数相关的线性相关及非线性相关特征，适用于小样本数据。根据机理分析，信息拾取的参数相关度较高。
[0055]
本发明提出了小样本-大样本融合的信息拾取方法，为不同大小的样本相对应设计了复杂度低-特征信息覆盖全面的方法。本发明研究对象是多过程域的测试信息，可以对数据类型不同的数据进行信息拾取。
附图说明
[0056]
图1信息拾取实现方法框图。
具体实施方式
[0057]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
[0058]
因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0059]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0060]
在本技术的描述中，需要说明的是，术语“上”、“竖直”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0061]
在本技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。
[0062]
实施例1
[0063]
一种飞机任务传感器多过程域测试数据融合信息拾取方法，包括如下步骤：
[0064]
针对不同过程域数据，为了保证信息拾取的参量相关度高，以及计算复杂度低，根据数据特性采用融合方法实现多过程域的信息拾取。首先根据数据量对过程域进行划分，分为小样本过程域数据和大样本过程域数据，对于小样本过程域数据，整体计算量较小，基于交叉熵实现信息拾取；对于大样本过程域数据，其存在大量样本点的部分过程域，该方法会产生高计算复杂度，影响信息拾取效率，相比之下，线性相关系数和非线性相关系数的时间复杂度明显较低，但由于测试数据与目标参数的相关关系复杂多样，仅凭借线性或非线性相关系数提取出的特征集均不够全面，因此，考虑采用线性相关系数与非线性相关系数结合的方法进行大样本数据信息拾取，得到更全面的信息拾取结果；最后，在此基础上得到多个过程域与目标参数具有高相关性的完整特征集，实现多过程域数据的信息拾取。为实现异构测试数据的信息拾取，本专利提出了一种先对数据格式进行处理构造与目标参数特性一致的样本序列，再基于联合分布密度对异构数据进行信息拾取的方法。设计的方法可以准确地从异构数据中拾取到与飞行精度存在较高相关性的特征。数据格式变换使得更多
特征与目标参数特性一致，符合信息拾取模型的输入要求，有助于更充分的挖掘异构数据与目标参数关联信息，基于联合概率分布的信息拾取方法精度较高，可同时提取与目标参数相关的线性相关及非线性相关特征，适用于小样本数据。根据机理分析，信息拾取的参数相关度较高。
[0065]
实施例2
[0066]
如图1所示，进一步地，一种飞机任务传感器多过程域测试数据融合信息拾取方法具体步骤如下：
[0067]
步骤一，获取多域数据；
[0068]
步骤二，将多域数据划分为小样本过程域数据和大样本过程域数据；
[0069]
步骤三，针对小样本过程域数据，基于交叉熵的信息拾取方法，交叉熵用来表征两个分布的相似程度，通过计算特征与目标参数的联合分布密度来表征交叉熵，并根据交叉熵判断特征与目标参数的相关性、计算相关系数，设置阈值筛选出相关阈值符合要求的特征，从而进行信息拾取，依据的理念是：如果两变量之间存在着一种相关关系，那么就应该能够在变量的散点图上画一个网格，使得大多数的数据点集中在该网格的几个单元格中，通过搜寻这种最适合的网格，结合联合分布密度可发现变量间广泛范围的相关关系。
[0070]
步骤四，针对大样本过程域数据，部分过程域中的时间序列存在大量样本，先计算各特征与目标参数的协方差和标准差，选出与目标变量存在较高线性相关性的特征；再分析各特征与目标参数之间的独立性，并基于此选出非线性相关特征，从而得到更全面的信息拾取结果；
[0071]
步骤五，将针对小样本过程域数据信息拾取得到的特征集和针对大样本过程域数据信息拾取得到的特征集汇总，得到多个过程域与目标参数具有高相关性的完整特征集，实现多过程域数据的信息拾取。
[0072]
实施例3
[0073]
如图1所示，步骤一，获取多域数据；
[0074]
步骤二，将多域数据划分为小样本过程域数据和大样本过程域数据；
[0075]
步骤三，针对小样本过程域数据，基于交叉熵的信息拾取方法，交叉熵用来表征两个分布的相似程度，通过计算特征与目标参数的联合分布密度来表征交叉熵，并根据交叉熵判断特征与目标参数的相关性、计算相关系数，设置阈值筛选出相关阈值符合要求的特征，从而进行信息拾取，依据的理念是：如果两变量之间存在着一种相关关系，那么就应该能够在变量的散点图上画一个网格，使得大多数的数据点集中在该网格的几个单元格中，通过搜寻这种最适合的网格，结合联合分布密度可发现变量间广泛范围的相关关系。
[0076]
步骤四，针对大样本过程域数据，部分过程域中的时间序列存在大量样本，先计算各特征与目标参数的协方差和标准差，选出与目标变量存在较高线性相关性的特征；再分析各特征与目标参数之间的独立性，并基于此选出非线性相关特征，从而得到更全面的信息拾取结果；
[0077]
步骤五，将针对小样本过程域数据信息拾取得到的特征集和针对大样本过程域数据信息拾取得到的特征集汇总，得到多个过程域与目标参数具有高相关性的完整特征集，实现多过程域数据的信息拾取。
[0078]
步骤二中将多域数据划分为小样本过程域数据和大样本过程域数据的标准为本
领域现有方法。
[0079]
步骤三的具体流程如下：
[0080]
1)假设一个任务系统经过多过程域测试得到数据集为d为过程域的数量，对数据集进行预处理后，得到预处理后数据集为则经预处理后的第i个过程域的数据集记为：
[0081][0082]
目标参数记为：
[0083][0084]
其中，n表示任务系统的样本数量，m表示此过程域的特征数量；
[0085]
2)进行数据联合分布密度计算：将特征与目标变量离散在二维空间中，并且使用散点图来表示，将当前二维空间在x轴，y轴方向分别划分为x格和y格，根据散点在各个方格中落入的情况，计算和的联合分布密度，公式如下：
[0086][0087]
其中，n
ij
为落在位于第i行，第j列的格子里的点数，n
iy
为落在位于第i行所有格子里的点数和，n
xj
为落在位于第j列所有格子里的点数和，m为总点数；
[0088]
由联合分布密度计算特征与目标参量间的相关性记为：
[0089][0090]
调整画线的位置和数量，使大多数点分布在少量几个格子里，此时可以得到最大交叉熵，计算最大相关系数如下式：
[0091][0092]
其中b为可搜寻网格的上界，控制了能够检测的相关关系的复杂度。
[0093]
通过相关系数拾取地面测试过程域与飞行精度相关的参数项，假设各过程域拾取的参数项个数统一用m'表示，n表示任务系统的样本数量，最终得到第i过程域信息拾取后的数据，可以表达为：
[0094][0095]
步骤1)中对数据集的预处理包括：剔除重复值和离群点和填补空缺值。
[0096]
步骤四具体为：
[0097]
针对部分过程域中的时间序列存在大量样本的大样本过程域数据，基于线性与非线性相关系数结合的方法实现大样本量的过程域数据信息拾取，首先对大样本过程域数据进行预处理，预处理后的飞行数据与公式(1)的表达式相同；
[0098]
假设过程域数据的第k个特征表达式为飞行精度序列与公式(2)的表达式相同；
[0099]
首先，计算过程域参数与飞行精度的线性相关系数，计算过程域参数与飞行精度的线性相关系数的具体计算公式如下：
[0100][0101]
其中，e(i)为数学期望或均值，d(
·
)为方差，开根号为标准差，cov(xi,yi)为随机变量xi，yi的协方差。
[0102]
相关系数越接近于1，表示两变量线性相关性越强，结合相关系数根据实际工作需要选择符合要求参数项；
[0103]
然后，计算过程域参数与飞行精度的非线性相关系数，计算过程域参数与飞行精度的非线性相关系数的具体计算公式如下：
[0104][0105]
其中，和分别为：
[0106][0107][0108][0109]
同理计算和
[0110]
当距离相关系数为0时，说明两个参数项相互独立，距离相关系数越大，说明两个参数项的距离相关性越强，结合相关系数根据实际工作需要选择符合要求参数项。
[0111]
针对大样本过程域数据的数据集的预处理包括：剔除重复值和离群点和填补空缺
值。
[0112]
步骤五具体为：将线性系数和非线性系数筛选的相关过程域参数项进行联合，最终得到信息拾取技术的输出为：
[0113]
实施例4
[0114]
(1)本案例中以飞行高度作为目标参数选择两个过程域的测试数据作为输入其中为小样本过程域，共含有66各特征；数据维度为1812*66，为小样本过程域，共含有88各特征，数据维度为7248*88。将信息拾取得到的数据集作为输出
[0115]
(2)将小样本过程域测试数据与目标参数带入本专利中“小样本数据信息拾取”部分，通过公式(3)至(6)得到测试数据中各特征与目标参数的相关系数，根据后续挖掘任务需要设置不同阈值，选择相关系数大于阈值的特征组合得到最终输出数据集，输出结果如表7-1所示。
[0116]
表7-1小样本过程域测试数据信息拾取结果
[0117][0118][0119]
(3)将大样本过程域测试数据与目标参数带入本专利中“大样本数据信息拾取”部分，通过公式(7)得到测试数据中各特征与目标参数的相关系数，根据后续挖掘任务需要设置不同阈值，选择相关系数大于阈值的特征组合得到最终输出数据集，输出结果如表7-2所示。
[0120]
表7-2大样本过程域测试数据线性特征信息拾取结果
[0121][0122]
将大样本过程域测试数据与目标参数带入本专利中“大样本数据信息拾取”部分，通过公式(8)至(12)得到测试数据中各特征与目标参数的相关系数，根据后续挖掘任务需要设置不同阈值，选择相关系数大于阈值的特征组合得到最终输出数据集，输出
结果如表7-3所示。
[0123]
表7-3大样本过程域测试数据非线性特征信息拾取结果
[0124][0125]
按照所设阈值，将线性特征信息拾取结果与非线性特征信息拾取结果进行合并，得到大样本过程域测试数据的最终信息拾取结果。
[0126]
(4)根据机理分析，针对大样本过程域测试数据和小样本过程域测试数据的信息拾取方法均能在保留与目标参数主要相关信息的前提下，对原始数据进行降维，证明了本发明所提出方法的有效性。

技术特征：
1.一种飞机任务传感器多过程域测试数据融合信息拾取方法，其特征在于：包括如下步骤：首先根据数据量对过程域进行划分，分为小样本过程域数据和大样本过程域数据，对于小样本过程域数据，基于交叉熵实现信息拾取；对于大样本过程域数据，采用线性相关系数与非线性相关系数结合的方法进行大样本数据信息拾取，得到更全面的信息拾取结果；最后，在此基础上得到多个过程域与目标参数具有高相关性的完整特征集，实现多过程域数据的信息拾取。2.根据权利要求1所述的一种飞机任务传感器多过程域测试数据融合信息拾取方法，其特征在于：具体步骤如下：步骤一，获取多域数据；步骤二，将多域数据划分为小样本过程域数据和大样本过程域数据；步骤三，针对小样本过程域数据，基于交叉熵的信息拾取方法，交叉熵用来表征两个分布的相似程度，通过计算特征与目标参数的联合分布密度来表征交叉熵，并根据交叉熵判断特征与目标参数的相关性、计算相关系数，设置阈值筛选出相关阈值符合要求的特征，从而进行信息拾取；步骤四，针对大样本过程域数据，先计算各特征与目标参数的协方差和标准差，选出与目标变量存在较高线性相关性的特征；再分析各特征与目标参数之间的独立性，并基于此选出非线性相关特征，从而得到更全面的信息拾取结果；步骤五，将针对小样本过程域数据信息拾取得到的特征集和针对大样本过程域数据信息拾取得到的特征集汇总，得到多个过程域与目标参数具有高相关性的完整特征集，实现多过程域数据的信息拾取。3.根据权利要求1所述的一种飞机任务传感器多过程域测试数据融合信息拾取方法，其特征在于：步骤二中将多域数据划分为小样本过程域数据和大样本过程域数据的标准为本领域现有方法。4.根据权利要求1所述的一种飞机任务传感器多过程域测试数据融合信息拾取方法，其特征在于：步骤三的具体流程如下：1)假设一个任务系统经过多过程域测试得到数据集为d为过程域的数量，对数据集进行预处理后，得到预处理后数据集为则经预处理后的第i个过程域的数据集记为：目标参数记为：
其中，n表示任务系统的样本数量，m表示此过程域的特征数量；2)进行数据联合分布密度计算：将特征与目标变量离散在二维空间中，并且使用散点图来表示，将当前二维空间在x轴，y轴方向分别划分为x格和y格，根据散点在各个方格中落入的情况，计算和的联合分布密度，公式如下：其中，n
ij
为落在位于第i行，第j列的格子里的点数，n
iy
为落在位于第i行所有格子里的点数和，n
xj
为落在位于第j列所有格子里的点数和，m为总点数；由联合分布密度计算特征与目标参量间的相关性记为：调整画线的位置和数量，使大多数点分布在少量几个格子里，此时可以得到最大交叉熵，计算最大相关系数如下式：其中b为可搜寻网格的上界，控制了能够检测的相关关系的复杂度；通过相关系数拾取地面测试过程域与飞行精度相关的参数项，假设各过程域拾取的参数项个数统一用m'表示，n表示任务系统的样本数量，最终得到第i过程域信息拾取后的数据，可以表达为：5.根据权利要求4所述的一种飞机任务传感器多过程域测试数据融合信息拾取方法，其特征在于：步骤1)中对数据集的预处理包括：剔除重复值和离群点和填补空缺值。6.根据权利要求4所述的一种飞机任务传感器多过程域测试数据融合信息拾取方法，其特征在于：步骤四具体为：针对部分过程域中的时间序列存在大量样本的大样本过程域数据，基于线性与非线性相关系数结合的方法实现大样本量的过程域数据信息拾取，首先对大样本过程域数据进行预处理，预处理后的飞行数据与公式(1)的表达式相同；
假设过程域数据的第k个特征表达式为飞行精度序列与公式(2)的表达式相同；首先，计算过程域参数与飞行精度的线性相关系数，相关系数越接近于1，表示两变量线性相关性越强，结合相关系数根据实际工作需要选择符合要求参数项；然后，计算过程域参数与飞行精度的非线性相关系数，当距离相关系数为0时，说明两个参数项相互独立，距离相关系数越大，说明两个参数项的距离相关性越强，结合相关系数根据实际工作需要选择符合要求参数项。7.根据权利要求6所述的一种飞机任务传感器多过程域测试数据融合信息拾取方法，其特征在于：针对大样本过程域数据的数据集的预处理包括：剔除重复值和离群点和填补空缺值。8.根据权利要求6所述的一种飞机任务传感器多过程域测试数据融合信息拾取方法，其特征在于：计算过程域参数与飞行精度的线性相关系数的具体计算公式如下：其中，e(
·
)为数学期望或均值，d(
·
)为方差，开根号为标准差，cov(x
i
,y
i
)为随机变量x
i
，y
i
的协方差。9.根据权利要求8所述的一种飞机任务传感器多过程域测试数据融合信息拾取方法，其特征在于：计算过程域参数与飞行精度的非线性相关系数的具体计算公式如下：其中，其中，和分别为：分别为：分别为：同理计算和10.根据权利要求9所述的一种飞机任务传感器多过程域测试数据融合信息拾取方法，其特征在于：所述步骤五具体为：将线性系数和非线性系数筛选的相关过程域参数项进行联合，最终得到信息拾取技术的输出为：

技术总结
本申请属于传感器测试数据智能分析领域，具体涉及一种飞机任务传感器多过程域测试数据融合信息拾取方法，其内容包括：先根据数据量对过程域进行划分，分为小样本过程域数据和大样本过程域数据，对于小样本过程域数据，基于交叉熵实现信息拾取；对于大样本过程域数据，采用线性相关系数与非线性相关系数结合的方法进行大样本数据信息拾取；最后，在此基础上得到多个过程域与目标参数具有高相关性的完整特征集，实现多过程域数据的信息拾取。该方法能够提取与目标参数存在线性与非线性相关的特征，时间复杂度较低，适用于体量大的数据。信息拾取的参数相关度较高，可以准确地拾取到多个过程域测试数据与飞行精度的主要相关信息。关信息。关信息。


技术研发人员：耿畅 向胜华 王媛 刘大同 曾苏凡 迟鹏飞
受保护的技术使用者：哈尔滨工业大学
技术研发日：2023.06.20
技术公布日：2023/10/7