本發(fā)明涉及鋁電解生產(chǎn)過(guò)程中陽(yáng)極電流的分析技術(shù)，尤其涉及一種鋁電解陽(yáng)極電流序列的特征模式提取方法及其系統(tǒng)。

背景技術(shù)：

鋁電解是一個(gè)復(fù)雜的工業(yè)生產(chǎn)過(guò)程。在生產(chǎn)過(guò)程中，鋁電解槽始終處于高溫狀態(tài)，且高溫熔體具有強(qiáng)腐蝕性等特點(diǎn)。隨著電流在線檢測(cè)技術(shù)的改進(jìn)和發(fā)展，對(duì)鋁電解槽陽(yáng)極導(dǎo)桿上的陽(yáng)極電流信號(hào)檢測(cè)成為可能。陽(yáng)極電流是流經(jīng)陽(yáng)極導(dǎo)桿的電流信號(hào)，通過(guò)測(cè)量和計(jì)算等距壓降信號(hào)的方式獲取，分布在鋁電解槽四周，可以高效實(shí)時(shí)的反映出電解槽整體以及各區(qū)域的狀態(tài)信息。由此可見(jiàn)，結(jié)合陽(yáng)極電流特點(diǎn)，高效的分析陽(yáng)極電流信號(hào)的特征對(duì)提高實(shí)際生產(chǎn)效率尤為重要。

現(xiàn)有的鋁電解陽(yáng)極電流特征提取速度較慢，特征序列中序列位置之間的重疊率較高，特征序列的特征值相對(duì)較低，特征模式的特征性和可信度都不能讓人滿意。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明目的在于提供一種鋁電解陽(yáng)極電流序列的特征模式提取方法及其系統(tǒng)，以解決現(xiàn)有方法提取的特征模式特征性和可信度低的技術(shù)問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種鋁電解陽(yáng)極電流序列的特征模式提取方法，包括以下步驟：

確定目標(biāo)陽(yáng)極導(dǎo)桿，對(duì)目標(biāo)陽(yáng)極導(dǎo)桿的電流信號(hào)進(jìn)行數(shù)據(jù)采集，將采集的電流信號(hào)進(jìn)行符號(hào)化處理得到待檢索的目標(biāo)序列；

依次確定目標(biāo)特征模式、對(duì)應(yīng)目標(biāo)特征模式的項(xiàng)集間隔約束條件、以及序列跨度約束條件；

對(duì)待檢索目標(biāo)序列進(jìn)行壓縮，分割并定位對(duì)應(yīng)所述目標(biāo)特征模式的壓縮序列組，然后遍歷各壓縮序列組中對(duì)應(yīng)所述目標(biāo)特征模式的潛在模式組的位置信息，根據(jù)所述潛在模式組的位置信息定位檢索滿足所述項(xiàng)集間隔約束條件及序列跨度約束條件的特征模式集，并統(tǒng)計(jì)所述特征模式集中所述目標(biāo)特征模式的重現(xiàn)率以分析所述目標(biāo)陽(yáng)極導(dǎo)桿的工況。

進(jìn)一步地，目標(biāo)特征模式的潛在模式組的位置信息包括各特征字符的位置。

進(jìn)一步地，項(xiàng)集間隔約束具體判斷過(guò)程為：

確定潛在模式組中各特征字符的組內(nèi)位置；

判斷各潛在模式組中任一相鄰兩特征字符是否滿足項(xiàng)集間隔約束條件，若不滿足，則將該潛在模式組剔除。

進(jìn)一步地，序列跨度約束具體判斷過(guò)程為：

獲取剩余所有潛在模式組的跨度，計(jì)算所有跨度的中位數(shù)；

計(jì)算各個(gè)潛在模式組的跨度與中位數(shù)的差值，將所有差值大于序列跨度約束的特征模式剔除，小于或等于序列跨度約束的特征模式給予保留。

進(jìn)一步地，在根據(jù)潛在模式組的位置信息定位檢索滿足項(xiàng)集間隔約束條件及序列跨度約束條件的特征模式集之后，步驟還包括，計(jì)算最終檢索結(jié)果的特征模式的特征值：

其中，為特征模式集中所有序列的總跨度之和，為特征模式集中各特征模式跨度與權(quán)重乘積之和，nj為字符重疊的相應(yīng)特征模式組個(gè)數(shù)，nj的倒數(shù)為權(quán)重。

依托于上述方法，本發(fā)明還提出了一種鋁電解陽(yáng)極電流序列的特征模式提取系統(tǒng)，包括以下模塊：

序列獲取模塊：用于確定目標(biāo)陽(yáng)極導(dǎo)桿，對(duì)目標(biāo)陽(yáng)極導(dǎo)桿的電流信號(hào)進(jìn)行數(shù)據(jù)采集，將采集的電流信號(hào)進(jìn)行符號(hào)化處理得到待檢索的目標(biāo)序列；

條件輸入模塊：用于依次確定目標(biāo)特征模式、對(duì)應(yīng)目標(biāo)特征模式的項(xiàng)集間隔約束條件、以及序列跨度約束條件；

運(yùn)算模塊：用于對(duì)待檢索目標(biāo)序列進(jìn)行壓縮，分割并定位對(duì)應(yīng)所述目標(biāo)特征模式的壓縮序列組，然后遍歷各壓縮序列組中對(duì)應(yīng)所述目標(biāo)特征模式的潛在模式組的位置信息，根據(jù)所述潛在模式組的位置信息定位檢索滿足所述項(xiàng)集間隔約束條件及序列跨度約束條件的特征模式集；

輸出模塊：用于統(tǒng)計(jì)所述特征模式集中所述目標(biāo)特征模式的重現(xiàn)率以分析所述目標(biāo)陽(yáng)極導(dǎo)桿的工況。

進(jìn)一步地，運(yùn)算模塊中目標(biāo)特征模式的潛在模式組的位置信息包括各特征字符的位置。

進(jìn)一步地，運(yùn)算模塊中項(xiàng)集間隔約束具體判斷過(guò)程為：

確定潛在模式組中各特征模式的組內(nèi)位置；

判斷各潛在模式組中任一相鄰兩特征字符是否滿足項(xiàng)集間隔約束條件，若不滿足，則將該潛在模式組剔除。

進(jìn)一步地，運(yùn)算模塊中序列跨度約束具體判斷過(guò)程為：

獲取剩余所有潛在模式組的跨度，計(jì)算所有跨度的中位數(shù)；

計(jì)算各個(gè)潛在模式組的跨度與中位數(shù)的差值，將所有差值大于序列跨度約束的特征模式剔除，小于或等于序列跨度約束的特征模式給予保留。

進(jìn)一步地，本發(fā)明的鋁電解陽(yáng)極電流序列的特征模式提取系統(tǒng)還包括特征值計(jì)算模塊，用于在根據(jù)潛在模式組的位置信息定位檢索滿足項(xiàng)集間隔約束條件及序列跨度約束條件的特征模式集之后，步驟還包括，計(jì)算最終檢索結(jié)果的特征模式的特征值：

其中，為特征模式集中所有序列的總跨度之和，為特征模式集中各特征模式跨度與權(quán)重乘積之和，nj為字符重疊的相應(yīng)特征模式組個(gè)數(shù)，nj的倒數(shù)為權(quán)重。

本發(fā)明具有以下有益效果：

對(duì)待檢索目標(biāo)序列進(jìn)行壓縮，分割并定位對(duì)應(yīng)目標(biāo)特征模式的壓縮序列組，然后遍歷各壓縮序列組中對(duì)應(yīng)目標(biāo)特征模式的潛在模式組的位置信息，進(jìn)而根據(jù)潛在模式組的位置信息定位檢索滿足項(xiàng)集間隔約束條件及序列跨度約束條件的特征模式集，加快了檢索速度，在處理較長(zhǎng)單序列時(shí)，比傳統(tǒng)的方法速度有了明顯的提升。引入了序列跨度約束，提高了特征模式的提取質(zhì)量，降低了重疊性，使特征模式的特征性和可信度有了大大的提升。

下面將參照附圖，對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。

附圖說(shuō)明

構(gòu)成本申請(qǐng)的一部分的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：

圖1是本發(fā)明優(yōu)選實(shí)施例的鋁電解陽(yáng)極電流序列的特征模式提取方法流程圖；

圖2是本發(fā)明優(yōu)選實(shí)施例連續(xù)字符所占比重圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的實(shí)施例進(jìn)行詳細(xì)說(shuō)明，但是本發(fā)明可以由權(quán)利要求限定和覆蓋的多種不同方式實(shí)施。

本發(fā)明實(shí)施例公開(kāi)一種鋁電解陽(yáng)極電流序列的特征模式提取方法，如圖1所示，包括以下步驟：

步驟s1：確定目標(biāo)陽(yáng)極導(dǎo)桿，對(duì)所述目標(biāo)陽(yáng)極導(dǎo)桿的電流信號(hào)進(jìn)行數(shù)據(jù)采集，將采集的電流信號(hào)進(jìn)行符號(hào)化處理得到待檢索的目標(biāo)序列。

鋁電解槽分為不同容量，陽(yáng)極數(shù)量也有所不同，本實(shí)施例選用的鋁電解槽包括24組由槽體隔開(kāi)的陰極和陽(yáng)極，現(xiàn)場(chǎng)多通道實(shí)時(shí)采集24組陽(yáng)極電流信號(hào)，并選擇其中幾組陽(yáng)極導(dǎo)桿的陽(yáng)極電流數(shù)據(jù)進(jìn)行分析。本實(shí)施例所選陽(yáng)極電流數(shù)據(jù)采自陽(yáng)極導(dǎo)桿a6-a8以及b6-b8處。數(shù)據(jù)樣本如表1所示：

表1：

對(duì)采集到的陽(yáng)極電流序列數(shù)據(jù)采用sax(symbolicaggregateapproximation，一種符號(hào)化的時(shí)間序列相似性度量方法)算法處理，即把時(shí)間序列進(jìn)行分段均值，之后將這些均值轉(zhuǎn)化為離散化的字符，從而達(dá)到了降維降噪的目的。具體過(guò)程為：假設(shè)選取連續(xù)30個(gè)數(shù)據(jù)作為數(shù)據(jù)樣本，將每三個(gè)采集的數(shù)據(jù)取平均值作為一個(gè)字符點(diǎn)，構(gòu)成一個(gè)長(zhǎng)度為10的數(shù)據(jù)集。然后對(duì)數(shù)據(jù)集作規(guī)范化處理，即代入數(shù)據(jù)規(guī)范化算法中，x為字符點(diǎn)的數(shù)據(jù)，max是數(shù)據(jù)集中最大值，min是最小值，代入a6的數(shù)據(jù)集數(shù)據(jù)得到(0.497326203209，0.465240641711，0.326203208556，0.390374331551，0.272727272727，……)；再通過(guò)高斯分布得到字符分裂點(diǎn)來(lái)確定目標(biāo)序列s，分裂點(diǎn)如表2所示：

表2：

表2所示為通過(guò)高斯分布將得到字符分裂點(diǎn)將-1至1這個(gè)區(qū)間劃分為α個(gè)子區(qū)間，其中β為各區(qū)間的分界點(diǎn)。數(shù)據(jù)在-1至第一個(gè)分裂點(diǎn)之間的區(qū)域?qū)?yīng)字符a，數(shù)據(jù)在第一個(gè)分裂點(diǎn)至第二個(gè)分裂點(diǎn)之間的區(qū)域?qū)?yīng)字符b，依此類推。完成數(shù)據(jù)字符化。換言之，該數(shù)據(jù)字符化即在電流數(shù)據(jù)的波動(dòng)范圍內(nèi)劃分成若干相鄰接的區(qū)域，各區(qū)域?qū)?yīng)特定的字符，然后將采樣數(shù)據(jù)映射到具體的字符上以形成待檢索的目標(biāo)序列。

比如，假設(shè)得到一份數(shù)據(jù)為{-0.5，-0.3，0.1，0.3，0.6，0.9}，若選擇α為6的那一列(-0.97，-0.43，0，0.43，0.97)，如果-0.5對(duì)于上面區(qū)域在-0.97與-0.43之間，則對(duì)應(yīng)一個(gè)字符b，-0.3對(duì)于上面區(qū)域在-0.43與0之間，則對(duì)應(yīng)一個(gè)字符c，字符順序從左自右依次類推，得到目標(biāo)序列s。其中，在確定α的區(qū)間值時(shí)，可以根據(jù)上述數(shù)據(jù)集的長(zhǎng)度合理確定，優(yōu)選的，數(shù)據(jù)集長(zhǎng)度與α的區(qū)間值一致；通常，區(qū)間值越大，相關(guān)的數(shù)據(jù)處理精度會(huì)相應(yīng)提高。

步驟s2：依次確定目標(biāo)特征模式、對(duì)應(yīng)目標(biāo)特征模式的項(xiàng)集間隔約束條件、以及序列跨度約束條件。

本發(fā)明中，可選的，由于鋁電解陽(yáng)極電流的高時(shí)滯特性，連續(xù)字符(即同一字符重復(fù)且連續(xù)出現(xiàn)的場(chǎng)景)序列數(shù)據(jù)占據(jù)較大的比重，陽(yáng)極導(dǎo)桿a6-a8以及b6-b8的陽(yáng)極電流序列中連續(xù)字符所占比重如圖2所示，由圖可見(jiàn)，無(wú)論是區(qū)間【1，2】?jī)?nèi)的連續(xù)字符，還是(2，5】?jī)?nèi)的連續(xù)字符，還是連續(xù)出現(xiàn)5次以上的字符，序列中連續(xù)字符均占有一定的比例，因此有必要對(duì)待檢索的目標(biāo)序列進(jìn)行壓縮處理；假設(shè)陽(yáng)極導(dǎo)桿a6處的部分序列為：

s＝bbbbaaceeebbgaaajddddhhhbaaa；

采用字符和數(shù)字的格式代替原序列中連續(xù)字符的格式，壓縮后得到序列：

s’＝b4a2c1e3b2g1a3j1d4h3b1a3。

步驟s3、對(duì)待檢索目標(biāo)序列進(jìn)行壓縮，分割并定位對(duì)應(yīng)目標(biāo)特征模式的壓縮序列組，然后遍歷各壓縮序列組中對(duì)應(yīng)目標(biāo)特征模式的潛在模式組的位置信息，根據(jù)潛在模式組的位置信息定位檢索滿足項(xiàng)集間隔約束條件及序列跨度約束條件的特征模式集，并統(tǒng)計(jì)特征模式集中目標(biāo)特征模式的重現(xiàn)率以分析目標(biāo)陽(yáng)極導(dǎo)桿的工況。

在該步驟中，相關(guān)的工況分析可以是陽(yáng)極導(dǎo)桿的腐蝕情況以及工作溫度等其中的任意一種或任意組合。

本實(shí)施例中，潛在模式組的位置信息包括各特征字符的位置；針對(duì)上述壓縮后的目標(biāo)序列，相關(guān)位置的表現(xiàn)形式可參照下述表3，可選的一種的存儲(chǔ)結(jié)構(gòu)為：首字符位置、特征字符位置序列、偏移量、跨度集合。特征字符位置序列記錄的是各個(gè)特征字符在壓縮序列中出現(xiàn)的具體位置；偏移量記錄的是在壓縮后序列中，首字符位置及特征字符位置序列相同的所有潛在模式組中(換言之，即同一組壓縮序列中)，各個(gè)潛在模式組中各個(gè)特征字符的偏移信息，跨度集合記錄的是在壓縮后序列中，首字符位置及特征字符位置序列相同的所有潛在模式組中(即同一組壓縮序列中)，各個(gè)潛在模式組中首尾特征字符所占據(jù)的跨度值。例如，針對(duì)模式p＝ba的候選集存儲(chǔ)結(jié)構(gòu)如表3所示：

表3：

表3中，項(xiàng)集間隔約束采用g＝[0，2]，目標(biāo)特征模式p＝ba。

對(duì)應(yīng)表3，還是以s’＝b4a2c1e3b2g1a3j1d4h3b1a3為例，該壓縮序列中，對(duì)應(yīng)目標(biāo)特征模式的壓縮序列組中，按從左到右的順序進(jìn)行分割，三個(gè)存儲(chǔ)序列組各自的首字符位置分別為1、5、7；特征字符位置序列分別為(1，2)、(5，7)、(11，12)。表3中的對(duì)應(yīng)首字符位置1的偏移量分別為(1，0)(2，0)(2，1)(3，0)(3，1)，這是因?yàn)閷?duì)應(yīng)目標(biāo)特征模式的第一組壓縮序列組為：b4a2(其完整表現(xiàn)形式為：bbbbaa)，在該壓縮序列組中，由于重疊字符的存在，存在著若干種組合的潛在模式組；其中，第一個(gè)b相對(duì)于第一個(gè)a的間隔為3，相對(duì)于第2個(gè)a的間隔為4，不滿足集間隔采用約束g＝[0，2]的條件，予以剔除；第2個(gè)b相對(duì)于第一個(gè)a的間隔為2，滿足集間隔采用約束g＝[0，2]的條件，將b序列按(0，1，2，3)，a序列按(0，1)排列，因此第2個(gè)b與第一個(gè)a組成的潛在模式組的偏移量為(1，0)，以此類推，第一組ba特征所對(duì)應(yīng)的組內(nèi)位置即為(1，0)(2，0)(2，1)(3，0)(3，1)。在對(duì)應(yīng)目標(biāo)特征模式的第一組壓縮序列組b4a2中，如第2個(gè)b與第一個(gè)a構(gòu)成的ba模式長(zhǎng)度為4，第4個(gè)b與第2個(gè)a構(gòu)成的ba模式長(zhǎng)度為3，以此類推，第一組ba特征所對(duì)應(yīng)的跨度集合為4，3，4，2，3。

在該步驟中，項(xiàng)集間隔約束為特征模式各相鄰特征字符之間間隔的約束條件，小于或等于間隔約束的潛在模式組予以保留，否則，予以剔除。通過(guò)檢索篩選出符合項(xiàng)集間隔約束的特征模式候選集。

在該步驟中，在對(duì)項(xiàng)集間隔約束條件進(jìn)行篩選后，還進(jìn)一步的，獲取剩余所有潛在模式組的跨度，計(jì)算所有跨度的中位數(shù)；計(jì)算各個(gè)潛在模式組的跨度與中位數(shù)的差值，將所有差值大于序列跨度約束的特征模式剔除，小于或等于序列跨度約束的特征模式給予保留。例如：在對(duì)應(yīng)目標(biāo)特征模式abc中，特征字符a與b之間、以及b與c之間，可能間隔有或多或少的其他干擾字符，例如潛在模式組中對(duì)應(yīng)該目標(biāo)特征模式abc的最大跨度為15，最小的跨度為3，則中位數(shù)可取9，藉此，則假設(shè)存在潛在模式組aertbyuc，該模式組的跨度為8，判斷滿足跨度約束條件。

本實(shí)施例中，對(duì)待檢索目標(biāo)序列進(jìn)行壓縮，(可參照上述表3)分割并定位對(duì)應(yīng)目標(biāo)特征模式的壓縮序列組，然后遍歷各壓縮序列組中對(duì)應(yīng)目標(biāo)特征模式的潛在模式組的位置信息，進(jìn)而根據(jù)潛在模式組的位置信息定位檢索滿足項(xiàng)集間隔約束條件及序列跨度約束條件的特征模式集，例如：相關(guān)的定位檢索可參照上述表3，先通過(guò)定位對(duì)應(yīng)目標(biāo)特征模式的壓縮序列組，然后在對(duì)該壓縮序列組中各種能組合的潛在模式組進(jìn)行后續(xù)約束條件的判斷，加快了檢索速度，在處理較長(zhǎng)單序列時(shí)，比傳統(tǒng)的方法速度有了明顯的提升。引入了序列跨度約束，提高了特征模式的提取質(zhì)量，降低了重疊性，使特征模式的特征性和可信度有了大大的提升。

進(jìn)一步地，在根據(jù)潛在模式組的位置信息定位檢索滿足項(xiàng)集間隔約束條件及序列跨度約束條件的特征模式集之后，還包括計(jì)算最終檢索結(jié)果的特征模式的特征值：

其中，為特征模式集中所有序列的總跨度之和，為特征模式集中各特征模式跨度與權(quán)重乘積之和，nj為字符重疊的相應(yīng)特征模式組個(gè)數(shù)，nj的倒數(shù)為權(quán)重。舉例說(shuō)明如下：

假設(shè)序列為：bfgaggbacga，按從左至右的順序分別為1-11；目標(biāo)特征模式為bag，若最終篩選出的特征模式集中，與重現(xiàn)率關(guān)聯(lián)的各特征字符順序分別為(1、4、5)、(1、4、6)、(7、8、10)，其中(1、4、5)、(1、4、6)存在ba兩字符重疊，則η的計(jì)算公式如下：

藉此，字符的重疊率越低，特征值η越大；反之，特征值η越小。如果所有位置之間都不重疊，則該值為1，說(shuō)明模式的特征性和周期性很強(qiáng)。

隨著序列跨度約束強(qiáng)度逐漸加大，本實(shí)施例的算法提取出的特征模式數(shù)量較傳統(tǒng)算法有明顯減少，但特征模式的重現(xiàn)率η均值有顯著提高，這表明特征模式候選集中序列位置之間的重疊率下降，特征模式的特征性和可信度得到明顯加強(qiáng)和提高。在本案申請(qǐng)人的實(shí)驗(yàn)論證中，針對(duì)上述表1中陽(yáng)極導(dǎo)桿a8處，傳統(tǒng)算法以及mail算法所提取的特征模式的重現(xiàn)率η均值僅為17.1％和41.1％，可見(jiàn)其中特征模式候選集中序列位置之間的重疊率較高，而本發(fā)明的改進(jìn)算法使該均值提升至77.1％，有效的突出了特征模式的特征性。

與上述方法相對(duì)應(yīng)的，本發(fā)明還提出了一種鋁電解陽(yáng)極電流序列的特征模式提取系統(tǒng)，包括以下模塊：

序列獲取模塊：用于確定目標(biāo)陽(yáng)極導(dǎo)桿，對(duì)目標(biāo)陽(yáng)極導(dǎo)桿的電流信號(hào)進(jìn)行數(shù)據(jù)采集，將采集的電流信號(hào)進(jìn)行符號(hào)化處理得到待檢索的目標(biāo)序列；

條件輸入模塊：用于依次確定目標(biāo)特征模式、對(duì)應(yīng)目標(biāo)特征模式的項(xiàng)集間隔約束條件、以及序列跨度約束條件；

運(yùn)算模塊：用于對(duì)待檢索目標(biāo)序列進(jìn)行壓縮，分割并定位對(duì)應(yīng)所述目標(biāo)特征模式的壓縮序列組，然后遍歷各壓縮序列組中對(duì)應(yīng)所述目標(biāo)特征模式的潛在模式組的位置信息，根據(jù)所述潛在模式組的位置信息定位檢索滿足所述項(xiàng)集間隔約束條件及序列跨度約束條件的特征模式集；

輸出模塊：用于統(tǒng)計(jì)所述特征模式集中所述目標(biāo)特征模式的重現(xiàn)率以分析所述目標(biāo)陽(yáng)極導(dǎo)桿的工況。

進(jìn)一步地，運(yùn)算模塊中目標(biāo)特征模式的潛在模式組的位置信息包括特征模式的首字符位置和特征模式的特征字符位置序列。

進(jìn)一步地，運(yùn)算模塊中項(xiàng)集間隔約束具體判斷過(guò)程為：

確定潛在模式組中各特征模式的組內(nèi)位置；

各特征模式的組內(nèi)位置中相鄰兩位之間滿足于項(xiàng)集間隔約束條件的給予保留，不滿足的剔除。

進(jìn)一步地，運(yùn)算模塊中序列跨度約束具體判斷過(guò)程為：

獲取潛在模式組中所有組內(nèi)位置的跨度，計(jì)算所有跨度的中位數(shù)；

計(jì)算各個(gè)目標(biāo)特征模式的潛在模式組中組內(nèi)位置的跨度與中位數(shù)的差值，將所有差值大于序列跨度約束的特征模式剔除，小于或等于序列跨度約束的特征模式給予保留。

進(jìn)一步地，本發(fā)明的鋁電解陽(yáng)極電流序列的特征模式提取系統(tǒng)還包括特征值計(jì)算模塊，特征值計(jì)算模塊的中特征值的計(jì)算公式為：

其中，為標(biāo)準(zhǔn)特征模式集中所有序列的總跨度之和，為特征模式集中存在重疊字符的相關(guān)特征模式跨度與權(quán)重乘積之和，nj為重疊子序列個(gè)數(shù)。

同理，本實(shí)施例系統(tǒng)對(duì)待檢索目標(biāo)序列進(jìn)行壓縮，分割并定位對(duì)應(yīng)目標(biāo)特征模式的壓縮序列組，然后遍歷各壓縮序列組中對(duì)應(yīng)目標(biāo)特征模式的潛在模式組的位置信息，進(jìn)而根據(jù)潛在模式組的位置信息定位檢索滿足項(xiàng)集間隔約束條件及序列跨度約束條件的特征模式集，加快了檢索速度，在處理較長(zhǎng)單序列時(shí)，比傳統(tǒng)的方法速度有了明顯的提升。引入了序列跨度約束，提高了特征模式的提取質(zhì)量，降低了重疊性，使特征模式的特征性和可信度有了大大的提升。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。