1、當(dāng)前，通過運(yùn)用數(shù)據(jù)挖掘?qū)πl(wèi)星遙測數(shù)據(jù)進(jìn)行分析和建模，支撐衛(wèi)星測試數(shù)據(jù)自動判讀、狀態(tài)監(jiān)測和異常檢測、故障診斷和預(yù)測等，是航天領(lǐng)域研究的熱點和挑戰(zhàn)問題。然而，現(xiàn)有針對衛(wèi)星遙測數(shù)據(jù)的分析方法普遍建立在歐氏距離的基礎(chǔ)上，而采用歐氏距離進(jìn)行數(shù)據(jù)的相似性度量存在諸多的局限性，如：無法消除參數(shù)間強(qiáng)相關(guān)性的影響、難以實現(xiàn)異步度量等，因此，針對衛(wèi)星遙測數(shù)據(jù)分析中相似性度量方法的不足，本文開展面向衛(wèi)星遙測數(shù)據(jù)的時間序列相似性度量方法研究。
　　首先，

2、針對在衛(wèi)星遙測數(shù)據(jù)分析中采用歐式距離進(jìn)行時間序列之間相似性度量，存在不能消除參量之間的相關(guān)性影響以及難以實現(xiàn)異步度量等不足，研究能夠彌補(bǔ)現(xiàn)存局限的時間序列相似性度量方法，并采用與衛(wèi)星遙測數(shù)據(jù)特性相近的公開數(shù)據(jù)集進(jìn)行實驗驗證，從而選取適用于單維和多維時間序列的候選時間序列相似性度量方法。
　　其次，為了驗證候選時間序列相似性度量方法針對衛(wèi)星遙測數(shù)據(jù)的有效性，將度量方法應(yīng)用至基于層次聚類和K近鄰（KNN）分類的異常檢測方法中，在實現(xiàn)衛(wèi)

3、星遙測數(shù)據(jù)異常檢測的同時，驗證了基于動態(tài)時間規(guī)整（DTW）距離的異常檢測方法能夠識別差異性更小的序列異常模式。
　　最后，設(shè)計能夠?qū)崿F(xiàn)數(shù)據(jù)挖掘算法動態(tài)加載的數(shù)據(jù)挖掘軟件平臺，應(yīng)用Matlab與 C語言混合編程技術(shù)并結(jié)合數(shù)據(jù)挖掘軟件平臺的標(biāo)準(zhǔn)接口規(guī)范，完成相關(guān)的數(shù)據(jù)挖掘算法庫的開發(fā)與封裝，完成時間序列相似性度量方法的軟件應(yīng)用。
　　實驗驗證結(jié)果表明，應(yīng)用針對衛(wèi)星遙測數(shù)據(jù)更為有效的相似性度量方法，能夠有效提升基于層次聚類和KNN