确定“引人注目的信息”的方法与设备 本发明所属技术领域
本发明涉及在数据组内确定“引人注目的信息”的方法和设备，该数据组可以是实际系统中参数的数据组也可以是参数组的数据组。
本发明的背景技术
许多研究实际系统的通用方法涉及分析实际系统中观测参数的数据组，如物理场的强度(如磁场强度、辐射场强度、重力场强度、红外(场)强度以及电磁场强度)，以便推断在物理场中重要特征的位置及范围。为了在实际系统中发现有前途地勘测区域，有两种基本的分析数据组的方法。第一种方法是图形识别法(pattemrecognition)，这种方法涉及将数据组与另一个数据组进行比较，后者代表已知拥有符合要求的重要特征的区域的实际勘测记录。当两个数据组的某些图形共有时，表明正在研究的测量数据中有符合要求的重要特征存在。第二种方法是利用“专家系统”，该系统将数据按照综合方案分类，该综合方案使用许多变量和由研究者根据自己的经验、知识以及直觉主观选定的判定规则。
遗憾的是，图像识别法和“专家系统”技术都有一些严重缺点。首先，它们都有一定的倾向性，致使由此产生的结果受到严重影响，该结果将受数据库中重要特征的具体数值的影响(如采用图像识别法)，或者受研究人员选定的筛选判据的影响。作为这种倾向性的结果，在数据中反映重要特征的更有意义的现象可能被扼杀，而对那些意义不大但与早先观察到的特征相关的特征或者与研究者预计是有意义的特征相关的特征有利。其次，因为人们依据受关注的目标特征对数据组中特征之间的相关(性)作出判断，所以，上述两种方法都有方向性。因此，每个决定是否充分相关的机会都逐渐地向预定的目标特征倾斜。所以，无论哪种方法都不为自然地探查有意义的特征创造条件，所有的勘查结果都要受研究者事先选定的目标特征的影响。
本发明概述
本发明的方法和设备利用无标的探索或者目标定向探索两种模式确定实际系统中参数(或参数组)数据组中的“引人注目的信息”。处理系统配备这样一种处理方法，该方法首先输入参数(或参数组)的数据组。第二步，处理系统将数据组中的数据或者每个数据组中的数据排列成矩阵。第三步，处理系统对矩阵或矩阵组中的数据进行变换，推演出变换矩阵。第四步，处理系统由每个变换矩阵推演出基本二分矩阵。第五步处理系统由基本二分矩阵组推演出全面描述矩阵组。第六步，在选用无标的探索时，处理系统选出全面描述矩阵组的根，并且将这些根组织成根序列；在选用目标定向探索时，处理系统选出全面描述矩阵组的分支。最后，处理系统不是显示根序列就是显示分支。
所以，本发明的第一个目的是提供一种无倾向性的无标的探索方法和设备，该方法和设备适合确定实际系统内参数(或参数组)数据组中的“引人注目的信息”。
本发明的另一个目的是提供一种目标定向探索方法和设备，该方法和设备适合确定实际系统内参数(或参数组)数据组中的“引人注目的信息”。
本领域内的技术人员在阅读下述内容之后将明了本发明的其它目的、特征和优点。
附图的简要说明
图1是方框图，它说明按照本发明较好的实施方案配置的处理系统。
图2说明实际系统内参数(或参数组)的数据组的数据格式。
图3是流程图，它说明图1所示处理系统完成的各个步骤。
图4A至图4C说明假想的基本二分矩阵以及在确定密集度时利用的边界线。
图5说明假想的基本二分矩阵。
图6说明在矩阵集中如何确定最有代表性的矩阵。
图7说明图5中的假想的基本二分矩阵和它们的友矩阵。
图8说明交集矩阵，它是由图5所示假想的基本二分矩阵与它们的友矩阵通过逻辑乘法运算形成的矩阵。
图9说明假想的根序列。
图10说明假想的分支。
本发明的详细说明
图1说明处理系统10，该系统提供代表实际系统的参数(或参数组)的输入数据并对这些数据进行处理，以便确定参数(或参数组)的数据组中“引人注目的信息”。“引人注目的信息”是观测数据组中最稳定的状态，是观测数据组的总体变异(变化)的最佳累计表示法(the best cumulative representation of the entire diversity(variation))。处理系统接收来自测量仪器11的输入数据，该仪器11测量实际系统内发现的任何物理参数或参数组合，并且提供代表被测参数的数字化的数据。另一方面，如果仪器只产生模拟信号输出，那么可以使用模/数转换器，以便获得必要的代表被测参数的数字化的数据。
示范性参数包括但不限于磁场、重力场、辐射场以及地震场。仪器11是能够测量物理参数的任何适当的装置，例如磁力计、γ-能谱议。尽管图1说明了仪器11和处理系统10之间的连接，但是，本领域技术人员都会明白仪器可以远离处理系统，任何参数或参数组的测量数据都可以存储在适当的存储装置(如磁介质或激光盘)中，以便以后输入处理系统10。
处理系统10确定实际系统内参数(或参数组)的数据组中“引人注目的信息”，因为“引人注目的信息”与实际系统内形成参数(或参数组)的观测数据组的某些区段相对应。借助确定区段位置，处理系统10指出实际系统中的那些最适合实现物理变化、化学变化以及其他自然演变的特殊区域，这些演变过程在实际系统内形成重要特征，诸如矿床、石油矿床以及天然气矿床。因此，处理系统向用户指出实际系统内包含重要特征的概率最高的区域。
为了确定参数(或参数组)的数据组中的“引人注目的信息”，处理系统10包括有适当的输入装置(如键盘)的计算机12。计算机12产生包括“引人注目的信息”区的实际系统的图像，并且将这些图像显示在显示屏13上，如果需要，还可以将图像在打印/绘图仪14上打印出来。在确定实际系统内的参数(或参数组)的数据组中的“引人注目的信息”时以及在将这些“引人注目的信息”提供给用户时，处理系统对实际系统的评估过程作优化处理。
图2说明数据格式，该数据是代表实际系统的参数数据组中的数据。仪器11测量该参数，并产生输入给计算机12的数据。计算机12以矩阵格式将数据存储在它的存储器中，该矩阵包括N列、M行。矩阵15包括单元A1，1-AM，N，它们与实际系统中的测量点相对应。矩阵15中每个单元(A1，1-AM，N)内的数据表示法可以是任何适当的数字形式，并且不需要任何特殊的符号、有效值或基数系统。
为了确定参数组的数据组中“引人注目的信息”，仪器11之中每台仪器测量一个参数，以便产生输入计算机12的数据。计算机12将输入数据用各自的矩阵存储每个参数的数据，每个矩阵包括M行，N列以及单元A1，1-AM，N。此外，计算机12还将每个矩阵在它的存储器中排列好，致使矩阵中各个单元都保留“空间记录(spatial registry)”。这就是说，每个行和列定义相同的单元在计算机12的存储器中排列好，致使在确定参数组的数据组中“引人注目的信息”时计算机12容易进行对应的矩阵单元之间的比较。尽管这种较好的实施方案利用矩阵格式组织数据组中的数据，但是，这种格式仅仅是在矩阵提供的有效排列(effective arrangement)与数据组中的独立数据标号一样多时才被使用。本领域内的技术人员都会明白任何格式只要能够为数据组中的每个独立数据提供坐标(诸如直角坐标系)都可以代替矩阵格式。
图3说明为了确定实际系统内参数(或参数组)的数据组中的“引人注目的信息”计算机12完成的计算步骤。如前所述，计算机12在步骤20中将实际系统的参数数据输入它的存储器，作为n号矩阵(n＞＝1)。在输入n个矩阵之后，计算机12在步骤21中询问用户究竟是选择“目标定向探索”还是选择“无标的探索，，确定“引人注目的信息”。在实际系统中包括已知的重要特征时选择目标定向探索。举例说，已知的重要特征可以是矿床，如含金石英露头、金伯利岩筒，或者油田。反之，当实际系统包括未知的重要特征时选择无标的探索。
如果用户选择目标定向探索，计算机12在步骤22中将与实际系统对应的矩阵显示在显示器13上，并且在步骤23中请求用户画出边界，该边界围绕着矩阵中的包含已知的重要特征的部分，或者用另一种方法指出与已知的重要特征对应的具体的矩阵单元。在用户划出已知的重要特征边界，确认了目标区域之后，计算机12在步骤24中在目标区域内的每个矩阵单元中插入一个逻辑“1”，在目标区域之外的每个矩阵单元中插入一个逻辑“0”，从而形成一个目标二分矩阵。
如果用户在步骤21中选择无标的探索或者计算机12在步骤24中已经完成建立目标二分矩阵，计算机12在步骤25中请求用户输入用于这n个矩阵中每个矩阵数据的变换函数号k(1＜＝k＜＝16)。换言之，计算机12可能包括直接用于这n个矩阵中的数据的预定的变换函数号。计算机12只将变换函数用于矩阵n，而不用于目标二分矩阵。尽管这个较好的实施方案最多可以使用16个变换函数，但是，本领域内的技术人员都明白可以使用的变换函数数目可以多于16个。但是，变换函数的数目大于16在数据表示法方面只提供很小的附加变异(diversity)，却需要以相当大的处理量作为交换代价，所以不是特别必要的。
在步骤26中，计算机12将用户选定的或预定的k个变换函数用于这n个矩阵中的每个矩阵的数据。在应用这k个变换函数时，计算机将这n个矩阵中的数据用每个变换函数产生的数据变化出k种不同的数据表示法，形成nk个变换矩阵并由计算机将它们存储在存储器中。与那n个矩阵相似，计算机12在它的存储器中存储每个变换矩阵nk时，在一个参数的情况下创建“空间记录”，对于多参数的情况保留“空间记录”，以便在确定实际系统的参数数据组中的“引人注目的信息”期间易于进行矩阵单元的比较。
计算机12对矩阵n中的数据进行变换为的是在数据中获得足够的差异，以便为利用参数或参数组的原始数据组全面描述实际系统创造条件。不管用户选择多少变换函数也不管选用何种类型的变换函数，计算机12都将这些变换函数等同地应用于这n个矩阵中的数据。
在这个较好的实施方案中，为了形成nk个变换矩阵，计算机将“活动窗口”技术应用于利用k个变换函数完成对n个矩阵中的每个单元进行数据变换。“活动窗口”是放在那n个矩阵之内的并由计算机12管理的较小的矩阵，它用于控制个体单元的数据变换。这个“活动窗口”矩阵为计算机12在对个体单元内的数据实施变换时使用周边单元中的数据创造条件。计算机12利用补充数据，将充足的输入数据提供给变换函数，从而保证了精确的结果。因此，“活动窗口”矩阵必须具有一定的大小，它将充足数量的单元合并，为每个具体的变换函数产生令人满意的代表实际系统的变换数据创造条件。在这个较好的实施方案中“活动窗口”矩阵可以是下述矩阵中的任何一种：7×7的矩阵、9×9的矩阵、11×11的矩阵、或13×13的矩阵。
计算机12从请求用户从上述的那组矩阵中选择“活动窗口”矩阵的大小开始应用变换函数。计算机12借助于依次将“活动窗口”矩阵的中心放在个体单元上完成利用变换函数对每个矩阵n的变换。因此，“活动窗口”矩阵行和列的数目必须是奇数，这样才能提供中心单元。在确定“活动窗口”矩阵的中心之后，计算机利用“活动窗口”矩阵内拥有的所有的单元中的数据求解变换函数。一旦完成变换函数求解运算，计算机将结果存储在变换矩阵nk的某个单元之中，该单元与该矩阵n中的被变换的中心单元对应。然后，计算机移动“活动窗口”矩阵，将它的中心放在毗邻的单元上，以便用变换函数对该单元进行变换。计算机12继续上述程序，直至n个矩阵全部利用k个变换函数中的每一个完成变换，产生出nk个变换矩阵为止。
为了揭示和帮助理解较好的实施方案，将参照图2介绍一个3行3列的“活动窗口”矩阵。为了对单元A2，2之中的数据进行变换，将“活动窗口”矩阵的中心置于单元A2，2之上，以使单元A1，1-A3，3都被“活动窗口”矩阵包围。计算机12利用来自单元A1，1-A3，3的数据求解变换函数，并且将结果存储在变换矩阵nk的单元A2，2之中。然后计算机12将“活动窗口”矩阵的中心置于单元A2，3之上，以使单元A1，2-A3，4都被“活动窗口”矩阵包围。计算机12利用来自单元A1，2-A3，4的数据求解变换函数，并且将结果存储在同一变换矩阵nk的单元A2，3之中。尽管在数据变换时使用了数据周围的外部单元，但是，外部单元并没有进行变换并且被精确地从变换矩阵中剔除，因为“活动窗口”矩阵的中心不可能置于外部单元之上，而且只有在对“活动窗口”矩阵的中心单元进行计算时才能获得令人满意的有代表性的变换函数计算结果。计算机12对矩阵15中的每个单元重复上述程序，直至完成变换矩阵nk为止。计算机12进一步将每个变换函数k用于矩阵15以及全部剩余的矩阵n，从而建立起全部的变换矩阵nk。
可能的变换函数包括但不限于：(1)观测分布的熵(Shennon的熵)与在所有的熵值以等概率出现假设条件下的熵之间的差；(2)水平梯度的最大值；(3)最大的水平梯度的方位角的方向；(4)“活动窗口”矩阵内数值的中值与矩阵中所有数值的中值之间的差值；以及(5)拉普拉斯算符、高斯曲率、以及平均曲率几何特征。尽管只介绍了上述的几种变换函数，但是，本领域内的技术人员会明白任何变换函数只要能够创造数据各异的表示法都可以利用。
在将k个变换函数全部用于n个矩阵中的每个矩阵，产生出nk个变换矩阵之后，计算机12在步骤27中由每个变换矩阵nk产生一个基本的二分矩阵，从而形成nk个基本二分矩阵。基本二分矩阵中的每个单元都保留着与变换函数有关的特征痕迹，该变换函数是在推演变换矩阵时使用的，而这个变换矩阵现在被计算机12用于产生基本二分矩阵。计算机12通过将每个变换矩阵之中的数据分成两个矩阵单元数相等的子集得出nk个基本二分矩阵。计算机12将每个变换矩阵中的数据分成两个子集，因为这种表示法构成最稳定的数据分类并且按照有用和无用将实际系统特征的最自然最方便的描述形式提供给用户。
计算机12从计算变换矩阵的中值开始推演基本的二分矩阵。在计算出中值之后，计算机12将中值与变换矩阵nk中的每个个体单元中的数据值一一进行比较。当个体单元中的数据值超过中值时，计算机12将一个逻辑“1”存储在基本二分矩阵之中与变换矩阵中的单元相对应的个体单元之中。反之，如果个体单元中的数据值低于中值，那么计算机12将逻辑“0”存储在基本二分矩阵之中与变换矩阵中的单元相对应的单元之中。如果中值与个体单元中的数据值相等，那么计算机要等到完成全部比较再决定该个体单元究竟是接受逻辑“1”还是逻辑“0”。在完成全部比较时，计算机12将随机地用逻辑“1”和逻辑“0”为留下的单元赋值。在留下的单元数为奇数时，计算机随机地将逻辑“1”或逻辑“0”赋予奇数单元。计算机12对nk个变换矩阵中的每个变换矩阵重复上述程序，直至每个基本二分矩阵都已形成为止。图5说明矩阵B1和B2，它们是来自一组假想的nk个基本二分矩阵的两个矩阵。阴影区表示逻辑“1”，无阴影区代表逻辑“0”。
在每个基本二分矩阵中，用逻辑“1”赋值的单元与用逻辑“0”赋值的单元形成两个不重叠的相同元素(uniform element)个数相等的子集。但是，本领域内的技术人员都会明白子集中的逻辑“1”的数目和逻辑“0”的数目之间可以有适度的不相等，这不会损害在实际系统的参数(或参数组)的数据组中确定“引人注目的信息”。此外，计算机12还将每个基本二分矩阵存储在它的存储器中，以保留“空间记录”，在确定“引人注目的信息”期间，该“空间记录”为易于比较矩阵的个体单元创造了条件。尽管这个较好的实施方案在形成基本二分矩阵时使用中值(因为它是最有效的)，但是，本领域内的技术人员明白还有许多其他的方法可以利用。
如果用户在步骤21中选择无标的探索，计算机12继续执行步骤28，它将询问用户是否希望决定在这nk个基本二分矩阵中哪些是最截然不同的基本二分矩阵并且将在确定参数(或参数组)的数据组中的“引人注目的信息”时使用。为了优化后面的确定“引人注目的信息”的运算，这nk个基本二分矩阵受到限制，要求从中选出最截然不同的矩阵。但是基本二分矩阵的数目不必受限制，即参数(或参数组)的数据组表示得不充分将导致“引人注目的信息”计算不精确。在这个较好的实施方案中，基本二分矩阵的数目限制在9-16个。尽管9-16个矩阵是最佳的，但是，本领域内的技术人员都会明白少于9或大于16也允许确定“引人注目的信息”。
如果用户希望选择最截然不同的基本二分矩阵，计算机12将每个基本二分矩阵显示在显示器13上，并且如果需要，计算机将每个基本二分矩阵在打印/绘图仪14上打印出来(见图1)。然后，用户研究每个基本二分矩阵，决定哪9至16个矩阵是最截然不同的。在确定了9至16个截然不同的基本二分矩阵之后，用户借助输入装置(如键盘)将这选定的9至16个最截然不同的矩阵告知计算机12。在接受了由用户选定的9至16个最截然不同的矩阵之后，计算机12转到步骤34继续运行，并在形成全面描述矩阵组时利用选定的这9至16个最截然不同的矩阵。
另一方面，如果用户选择由计算机12确定这9至16个最截然不同的矩阵，那么，计算机12在步骤30中确定每个基本二分矩阵的密集度。计算机12借助计算区分逻辑“1”和逻辑“0”的边界线的累积长度确定每个基本二分矩阵的密集度。图4A和图4B表示密集度最大的矩阵50和矩阵51。图4C表示密集度比矩阵50和51小的矩阵54，因为矩阵54的逻辑“1”和逻辑“0”的分布更趋向于随机分布。边界线55必须绕过逻辑“1”和逻辑“0”并把它们分开，因此边界线55的长度大于边界线52和53的长度。密集度最小的矩阵是逻辑“1”和逻辑“0”在矩阵单元中交替排列的矩阵。
计算机12推演每个基本二分矩阵的边界线并且利用任何一种已知的方法测量它的长度。举例说，计算机12先沿着基本二分矩阵的列然后沿着基本二分矩阵的行连续地数矩阵中的个体单元并且每次遇到从逻辑“1”成为逻辑“0”或者从逻辑“0”成为逻辑“1”边界线长度计数加1。由此获得的边界线长度计数是边界线的累积长度，所以它反映出基本二分矩阵的密集度。
在确定密集度之后，计算机12将这nk个基本二分矩阵按密集度大小排序，从最密集的矩阵排到最不密集的矩阵。这就是说，计算机12在它的存储器中将nk个基本二分矩阵从最密集的(即累积边界线长度最短的矩阵)至最不密集的(即累积边界线长度最长的矩阵)排列。
一旦计算机12完成了nk个基本二分矩阵的排序，它在步骤31中将每个基本二分矩阵与其余的基本二分矩阵一对一对地进行比较以便估计每对基本二分矩阵之间的相似程度，其方法是计算相似度(a degree ofsimilarity number)。为了计算一对基本二分矩阵的相似度，计算机12首先建立适合那对基本二分矩阵的逻辑数对矩阵。计算机12建立逻辑数对矩阵的方法是将第一个基本二分矩阵的各个单元与第二个基本二分矩阵中每个相应的单元进行比较，以便确定每对矩阵单元的最终的逻辑数对(“00”、“01”、“10”、“11”)。然后，计算机12将最终的逻辑数对放在逻辑数对矩阵的矩阵单元中，并且与第一和第二两个基本二分矩阵的矩阵单元一一对应。
举例说，第一基本二分矩阵的矩阵单元A1，1将与第二基本二分矩阵的矩阵单元A1，1进行比较。如果第一基本二分矩阵的矩阵单元A1，1包括逻辑“0”，那么得到的逻辑数对将不是“00”就是“01”，这取决于第二个基本二分矩阵的矩阵单元A1，1之内的逻辑数。类似地，如果第一基本二分矩阵的矩阵单元A1，1包括逻辑“1”，那么得到的逻辑数对将不是“10”就是“11”，这取决于第二个基本二分矩阵的矩阵单元A1，1之内的逻辑数。不管得到的逻辑数对是什么，计算机12都会把得到的逻辑数对放在逻辑数对矩阵的矩阵单元A1，1之中。
在推算出一对基本二分矩阵的逻辑数对矩阵之后，计算机12计算在逻辑数对矩阵中的每种逻辑数对出现的频率，然后将这些出现频率除以逻辑数对矩阵中的矩阵单元总数。得到的数字反映每种逻辑数对在逻辑数对矩阵中所占的比例。计算机12推算一对基本二分矩阵的相似度的方法是将逻辑数对“00”和“11”的比例数字加在一起，将逻辑数对“01”和“10”的比例数字加在一起，然后选出较大的和作为相似度。举例说，如果逻辑数对“00”和“11”的和是0.2，而逻辑数对“01”和“10”的和是0.8，那么计算机12选择0.8作为相似度。类似地，如果逻辑数对“00”和“11”的和是0.0，而逻辑数对“01”和“10”的和是1.0，那么计算机12选择1.0作为相似度。当逻辑数对“00”和“11”的和与逻辑数对“01”和“10”的和两者都等于0.5时，计算机12用0.5作为相似度。计算机12重复上述程序，直至它推算出排序的基本二分矩阵的每一对基本二分矩阵的相似度。
一旦计算机推算出相似度，在步骤32中它请求用户输入相似度的门限值，该门限值的范围从0.5至1.0。在接受相似度门限值之后，计算机12在步骤33中选出9至16个最截然不同的基本二分矩阵。计算机12首先尝试按照输入的相似度的门限值将基本二分矩阵组织成9至16个群体。计算机12先将与任何别的基本二分矩阵的相似度不高于门限值的基本二分矩阵放入该矩阵自己的群体。然后，计算机12将与另一个基本二分矩阵的相似度高于门限值的基本二分矩阵放入安排好的各个群体，以致在任何一个群体中所有的基本二分矩阵与该群体中的每一个其他的基本二分矩阵的相似度都高于门限值。
举例说，第一个基本二分矩阵与第二和第三两个基本二分矩阵的相似度大于门限值，只要第二个基本二分矩阵和第三个基本二分矩阵的相似度也大于门限值，那么第一个基本二分矩阵与第二和第三两个基本二分矩阵将形成一个群体。如果第二和第三个基本二分矩阵的相似度小于门限值，那么第一个基本二分矩阵与第二和第三基本二分矩阵中的每一个将形成各自的群体。
如果计算机不能形成包括每个基本二分矩阵的9至16个群体，而是形成少于9个群体，那么它告知用户门限值太低，请求用户输入新的门限值。反之，如果计算机12形成的群体数在16个以上，那么它告知用户门限值太高，请求用户输入新的门限值。
一旦计算机接收到导致形成9至16个基本二分矩阵群体的门限值，它必须从这9至16个群体的每个群体中选择最有代表性的基本二分矩阵。任何只包括一个基本二分矩阵的群体都直接成为那9至16个最截然不同的基本二分矩阵中的一员，不经历下述步骤。为了确定任何一个群体中最有代表性的基本二分矩阵，计算机利用该群体中的每个基本二分矩阵推算出的相似度建立一个矩阵(见图6)。群体中的每个基本二分矩阵被放在矩阵的行和列上，并且对应的相似度按照具体的基本二分矩阵的位置被放进该矩阵。举例说，矩阵M1被放在行1和列1上，而M3被放在行3和列3上，于是它们的相似度0.9定位于行1列3和行3列1。基本二分矩阵相同的行和列相似度是1.0。
在形成相似度矩阵之后，计算机12计算相似度矩阵的总行列式。然后，计算机12删除相似度矩阵中的第一行和第一列，计算没有那行和那列的部分行列式。类似地，计算机12恢复第一行和第一列，删除第二行和第二列，计算没第二行和第二列的部分行列式。计算机12依次恢复和删除行和列并计算部分行列式，直至删除最后的一行和一列。一旦所有的部分行列式都已经算出，计算机12将部分行列式与总行列式进行比较，以确定哪个部分行列式的值最接近总行列式的值。某个基本二分矩阵形成的行和列被删除时产生的部分行列式的值最接近总行列式的值，那么该基本二分矩阵是该群体中的最有代表性的基本二分矩阵。
计算机12针对每个群体完成上述程序，直至选出9至16个最有代表性的基本二分矩阵。然后，计算机12将这9至16个最有代表性的基本二分矩阵排列在它的存储器中，并且利用上述的确定密集度的方法从最密集向最不密集排列。尽管已经介绍了计算机从群体中选择最有代表性的基本二分矩阵，但是本领域内的技术人员会明白计算机能够将这些群体显示或打印出来，以使用户能够从每个群体中选择出最有代表性的基本二分矩阵。
在步骤34中，计算机12利用选定的9至16个最截然不同的基本二分矩阵推演全面描述矩阵组。计算机12从建立每个最截然不同的基本二分矩阵的友矩阵开始。友矩阵由每个最截然不同的基本二分矩阵的逆矩阵组成。计算机12推演友矩阵是为了在确定嵌套(intemesting)时避免用逻辑“0”进行矩阵单元之间的比较(见下文)。
为了形成友矩阵，计算机12用逻辑“0”取代最截然不同的基本二分矩阵中含逻辑“1”的矩阵单元，用逻辑“1”取代最截然不同的基本二分矩阵中含逻辑“0”的矩阵单元。计算机12针对这9至16个最截然不同的基本二分矩阵中的每个矩阵完成上述程序，以产生一组完整的友矩阵。在推演友矩阵之后，计算机12将每个最截然不同的基本二分矩阵与它的友矩阵靠在一起存储在计算机存储器之中，构成矩阵的基级(base level of matrices)。此外，计算机12在相应的矩阵单元中保留着“空间记录”，并且基级矩阵(base level matrices)从最密集的向最不密集的排序。图7说明图5中的矩阵B1和B2以及它们的友矩阵B1’和B2’。
形成矩阵的基级之后，计算机12利用来自基级的矩阵推演全面描述矩阵组。计算机12推演全面描述矩阵组的方法是逐步计算更多数目的来自基级的基本二分矩阵的交集，以形成各级别的交集矩阵。计算机12首先让基级矩阵两两相交，以形成第二级交集矩阵。具体地说，计算机12让每个基级矩阵与其余的基级矩降两两相交，形成基级矩阵对的交集矩阵，重复这种运算直至每个基级矩阵都与其余的基级矩阵相交。
计算机12借助于将第一个基级矩阵中的每个个体单元与第二个基级矩阵中的每个对应的个体单元作逻辑“与”运算产生一个配对交集矩阵(a pair intersection matrix)。只要第一和第二基级矩阵中的两个对应的矩阵单元不同时包括逻辑“1”得到的配对交集矩阵每个矩阵单元就将是逻辑“0”。举例说，第一个交集矩阵中的矩阵单元A1，1与第二个交集矩阵中的矩阵单元A1，1作逻辑“与”运算，以便确定由此得到的配对交集矩阵中的矩阵单元A1，1。只要第一和第二交集矩阵中两个矩阵单元A1，1不全是逻辑“1”，配对交集矩阵的矩阵单元A1，1就是逻辑“0”。
图8说明矩阵I1、I2、I3和I4，这四个矩阵是矩阵B1、B2和它们的友矩阵B1’和B2’相交得到的一组矩阵。矩阵I1是从矩阵B1和矩阵B2相交得到的。矩阵I2是从矩阵B1’和矩阵B2相交得到的。矩阵I3是从矩阵B1和矩阵B2’相交得到的。矩阵I4是从矩阵B1’和矩阵B2’相交得到的。
然后，计算机计算基级矩阵的三重相交的交集，以形成第三级交集矩阵。计算机依次计算三个基级矩阵的交集，以形成三重交集矩阵，直至所有可能的三个基级矩阵的组合的三重交集矩阵全部形成为止。接下来，计算机12计算基级矩阵的四重相交的交集，以便形成第四级交集矩阵。计算机12依次计算四个基级矩阵的交集，以形成四重交集矩阵，直至所有可能的四个交集矩阵的组合的四重交集矩阵全部形成为止。计算机12依次计算更高数目的基级矩阵的交集，直至算出所有的基级矩阵组合在一起的交集矩阵，形成最高级别的交集矩阵。计算机12将各个级别的交集矩阵存储在它的存储器中，形成全面描述矩阵组，在后面确定参数(或参数组)的数据组中的“引人注目的信息”时将利用这个矩阵组。
作为上述的计算交集的结果，通过计算基本二分矩阵的各个级别的交集矩阵建立起来的全面描述矩阵组中的每个矩阵都继承了那些基本二分矩阵的特征。因此，全面描述矩阵组具有分级的信息结构，其中基本二分矩阵(第一级)包括一个特征，第二级交集矩阵包括两个特征，第三级交集矩阵包括三个特征，第四级交集矩阵包括四个特征，直至最高级的交集矩阵，它包括来自每个基级矩阵的特征。
在步骤35中，计算机12确定在参数(或参数组)的数据组中的“引人注目的信息”，计算机是借助于计算全面描述组的根并且将代表“引人注目的信息”的根按顺序排队来完成这个任务的。根是全面描述组的矩阵中的逻辑“1”的子集，它将利用下文叙述的程序来鉴别。此外，由于根是利用全面描述矩阵组确定的，所以，每个根都包含着在全面描述组中包含那个根的的矩阵(组)形成时所有用过的基级二分矩阵的特征。
计算机12从请求用户输入嵌套门限值开始，该门限值在0.5至1.0之间变化。接下来，计算机12从基级中指定最密集的矩阵和该矩阵的友矩阵，然后确定该指定矩阵或更高级别的交集矩阵是否包含着根。计算机12寻找根的方法是检验第二级交集矩阵中有无交集矩阵的逻辑“1”的子集与指定的矩阵或它的友矩阵的逻辑“1”的子集嵌套(internest)。计算机12先将每个第二级交集矩阵中包含逻辑“1”的个体单元与指定矩阵中包含逻辑“1”的对应的个体单元进行比较，然后再与友矩阵中包含逻辑“1”的对应的个体单元进行比较，由此来确定是否嵌套。当第二级交集矩阵中的逻辑“1”与指定的矩阵中的逻辑“1”吻合的比例等于或超过嵌套门限值时，第二级交集矩阵中的逻辑“1”子集嵌套在指定矩阵的逻辑“1”子集之中。类似地，第二级交集矩阵中的逻辑“1”子集嵌套在该友矩阵的逻辑“1”子集之中的情况发生在第二级交集矩阵中逻辑“1”与指定矩阵中的逻辑“1”吻合的比例等于或超过嵌套门限值的时候。
在没有第二级交集矩阵的逻辑“1”子集与指定矩阵或它的友矩阵的逻辑“1”子集嵌套时，该指定矩阵包含一个根(即它的逻辑“1”子集)，这个根在建立根的序列时被计算机12使用。如果有一个第二级交集矩阵包含与指定矩阵或它的友矩阵的逻辑“1”子集嵌套的逻辑“1”子集，那么被嵌套的那个第二级交集矩阵的逻辑“1”子集成为一个未证实的根，这个根必须经过检验，以确定它是否是一个真实的根(下文叙述)。另一方面，如果不止一个第二级交集矩阵(即一组第二级交集矩阵)包含与指定矩阵或它的友矩阵的逻辑1的子集嵌套的逻辑1的子集，那么，计算机12在该组第二级交集矩阵中寻找一个的逻辑1的子集，使得该组第二级交集矩阵的其余的逻辑“1”子集全部嵌套在该逻辑1的子集之中。如果这样的逻辑“1”子集不存在，指定矩阵包含一个计算机12在建立根序列时使用的根。但是，如果那组第二级交集矩阵中存在一个逻辑“1”子集将该组第二级交集矩阵的其余的逻辑“1”子集全部嵌套在该逻辑“1”子集之中，那么该逻辑“1”子集成为一个未证实的根，它必须经受检验，以确定它是否是一个真实的根(下文叙述)。
计算机12通过确定第三级交集矩阵中有无任何逻辑“1”子集嵌套在未证实的根中来确定来自第二级的未证实的根是否是真实的根。如果第三级交集矩阵的逻辑“1”子集没有一个嵌套在未证实的根中，未证实的根得到证实，因此成为一个计算机12在建立根序列时使用的根。如果只有一个第三级交集矩阵的逻辑1的子集嵌套在未证实的根中，那么被嵌套的第三级交集矩阵的逻辑“1”子集成为未证实的根，这个根必须经过检验，以确定它是否是一个真实的根。另一方面，如果不止一个第三级交集矩阵的逻辑“1”子集嵌套在未证实的根中，那么计算机12在那组第三级交集矩阵中寻找一个逻辑“1”子集，使该组第三级交集矩阵中其余的逻辑“1”子集全部嵌套在该逻辑“1”子集之中。如果这样的逻辑“1”子集不存在，未证实的根得到证实，因此成为一个计算机12在建立根序列时使用的根。但是，如果那组第三级交集矩阵中存在一个逻辑“1”子集将该组第三级交集矩阵其余的逻辑“1”的子集全部嵌套在该逻辑“1”子集之中，那么该逻辑“1”子集成为一个未证实的根，它必须经受检验，以确定它是否是一个真实的根。
计算机12借助确定第四级交集矩阵中有无任何逻辑“1”子集嵌套在未证实的根中来查清第三级的未证实的根是否是一个真实的根。计算机12执行上述程序，检验来自第三级的未证实的根或者建立一个第四级交集矩阵的逻辑“1”子集作为未证实的根。计算机12依次检验比任何指定矩阵和它的友矩阵高一级的交集矩阵的逻辑“1”子集，直至找到根为止。
一旦计算机12确认了指定矩阵及其友矩阵的根，它将从基级中指定下一个最密集的矩阵及其友矩阵，并确定它的根。计算机12执行上述程序按照密集度递降的顺序找出基级中每个矩阵及其友矩阵的根，直至密集度最低的基级矩阵及其友矩阵的根被找到为止。
在确定了每个基级矩阵及其友矩阵的根之后，计算机12在步骤36中将这些根排成序列，因为根序列是参数(或参数组)的数据组中的“引人注目的信息”。计算机12形成根序列的方法是将相互嵌套的根依次排列行(见图9)。计算机12首先从可能的最低级别(如基级)找出选定的根70，因为在可能的最低级别选定的根包含最低限度的相交特征。第二步，计算机12确定下一个较高级别中的根71，这个根包含根70的相交特征，因此嵌套在根70中。第三步，计算机12找出再下一个较高级别的根72，这个根包含根70和根71两者的相交特征，因此嵌套在根71中。第四步，计算机12找出下一个较高级别的根72，这个根包含根70、根71和根72的相交特征，因此被嵌套在根72中。计算机12逐步建立起一个序列，直至找不到包含该序列中所有已找到的根的相交特征的更高级别的根为止。然后，计算机选择一个新的最低级的根，重复上述程序，建立另一个序列。计算机12重复根序列的建立过程，直至所有的根都被放入序列并且所有可能的根序列都被确认为止。
在建立起这些根序列之后，计算机12在步骤37中将根序列显示在显示器13上，作为原始观测的数据组“引人注目的信息”的表示法。此外，计算机12利用打印/绘图仪14将根序列打印出来。确认“引人注目的信息-根”是极为有用的，因为在观测数据组中的“引人注目的信息-根”是形成观测数据组的实际系统中的“引人注目的信息”的反映。因为“引人注目的信息-根”不朝实际系统内的任何具体的重要特征倾斜，所以它们反映出实际系统的基本性质，因此实际系统的大多数重要特征如果存在，与“引人注目的信息-根”相连系的概率最高。
如果用户在步骤21中选择目标定向探索，计算机12在完成步骤27(在这个步骤中推演nk个基本二分矩阵)以后，计算机12将转到步骤38继续进行。在步骤38中，计算机12利用在步骤23中产生的目标二分矩阵选择9至16个基本二分矩阵，这9至16个基本二分矩阵将在确定实际系统的参数(或参数组)数据组中的“引人注目的信息”时使用。计算机选择9至16个基本二分矩阵的方法是确定哪个基本二分矩阵包括一个按照叠合门限值判定与目标区域(即它的逻辑“1”子集)重叠的子集(即逻辑“1”子集或逻辑“0”子集)。因此计算机12首先请求用户输入叠合度门限值(the threshold degree of overlap number)，该门限值在大于0.5至1.0区间内变化。
计算机12在接受叠合度门限值之后，它依次将目标二分矩阵与每个基本二分矩阵重叠，以确定目标区域与每个基本二分矩阵的子集之间的叠合度(the degree ofoverlap number)。为了获得基本二分矩阵的叠合度，计算机12计算在目标区域中与基本二分矩阵的逻辑“1”子集重叠的单元数以及计算在目标区域中与基本二分矩阵的逻辑“0”子集重叠的单元数。然后，计算机12为了计算“1”的叠合数，它将目标区域中与基本二分矩阵中逻辑“1”子集重叠的单元数除以目标区域中的总单元数。类似地，计算机12为了计算“0”的叠合数，它将目标区域中与基本二分矩阵中逻辑“0”子集重叠的单元数除以目标区域中的总单元数。如果“1”的叠合数或者“0”的叠合数等于或者超过用户输入的叠合度门限值，那么计算机12指定该基本二分矩阵作为9至16个基本二分矩阵的一员。但是，当“0”的叠合数超过叠合度门限值时，计算机12计算该基本二分矩阵的逆矩阵，以形成它的友矩阵，以使与目标区域重叠的区域用逻辑“1”表示。
计算机12重复上述程序，直至它推演出每个基本二分矩阵的叠合度并且选出9至16个基本二分矩阵。如果计算机12不能选出9至16个基本二分矩阵，而是只选出少于9个基本二分矩阵，那么它将告知用户叠合度门限值太高，请求用户输入新的门限值。反之，如果计算机12选出的基本二分矩阵多于16个，那么它将告知用户叠合度门限值太低，请求用户输入新的门限值。计算机12不断地请求用户输入门限值并且执行上述程序，直至它接受到一个可以选出9至16个基本二分矩阵的门限值为止。
在选出9至16个基本二分矩阵之后，计算机12在步骤39中利用选中的基本二分矩阵推演全面描述矩阵组。计算机12推演全面描述矩阵组的方法是首先利用上述程序逐步计算更多数目的选定的基本二分矩阵的交集，以形成各级别的交集矩阵(参照无标的探索)。然后，计算机12检验每个交集矩阵，以确定它与目标二分矩阵的叠合度和相似度是否足以达到成为全面描述组成员所需的程度(下文叙述)。不满足上述两个条件的交集矩阵被舍弃，不成为全面描述组的一员。
在计算机12逐步计算更多数目的选定的基本二分矩阵的交集之后，它请求用户输入叠合度门限值，该门限值在大于0.5至1.0区间内变化，以及输入相似度的门限值，该值在0.0至1.0之间变化。然后，计算机12确定哪些交集矩阵属于全面描述矩阵组，哪些应当舍弃。如前所述，计算机12首先确定所有的交集矩阵与目标二分矩阵的叠合度。如果交集矩阵的叠合度等于或大于用户输入的叠合度门限值，计算机12将该交集矩阵保存起来，以便检验它与目标二分矩阵的相似度是否高于相似度门限值，否则交集矩阵被舍弃。
计算机12利用公式：C＝H(x，y)-H(y)推算代表剩余的交集矩阵与目标二分矩阵之间相似性的数值C，其中H是Shennon熵。H(x，y)是剩余的交集矩阵和目标二分矩阵的逻辑数对(即00、01、10、11)的联合分布的熵。H(y)是目标二分矩阵中的逻辑“1”和逻辑“0”的分布的熵。
计算机12推算剩余的交集矩阵的H(x，y)的方法是计算每种逻辑数对的概率(P00-11)与每种逻辑数对概率(P00-11)的对数的乘积的“负和”，用公式表示则为：-(P00*log P00+P01*log P01+P10*logP10+P11*log P11)。计算机12计算H(x，y)首先确定剩余的交集矩阵和目标二分矩阵的逻辑数对。计算机12将目标二分矩阵重叠在剩余的交集矩阵上，然后确定每个矩阵单元的逻辑数对。计算机12数出每种逻辑数对的数目，然后将这四个数字中的每一个都用逻辑数对的总数去除，以算出每种逻辑数对的概率。然后，计算机12将这四个逻辑数对的概率一一代入上述公式，计算出H(x，y)。
计算机12推算目标二分矩阵的H(y)的方法是计算逻辑“1”和逻辑“0”的概率(P0和P1)与逻辑“1”和逻辑“0”的概率(P0and 1)的对数的乘积的“负和”，用公式表示则为：-(P0*log P0+P1*log P1)。为了计算H(y)，计算机12数出目标二分矩阵中的逻辑“1”和逻辑“0”的数目，然后将这两个数字都用目标二分矩阵的单元总数去除。然后，计算机12这两个概率代入上述公式，计算出H(y)。
一旦计算机12确定了H(x，y)和H(y)，它将从H(x，y)中减去H(y)，以得出剩余的交集矩阵的相似度(C)。计算机12利用上述程序逐个计算每个剩余交集矩阵的相似度(C)。
在算出相似度(C)之后，计算机12将每个算出的相似度(C)与相似度门限值进行比较，以确定剩余交集矩阵中属于全面描述组的矩阵。如果剩余交集矩阵的相似度(C)等于或大于用户输入的相似度门限值，计算机将这个剩余的交集矩阵放进全面描述矩阵组，否则剩余的交集矩阵将被舍弃。
在判明哪些交集矩阵属于全面描述矩阵组之后，计算机12在它的存储器中将所有的基本二分矩阵按分级排列安排在基级上存储，属于全面描述矩阵组的交集矩阵按分级排列将按照它们的交集级别存储在级别高于基级的各个级别中。在步骤40中，计算机12利用全面描述组中的矩阵确定参数(或参数组)的数据组中的“引人注目的信息”。计算机12通过建立全面描述组的分支来确定参数(或参数组)的数据组中的“引人注目的信息”。
计算机12首先从全面描述组中最高级别的交集矩阵中指定一个与目标二分矩阵最相似的矩阵。如上所述，计算机12利用对所有的矩阵算出的相似度选择与目标矩阵最相似的矩阵。计算机12对分支进行检验的方法是首先确定指定矩阵的逻辑“1”子集是否嵌套在比最高交集级别低一级的交集矩阵的任何逻辑“1”子集之中。计算机12利用上述程序确定嵌套(参照无标的探索)。
如果指定矩阵的逻辑“1”子集嵌套在一个比最高交集级别低一个级别的交集矩阵的逻辑“1”子集中，那么，在较低级别中的那个矩阵的逻辑“1”子集成为包括指定矩阵的逻辑“1”子集的分支的成员。但是，如果指定矩阵的逻辑“1”子集嵌套在多个比最高交集级别低一个级别的交集矩阵(即一组矩阵)的逻辑“1”子集中，那么，计算机12从这组矩阵中选择与目标二分矩阵最相似的的矩阵，并且将被选中的矩阵的逻辑“1”子集并入包括指定矩阵的逻辑“1”子集的分支。如上所述，计算机12利用对所有矩阵算出的相似度选择最相似的矩阵。
当计算机12在比最高级别低一级的交集矩阵中寻找分支成员失败时，它将到再低一级的级别中继续寻找，并且利用上述的相同的指定矩阵和相同的程序检验包括在分支中的逻辑“1”子集。但是，如果计算机12在比最高级别低一级的级别中找到了分支成员，计算机12用该分支成员的矩阵取代指定矩阵，于是该分支成员矩阵成为指定矩阵。然后，计算机12利用新的指定矩阵和上述的程序在下一个较低的交集级别中检验分支成员。
类似地，当计算机12在下一个较低的交集级别中寻找分支成员失败时，它到再下一个较低的交集级别中继续寻找，并且利用相同的指定矩阵和程序检验分支成员。但是，如果计算机12在下一个交集级别中找到一个分支成员，计算机12用这个分支成员矩阵取代指定矩阵，于是该分支成员矩阵成为指定矩阵。然后，计算机12利用新的指定矩阵和上述的程序在再下一个交集级别中对分支成员进行检验。因此，计算机12依次检验包括最初指定的矩阵的分支成员，直至检验由选定的基本二分矩阵组成的基级中的分支成员。
一旦计算机12确认了那个包括最高级别中与目标二分矩阵最相似的矩阵的分支成员，它利用上述方法确认包括最高级别中第二个与目标二分矩阵最相似的矩阵的分支成员。计算机12依次检验包括最高交集级别中的矩阵的分支成员，直至所有的在最高级别中的矩阵都分配出去为止。
当计算机12将最高交集级别用尽时，它到下一个较低的交集级别中继续指定与目标二分矩阵最相似的矩阵。然后，计算机12象前面介绍的那样确认包括该指定矩阵的分支成员。计算机12依次检验包括这个交集级别的矩阵的分支成员，直至这个级别中的所有的矩阵都分配出去为止。计算机12逐次降低被检验的级别并依次检验包括那个交集级别中的矩阵的分支成员，直至所有的在第二级(即比基级高一级的交集级别)中的矩阵都被分配出去为止。
在确定了各个交集级别(一直到第二级)的分支成员之后，计算机12在步骤41中将各分支显示在显示器13上作为原始观测数据组的“引人注目的信息”的表示法。此外，计算机12利用打印/绘图仪14将各个分支打印出来。图10说明一个示范分支75，它包括分支成员80和82，它们都是来自低级别(例如，来自基级)。因此，分支成员80和82包含的相交特征最少，并且不嵌套。分支75包括分支成员81和83，前者包含分支成员80的相交特征，后者包括分支成员82的相交特征。分支成员81嵌套在分支成员80之中，而分支成员83嵌套在分支成员82之中，但是，分支成员81和83彼此不嵌套。分支75还包括分支成员84，该成员包含分支成员80至83的相交特征，所以该成员嵌套在每一个分支成员之中。类似地，分支75包括分支成员85，该成员包含分支成员80至84的相交特征，因此它嵌套在每个成员之中。
确认“引人注目的信息-分支”是极为有用的，因为在观测数据组中“引人注目的信息-分支”是产生观测数据组的实际系统中“引人注目的信息”的反映。因为“引人注目的信息-分支”趋向实际系统内的具体的目标重要特征，所以它们反映实际系统的具体的目标重要特征，因此实际系统内的任何具体的目标重要特征如果存在的话，它与“引人注目的信息-分支”相关的概率最高。根据“引人注目的信息-根”和“引人注目的信息-分支”的特征得出这样的结论：如果实际系统中存在某些具体的重要的目标特征，那么，与空间相关的这两种类型“引人注目的信息”将使我们获得最有利于揭示实际系统中这些具体的重要的目标特征的区域。
尽管本发明已经按照上述的实施方案作了介绍，但是这些介绍仅仅是为了示范的目的，对于本领域内的技术人员来讲，显然还有许多替代方案、等价方案以及某些在本发明范围之内的变化。因此，本发明的范围在任何方面都不受前面的叙述的限制，本发明的范围是由权利要求书确定的。