基于重要点的时间序列趋势特征提取方法

现有的基于时间序列分段线性表示的趋势特征提取算法不能完全正确提取时间序列基本趋势特征.为此定义时间序列基本趋势的自然分割点为重要点，提出一种新的分割目标函数.新的目标函数包括2个优化目标：最小化时间序列基本趋势与其分段基本趋势的不一致，最小化时间序列趋势值与其分段趋势值之间的误差平方和.根据新的目标函数，设计了一种重要点和自底向上分割相结合的时间序列分段线性化趋势特征提取方法.按重要点分段可以正确提取基本趋势，而自底向上分割方法以初始小尺度分割后迭代融合拟合误差平方和增加最小的相邻分段，可以得到较高的拟合精度.仿真实验表明，该方法克服了现有分段线性化方法的缺点，在分段数相同的情况下提取精度比现有方法高.     

一种时间序列相似性的快速搜索算法

时间序列数据库中相似子序列的搜索,常用滑动窗口、分形插值逼近等方法将时间序列分割成各子序列,线性拟合各分段子序列,计算查询序列与各子序列的欧氏距离,满足距离阈值条件的为相似子序列.这些方法忽略了时间序列本身的位置和连贯特性.为此提出时间序列变化关键点的概念,以检索出的关键点为边界分割时间序列,线性拟合各分割的子序列,计算查询序列和各子序列的形态距离,快速搜索出相似子序列.     

时间序列的模式距离

为了有效度量时间序列变化趋势的相似性,基于时间序列的分段线性表示,针对变化趋势,提出时间序列的模式模型表示.该模式模型表示不对测量尺度进行标准化处理,实现了模式距离的快速计算.序列模式距离克服了以点距离为基础的时间序列误匹配以及物理概念不明确等缺陷.对应于时间序列线性分段数目的不同,模式距离体现了多分辨特性,可以有效反应不同分析频率下时间序列的相似程度.     

利用VMD的双标度分形维数特征提取方法

为从机械振动信号中提取出有效特征进行故障诊断,提出一种利用变分模态分解(VMD)求取振动信号双标度分形维数的特征提取方法.变分模态分解通过迭代求解变分模型的方式将多分量的振动信号分解为若干个不同时间尺度的本征模态函数分量(IMF).在多维测度空间,某一时间段内多变量时间序列所占据的空间可以用多维超体体积进行度量.由于VMD得到的IMF本质上为多变量的时间序列,因此,利用IMF定义和计算多维超体体积,得到振动信号的时间尺度和多维超体体积的双对数曲线.根据分形理论和双对数曲线的突变点,对双对数曲线进行分段最小二乘线性拟合,定义并提取了振动信号的双标度分形维数特征.仿真结果表明,利用VMD方法估计分形维数的平均相对误差为4.71%,提高了分形维数估计的精确度.实测行星齿轮箱振动信号对比实验结果表明,利用VMD双标度分形维数特征能够更好地表征机械振动信号的分形特征,行星齿轮箱故障诊断准确率达到了100%.     

一种变步长趋势子序列搜索算法

为了克服基于点距离的时间序列相似性搜索物理概念模糊和速度慢的缺点,提出时间序列的分段趋势序列(PTS)概念,并在此基础上提出一种变步长趋势子序列搜索算法.该算法基于时间序列分段线性表示理论,通过相似阈值和子序列间的趋势距离计算跳跃步长,从跳跃步长后开始的子序列进行下一次匹配,从而对全序列实现跳跃式搜索.理论分析和仿真结果表明,该算法对基于趋势表示的子序列搜索在时间和空间上都具有更优的性能,适用于时间序列的动态特征分析.     

基于多重分形理论的河流氨氮时空演变分析

基于时间序列相空间重构思想和多重分形理论,对安徽省某市河道型水源地氨氮的时间序列进行分析,合理选取嵌入滞时τ,采用Grassberger和Procaccia提出的混沌吸引子的G-P算法,构建n维相空间,计算嵌入维数m和分形维数D.计算结构表明:当嵌入维数达到9以后,河流氨氮时间序列动力学系统具有稳定的分形维数1.886,说明有2个因子在影响该水源地氨氮的动态变化,并且该系统的有效自由度为9,为水质系统建模时提供了变量数的上界.     

基于分段聚合时间弯曲距离的时间序列挖掘

针对时间序列的相似性度量问题,提出基于分段聚合时间弯曲距离的时间序列挖掘方法。首先运用经典分段聚合近似方法来对时间序列进行数据变换,实现时间序列的特征提取和数据降维,然后利用动态时间弯曲距离进行距离计算,最后将其应用于时间序列聚类和分类的数值实验中。新方法不仅过程简单、易于实现,而且实验结果表明其平均分类错误率与传统分段时间弯曲相比,几乎降低了50%。同时,新方法在运行时间和聚类挖掘结果上都具有一定的优势。     

基于分段时间序列的试井数据相似性查询算法

从石油试井数据序列查询的实际需求出发,给出一种新的时间序列相似性查询算法。该算法首先通过中线距离阈值和极值点两个约束条件分段线性拟合时间序列,利用分段动态弯曲距离度量获得相似的分段子序列,逐点检索该子序列实现序列的精确查询。实验结果表明,该算法具有良好的相似性查询质量和效率。     

一种水文时间序列预报的新方法

介绍了混沌和人工神经网络的理论及其在水文中的应用 ,在此基础上分析了水文时间序列中嵌入维数和BP神经网络的输入节点数的内在联系 ,提出用嵌入维数作为BP神经网络输入节点数的新方法 .计算了宜昌日径流时间序列的李氏指数和嵌入维数 ,确定其具有混沌特性 ,并用新的方法做了预测 ,同混沌中局域预测法的预测结果做了比较 ,结果显示新的方法效果明显较好 .     

心音的非线性时间序列分析——冠状动脉疾病无损检测的新方法

为了获取冠状动脉堵塞病人的心音特征,从而为临床预诊断冠状动脉疾病提供新的无损检测方法,通过非线性时间序列分析的方法--相关维来分析心音时间序列,获得了有关冠状动脉堵塞的血液动力学特征信息.对相关病例进行分析,发现通过相关维数刻划出了大多数冠状动脉堵塞病人的心舒期心音序列内在的确定性行为;而大多数正常人的心舒期心音序列得不到具体的相关维数.利用本文提供的相关维数分析方法,在曲线D2(M;r)-ln (r)上寻找平台期,可以达到对冠状动脉疾病无损检测的目的.     

排序的子序列相似查询方法

时间序列数据的高维性是影响数据查询代价的主要因素,降维技术是时间序列数据查询优化的有效手段。原有降维技术近似体积的无界性,造成索引阶段不能充分实现点过滤,影响了查询效率。首先,利用近似体积有界的非线性降维技术解决了点过滤问题。然后,引入提前终止技术,减少了原始序列距离计算阶段的冗余计算。在此基础上,提出排序的子序列相似查询算法。实验结果表明,排序子序列相似查询方法具有较高的效率。     

基于自适应性窗口的分段线性表示算法

为了降低基于固定窗口进行分段线性表示的拟合误差，通过分析抽象出时间序列数据中存在的6种不同数据变化模式，以此设计自适应性窗口装载不同模式数据并求解分段点，从而形成了基于自适应窗口的分段线性表示算法（AW PLR算法）.基于真实GPS浮动车数据及通用实验数据的结果表明，AW PLR算法能够通过调整波动阈值r控制压缩率和拟合误差，且在相同压缩率的情况下，AW PLR算法比SEEP算法平均降低约24%~27%的拟合误差.     

改进滴水算法的黏连字符分割方法

针对传统字符图像分割方法对笔画重叠黏连字符分割存在的不足,提出基于改进滴水算法来解决共用笔画黏连字符的分割。算法过程包括:利用Zhang-Sueng并行细化算法与自组织映射神经网络(self-organizing maps, SOM)聚类确定滴水算法初始点;定义新的水滴滴落路径。水滴从初始滴落点出发沿着字符重叠笔画的骨架滴落,水滴到达骨架末端时将继续沿着骨架倾斜方向滴落,直到遇到字符黏连部分的边界,水滴滚动的轨迹即为黏连字符切分路径。用改进滴水算法分割黏连字符避免了传统滴水算法初始滴落点定位不准确,导致字符分割断裂问题。对所提算法进行试验,与传统滴水算法和竖直分割算法进行比较,证明改进算法对笔画重叠黏连字符分割效果理想。     

基于分段线性模型的专变用户电能配给估计

针对专变用户数量激增引起的用电配给管理问题,提出一种分段线性模型来预测专变用户月平均用电占比数据,实现节能配给的目标.采用N点长数据分段更新生成分段线性模型,从而估计得到下一个月的平均用电占比数值.讨论分析了分段点长N分别取4~8时,分段线性模型预测精度的差异.针对某专变用户2015年以来的实际用电数据进行预测分析,比较验证了预测数值和实际数据之间的误差.结果表明,当最优建模点长N=6时,模型的平均预测误差最小.     

基于中轴线的岩心三维图像孔喉分割算法（研究生论坛）

岩心的孔隙和喉道（简称孔喉）分割是岩心微观结构分析的基础。由于孔隙的复杂性、多样性;孔喉分割算法一直是国内外研究的热点与难点。本文提出一种基于中轴线提取的孔喉分割算法。首先计算孔腔三维图像距离变换的梯度;提取孔腔中轴线及孔腔截面信息。然后寻找具有孔腔截面面积局部最小值的截面,作为喉道。寻找具有孔腔截面面积局部最大值的中轴点,作为孔隙中心点。再进行生长分割和喉道后期处理。实验结果表明该方法具有良好的孔喉分割效果。最后提出了一种喉道法向量提取方法,并通过实验进行了验证。     

基于Kinect深度和骨架信息的指尖检测方法

为克服指尖检测方法易受不同光照、复杂背景和手腕信息的影响,提出了一种基于深度和骨架信息的指尖检测方法.首先对Kinect获取的深度图像进行中值滤波和形态学闭操作处理,以消除噪声和填充空洞; 接着通过骨架跟踪得到的右手关节点锁定用户并进行手势分割; 然后在计算手心和最高指尖点位置的基础上,利用Freeman链码提取手势左右轮廓; 最后根据指尖点之间的轮廓曲线特征提取其他指尖点.实验结果表明,该方法具有良好的指尖检测效果,且对光照、背景和手腕信息鲁棒.     

二维Otsu法的降维递推综合改进算法

二维Otsu法是一种经典的图像分割算法,在其基础上发展的降维算法由于存在大量冗余计算限制了其实际应用,针对这一问题,提出二维Otsu法的降维递推综合改进算法。先把二维阈值形式降低到一维,计算区域改为对角线两侧的带形区域;然后采用递推思想给出递推公式,应用递推公式得到图像分割阈值,去除了原有的冗余计算。结合降维与递推,时间复杂度由降维算法的O(L3)降低为O(L2)。实验结果表明,该种算法在保证分割效果的同时大大提高了降维算法的计算效率。     

时间序列数据挖掘中的聚类研究综述

鉴于时间序列数据的高维性和复杂性给数据挖掘带来的困扰以及聚类分析在时间序列数据挖掘领域中的重要性,对目前该领域国内外相关时间序列数据聚类研究的状况进行综述。时间序列聚类总体上可分为整体时间序列聚类、子序列聚类和时间点聚类3种,分别从特征表示、相似性度量、聚类算法和簇原型等方面来研究,同时也结合了具体的应用分析。根据时间序列数据挖掘中聚类存在的主要问题,提出了部分未来值得关注和研究的内容和方向,以便更好地促进时间序列数据聚类分析的研究与发展。     

基于骨架提取的树木主枝干三维重建算法

为了实现树木主枝干的三维重建,提出了一种基于骨架提取的算法.首先,根据Dijkstra距离对点云数据进行分段.然后,提取出每个连通部分的骨架,并采用线性规划的优化模型求出距离与角度的权值,根据加权后的匹配度进行骨架的连接,得到整株树的完整骨架.最后利用圆柱体拟合出树木枝干的模型,对含笑树和樱花树分别进行了实验,得到了令人满意的实验结果.     

一种优化的自底向上时间序列分段算法

目的正确衡量分段算法的优劣,提高自底向上算法的分段精度.方法分析现有分段评价标准存在的不足,综合考虑压缩比和精度,提出相同压缩比下的拟合总误差越小算法相对更优的分段评价标准.通过去除原自底向上算法初始分段两两连接的偶数限制,提出新的自底向上算法.结果测试显示新的评价标准能有效避免错误评判.新的自底向上算法的拟合总误差比现有算法减少了一半以上.结论新的评价标准可以更准确地区分算法的优劣,比现有标准更合理.新的自底向上算法具有更高的精度,整体优于原算法.