1.一种计算机非结构化数据存储方法，其特征在于，包括以下步骤：

获取预设时段内的待存储时序矩阵数据，并根据该预设时段内的待存储时序矩阵数据，确定预设时段内的任意两个相邻时刻的待存储时序矩阵中的各个角点和各个匹配角点；

根据预设时段内的任意两个相邻时刻的待存储时序矩阵中的各个角点的角点数目和各个匹配角点的匹配角点对数，确定任意两个相邻时刻的待存储时序矩阵之间的相似程度，进而确定多个标记时序矩阵数据段，所述多个标记时序矩阵数据段均满足相邻时序矩阵相似条件；

根据每个标记时序矩阵数据段内的任意两个相邻时刻的待存储时序矩阵中的各个匹配角点的坐标信息，确定每个标记时序矩阵数据段对应的各个时序矢量变化曲线，进而确定每个标记时序矩阵数据段对应的各个时序矢量变化曲线对应的拟合直线；

根据每个标记时序矩阵数据段对应的各个时序矢量变化曲线中的各数据点的坐标信息以及各个时序矢量变化曲线对应的拟合直线，确定每个标记时序矩阵数据段内的各关联细分段；

根据每个标记时序矩阵数据段内的各关联细分段，对预设时段内的待存储时序矩阵数据进行压缩存储处理，对各关联细分段内第一个待存储时序矩阵之后的多个待存储时序矩阵进行有损压缩，对各关联细分段内第一个待存储时序矩阵进行无损压缩，从而得到压缩存储后的预设时段内的待存储时序矩阵数据。

2.根据权利要求1所述的一种计算机非结构化数据存储方法，其特征在于，确定任意两个相邻时刻的待存储时序矩阵之间的相似程度的计算公式为：其中，a为任意两个相邻时刻的待存储时序矩阵之间的相似程度， 为任意两个相邻时刻的待存储时序矩阵中的各个匹配角点的匹配角点对数， 为任意两个相邻时刻中前一时刻的待存储时序矩阵中的各个角点的角点数目， 为任意两个相邻时刻中后一时刻的待存储时序矩阵中的各个角点的角点数目。

3.根据权利要求1所述的一种计算机非结构化数据存储方法，其特征在于，多个标记时序矩阵数据段均满足的相邻时序矩阵相似条件为：每个标记时序矩阵数据段内的任意两个相邻时刻的待存储时序矩阵之间的相似程度不小于预设相似程度；

每个标记时序矩阵数据段内的最后一个时刻的待存储时序矩阵与该标记时序矩阵数据段的后一个标记时序矩阵数据段内的第一个时刻的待存储时序矩阵之间的相似程度小于预设相似程度。

4.根据权利要求1所述的一种计算机非结构化数据存储方法，其特征在于，确定每个标记时序矩阵数据段对应的各个时序矢量变化曲线的步骤包括：根据每个标记时序矩阵数据段内的任意两个相邻时刻的待存储时序矩阵中的各个匹配角点的坐标信息，确定每个标记时序矩阵数据段内的各个匹配角点在任意两个相邻时刻的待存储时序矩阵中的矢量值和矢量方向；

根据每个标记时序矩阵数据段内的各个匹配角点在任意两个相邻时刻的待存储时序矩阵中的矢量值和矢量方向，构建每个标记时序矩阵数据段对应的各个时序矢量变化曲线。

5.根据权利要求4所述的一种计算机非结构化数据存储方法，其特征在于，确定每个标记时序矩阵数据段内的各个匹配角点在任意两个相邻时刻的待存储时序矩阵中的矢量值的计算公式为：其中，B为第i个标记时序矩阵数据段内的第j个匹配角点在第t个时刻和第t+1个时刻的待存储时序矩阵中的矢量值， 为第i个标记时序矩阵数据段内的第j个匹配角点在第t个时刻的待存储时序矩阵中的横坐标， 为第i个标记时序矩阵数据段内的第j个匹配角点在第t+1个时刻的待存储时序矩阵中的横坐标， 为第i个标记时序矩阵数据段内的第j个匹配角点在第t个时刻的待存储时序矩阵中的纵坐标， 为第i个标记时序矩阵数据段内的第j个匹配角点在第t+1个时刻的待存储时序矩阵中的纵坐标。

6.根据权利要求4所述的一种计算机非结构化数据存储方法，其特征在于，确定每个标记时序矩阵数据段内的各个匹配角点在任意两个相邻时刻的待存储时序矩阵中的矢量方向的计算公式为：其中，为第i个标记时序矩阵数据段内的第j个匹配角点在第t个时刻和第t+1个时刻的待存储时序矩阵中的矢量方向， 为第i个标记时序矩阵数据段内的第j个匹配角点在第t个时刻的待存储时序矩阵中的横坐标， 为第i个标记时序矩阵数据段内的第j个匹配角点在第t+1个时刻的待存储时序矩阵中的横坐标，B为第i个标记时序矩阵数据段内的第j个匹配角点在第t个时刻和第t+1个时刻的待存储时序矩阵中的矢量值， 为求反余弦函数。

7.根据权利要求1所述的一种计算机非结构化数据存储方法，其特征在于，确定每个标记时序矩阵数据段内的各关联细分段的步骤包括：根据每个标记时序矩阵数据段对应的各个时序矢量变化曲线中的前两个数据点的坐标信息，确定各个时序矢量变化曲线中的前两个数据点组成的初始关联细分段对应的渐变程度，若前两个数据点组成的初始关联细分段对应的渐变程度不小于预设渐变程度阈值，则将各个时序矢量变化曲线中的第三个数据点加入到前两个数据点组成的初始关联细分段中，并根据前三个数据点的坐标信息，确定前三个数据点组成的初始关联细分段对应的渐变程度，不断重复上述步骤，直至初始关联细分段对应的渐变程度小于预设渐变程度阈值，将小于预设渐变程度阈值的初始关联细分段作为每个标记时序矩阵数据段内的第一渐变关联细分段；以第一渐变关联细分段对应的下一个数据点为起始点重复第一渐变关联细分段的获取过程，得到每个标记时序矩阵数据段内的第二渐变关联细分段，不断重复获取渐变关联细分段的获取过程，直至每个标记时序矩阵数据段对应的各个时序矢量变化曲线中的各个数据点均有其对应的渐变关联细分段，从而得到每个标记时序矩阵数据段内的各个渐变关联细分段；

根据每个标记时序矩阵数据段对应的各个时序矢量变化曲线中的前两个数据点的坐标信息，确定各个时序矢量变化曲线中的前两个数据点组成的初始关联细分段对应的离散程度，若前两个数据点组成的初始关联细分段对应的离散程度不小于预设离散程度阈值，则将各个时序矢量变化曲线中的第三个数据点加入到前两个数据点组成的初始关联细分段中，并根据前三个数据点的坐标信息，确定前三个数据点组成的初始关联细分段对应的离散程度，不断重复上述步骤，直至初始关联细分段对应的离散程度小于预设离散程度阈值，将小于预设离散程度阈值的初始关联细分段作为每个标记时序矩阵数据段内的第一离散关联细分段；以第一离散关联细分段对应的下一个数据点为起始点重复第一离散关联细分段的获取过程，得到每个标记时序矩阵数据段内的第二离散关联细分段，不断重复获取离散关联细分段的获取过程，直至每个标记时序矩阵数据段对应的各个时序矢量变化曲线中的各个数据点均有其对应的离散关联细分段，从而得到每个标记时序矩阵数据段内的各个离散关联细分段；

根据每个标记时序矩阵数据段内的各个渐变关联细分段和各个离散关联细分段，确定每个标记时序矩阵数据段内的各关联细分段，所述关联细分段内的待存储时序矩阵数目应大于两个。

8.根据权利要求7所述的一种计算机非结构化数据存储方法，其特征在于，确定各个时序矢量变化曲线中的初始关联细分段对应的渐变程度和离散程度的步骤包括：根据每个标记时序矩阵数据段对应的各个时序矢量变化曲线中的初始关联细分段内的各数据点的坐标信息，确定各个时序矢量变化曲线中的初始关联细分段内的数据点在各个相邻时刻上的变化指标，进而确定各个时序矢量变化曲线中的初始关联细分段内的数据点在各个相邻时刻上的变换指标均值；

根据各个时序矢量变化曲线中的初始关联细分段内的数据点在各个相邻时刻上的变化指标和变换指标均值，确定各个时序矢量变化曲线中的初始关联细分段对应的渐变程度；

根据每个标记时序矩阵数据段对应的各个时序矢量变化曲线中的初始关联细分段内的各数据点的坐标信息和各个时序矢量变化曲线对应的拟合直线，确定每个标记时序矩阵数据段对应的各个时序矢量变化曲线中的初始关联细分段内的各数据点与对应的拟合直线之间的距离值，进而确定各个时序矢量变化曲线中的初始关联细分段内的各数据点与对应的拟合直线之间的距离均值；

根据每个标记时序矩阵数据段对应的各个时序矢量变化曲线中的初始关联细分段内的各数据点与对应的拟合直线之间的距离值和距离均值，确定各个时序矢量变化曲线中的初始关联细分段对应的离散程度。

9.根据权利要求8所述的一种计算机非结构化数据存储方法，其特征在于，确定各个时序矢量变化曲线中的初始关联细分段内的数据点在各个相邻时刻上的变化指标的计算公式为：其中，C为各个时序矢量变化曲线中的初始关联细分段内的数据点在第t个时刻和第t+

1个时刻上的变化指标， 为各个时序矢量变化曲线中的初始关联细分段内的数据点在第t个时刻上的矢量方向， 为各个时序矢量变化曲线中的初始关联细分段内的数据点在第t+1个时刻上的矢量方向， 为各个时序矢量变化曲线中的初始关联细分段内的数据点在第t个时刻上的矢量值， 为各个时序矢量变化曲线中的初始关联细分段内的数据点在第t+1个时刻上的矢量值；

确定各个时序矢量变化曲线中的初始关联细分段对应的渐变程度的计算公式为：

其中，f为各个时序矢量变化曲线中的初始关联细分段对应的渐变程度， 为各个时序矢量变化曲线中的初始关联细分段内的第k个变化指标，为各个时序矢量变化曲线中的初始关联细分段内各个变化指标的均值，N为各个时序矢量变化曲线中的初始关联细分段内的各个变化指标的数目。

10.根据权利要求8所述的一种计算机非结构化数据存储方法，其特征在于，确定各个时序矢量变化曲线中的初始关联细分段对应的离散程度的计算公式为：其中，h为各个时序矢量变化曲线中的初始关联细分段对应的离散程度， 为各个时序矢量变化曲线中的初始关联细分段内的第m个数据点与对应的拟合直线之间的距离值，为各个时序矢量变化曲线中的初始关联细分段内的各数据点与对应的拟合直线之间的距离均值，M为各个时序矢量变化曲线中的初始关联细分段内距离值的数目。