基于LDTW的动态时间规整改进算法

限制对齐路径长度的动态时间规整（LDTW）算法存在时间复杂度高和计算量大的问题。基于LDTW算法提出固定对齐路径长度的动态时间规整（FDTW）算法。通过调整LDTW算法中对齐路径长度的控制策略,由控制在某个区间改为固定到某个具体值,相应缩减累计代价矩阵中元素的计算范围。在UCR时间序列数据集上的实验结果表明,FDTW与LDTW算法的分类准确率持平,但FDTW算法在分类过程中的时间开销更小,并且能有效降低累计代价矩阵元素的计算量,提高计算效率。     

基于动态时间规整的尾气估算船舶燃油硫含量方法

船舶尾气排放对环境造成了严重的污染,通过嗅探法检测船舶尾气中CO₂和SO₂浓度来估算船用燃油硫含量是一种有效的手段。目前对嗅探法采集到的数据基本通过人为分析并估算船舶燃油硫含量,使用算法对船舶燃油硫含量的估算较少。提出了一种基于动态时间规整(DTW)的船舶燃油硫含量估算方法,利用SO₂浓度的极小值划分区间,再利用动态时间规整对划分的时间序列区间的相似性进行判断,找出CO₂和SO₂较高浓度形成的波峰区间,计算波峰内区间硫含量,并通过所有区间硫含量的平均值来估算出船舶燃油硫含量。结果表明,在二氧化硫浓度范围为0.036×10^-6～6.618×10^-6下,通过该方法能够有效地找出波峰,估算值与真实值的偏差一般小于0.03%(m/m),估算值与人工选取峰值计算的结果相同。因此,该方法可以估算出船舶燃油硫含量。     

基于时间加权改进的LDTW算法

在时间序列相似性度量研究中,动态时间弯曲（dynamic time warping,DTW）是最为常用的算法之一,但其存在病态对齐问题且未考虑时间属性影响。限制对齐路径长度DTW（DTW under limited warping path length,LDTW）和时间加权DTW（time-weighed DTW,TDTW）分别尝试解决上述两个问题中的一个,但未能同时解决DTW两方面的不足。为此提出一种综合时间权重的LDTW（time-weighting LDTW,TLDTW）算法。首先通过测量两个时间序列中时间点对的距离构建时间权值矩阵;然后在LDTW累计成本矩阵递归填充过程中融合对应的时间权值,以实现在考虑时间因素影响的同时保留有效抑制病态对齐特性。基于UCR数据集进行1-NN分类实验,实验结果显示基于TLDTW相似度量的分类准确率优于其他对比算法,且进一步对比验证了其可靠性。     

哼唱检索中改进的动态时间规整算法

针对传统动态时间规整算法只考虑音高特征而不考虑音长特征的缺点,提出改进的算法,采用音高差和音长差共同构成算法中的代价函数,在此基础上实现了一个哼唱检索系统的原型。在数据库容量为115首乐曲和118个哼唱片段的测试中,该算法的前10位命中率为81.0%,前3位命中率为72.4%,性能优于4种同类算法。     

一种基于动态时间规整的闭环检测算法

闭环检测算法研究中,基于单张图像匹配的算法是研究热点,但是在动态环境下,其无法满足动态检测要求.考虑到单张图像在空间和时间上都有关联性,文章提出了一种基于动态时间规整算法(DTW)的闭环检测算法.该方法通过动态时间规整算法来求解图片序列的相似度,而不再是求解单张图片之间的相似度;同时利用卷积神经网络以提取到更高级、更抽...     

基于改进动态时间规整算法的断路器故障诊断

为能够根据断路器状态监测数据准确诊断断路器故障,提出了一种基于改进动态时间规整算法的故障诊断方法。该方法将Sakoe-Chiba窗与传统动态时间规整算法相结合,以分合闸线圈电流为分析对象,从中提取断路器分合闸机构中的潜在故障信息,为断路器状态检修提供依据。设计了断路器分合闸线圈电流采集电路,并通过实际电流信号采样分析验证了所提方法的有效性。     

基于局部梯度和二进制模式的时间序列分类算法

时间序列分类问题是时间序列数据挖掘中的一项重要任务, 近些年受到了越来越广泛的关注. 该问题的一个重要组成部分就是时间序列间的相似性度量. 在众多相似性度量算法中, 动态时间规整是一种非常有效的算法,目前已经被广泛应用到视频、音频、手写体识别以及生物信息处理等众多领域. 动态时间规整本质上是一种在边界及时间一致性约束下...     

基于动态时间规整距离指纹匹配的Wi-Fi网络室内定位算法

Wi-Fi网络中常规的基于指纹匹配室内定位算法面临信号时变现象或人为干扰的影响,导致定位精度不高。为此,提出基于动态时间规整（DTW）距离相似性指纹匹配的Wi-Fi网络室内定位算法。首先,该算法将定位区域的Wi-Fi信号特征按照采样的先后顺序转化为时间序列类型指纹,通过计算Wi-Fi信号指纹动态时间规整距离的大小来获取定位点与样本点的相似性;然后,根据采样区域结构特征,将Wi-Fi信号指纹采集问题划分为三类基本的动态路径采样方式;最后,结合多种动态路径采样方式增加指纹特征信息的准确性和完整性,从而提高指纹匹配的准确性和定位精度。大量实验结果表明,较瞬时指纹匹配定位算法,所提算法误差范围在3m以内定位的累积错误率：路径区域匀速运动提高了10%,变速运动提高了13%;开放区域交叉曲线运动提高了9%,S型曲线运动提高了3%。所提算法在实际室内定位应用中能有效提高指纹匹配的准确性和定位精度。     

基于分层动态时间弯曲的序列相似性度量方法研究

为了更好地体现时间序列的形态特征,并探索更适合于较长时间序列之间相似性度量的方法,在动态时间弯曲算法的基础上进行改进,提出了基于分层动态时间弯曲的序列相似性度量方法。对时间序列进行多层次分段,并从分段中均匀抽取相对应的层次分段子序列,然后将层次分段子序列抽象为三维空间的点（反映了分段子序列的均值、长度和趋势）进行相似性度量,最后综合各个层次的相似性度量作为结果。实验表明,在参数设置合理的情况下,此方法能获得较高的序列相似性度量准确度和效率。     

时间序列数据挖掘中的动态时间弯曲研究综述

动态时间弯曲是一种重要的相似性度量方法,对时间序列数据挖掘的性能起着至为关键的作用,对其进行全面和深入的探索具有十分重要的理论意义和实际应用价值.首先简述动态时间弯曲算法的基本步骤,并分析其优点和存在的不足;然后,从动态时间弯曲度量效率的改进研究、度量效果的提升措施以及其在各个行业的应用研究等进行相关综述;最后,给出动态时间弯曲的进一步研究方向.通过对动态时间弯曲方法相关综述及分析,能为相似性度量、聚类和分类等时间序列数据挖掘技术提供必要的文献资料和理论基础.     

基于增量动态时间弯曲的时间序列相似性度量方法

针对动态时间弯曲方法计算时间过长的问题,提出增量动态时间弯曲来度量较长时间序列之间的相似性。首先利用动态时间弯曲方法对历史时间序列数据进行相似性度量,得到相应的历史最优弯曲路径和路径中各元素的累积距离代价。其次,通过逆向弯曲度量方法完成当前序列数据 的相似性度量,结合历史数据信息找到与历史弯曲路径相交且度量时间序列距离为当前最小值的新路径,进而实现增量动态时间弯曲的相似性度量。该方法不仅具有良好的度量质量,还具有较高的时间效率。数值实验表明,对于大部分时间序列数据集,新方法的分类准确率和计算性能要优于经典动态时间弯曲。     

基于动态时间规整的磁偏角修正地磁匹配导航算法

在室内环境中,建筑结构会对地磁场强度和磁偏角造成一定的、较稳定的影响,所以进行室内导航时,可以利用地磁场强度和磁偏角来修正航位推算产生的累积误差。因此先采集地磁场强度和磁偏角离散数据,并采用广义延拓逼近方法对匹配区域内的离散数据进行处理,建立起三轴地磁场强度和磁偏角的数据库。其中磁偏角数据库用于优化惯性模块输出的航向角,地磁场强度数据库用于匹配导航。在测量得到的地磁场强序列与地磁数据库中的地磁场强序列的匹配过程中,由于匹配序列长度不一致的因素,因此需要引入动态时间规整的思想,并采用Hausdorff距离方法提升匹配定位精度。在测试过程中,无里程信息辅助的地磁匹配定位精度在4.65m(97.7%)以内;基于磁偏角补偿和里程信息辅助的地磁匹配平均定位精度为0.73m,其中有93.7%在1m以内,本方法可以实现亚米级的定位精度。     

基于分布式架构的时间序列局部相似检测算法

基于动态时间规整算法思想的CrossMatch算法可以用来解决序列间的部分相似问题,但是由于算法时间空间复杂度过高,需要消耗大量的计算资源,因此无法应用于长序列之间的计算。针对以上问题,提出了一个基于分布式平台上的时间序列局部相似性检测算法。将CrossMatch算法实现在了分布式框架上,解决了计算资源不足的问题。首先需要对序列进行切分,分别放置在不同的节点上;其次,各节点分别处理各自序列的相似部分;最后,通过对结果进行汇总并拼接,找出序列间的局部相似。实验结果表明,该算法在准确性上和CrossMatch相近,在时间上也有提升。改进后的分布式算法不仅解决了单机无法处理的长序列计算问题,而且可以通过增加并行计算节点数提高运行速度。     

基于动态时间规整的飞控系统故障诊断

针对飞控系统故障诊断,提出了一种利用动态信息对故障进行检测的新方法.通过建立的作动器正常模型,其解析输出值与作动器末端线位移传感器输出值比较,获得残差向量,对该残差序列采用动态时间规整算法,与已知的故障样本进行匹配,进一步确认和定位故障.由于该算法是一种柔性模式匹配算法,能够对存在全局或局部扩展、压缩或变形的模式进行匹配,解决动态模式的相似度量和分类问题,仿真结果表明,该算法能够准确识别单一故障和组合故障,对噪声干扰具有很好的鲁棒性.     

基于K近邻和动态时间规整算法的盲人物联网手杖系统

针对盲人出行时的安全和监护问题,提出了一种基于机器学习算法的盲人物联网手杖系统的设计,该系统具有避障、定位、报警和通信等多种功能。首先,该系统具有红外线避障和超声波测距避障的基本功能,可以用于盲人日常出行对路况障碍物的检测,并且实时利用语音和电机震动给予提醒;其次,该系统还具有远程通信求助功能,可以向指定号码发送求助短信及电话;同时,系统还加入了全球定位系统（GPS）、加速度计陀螺仪姿态角度解算功能和以K近邻（KNN）和动态时间规整（DTW）算法为基础的异常姿态报警功能,它能将各类信息数据传输至云端服务器存储;最后,采用微信小程序代替原生APP作为监护操作界面,并提供一键报警、天气查询、盲人安全资讯等功能。测试实验结果表明,所提系统的姿态识别成功率达到了86%,正确率比姿态角系统提高将近31%。该盲人物联网手杖系统可以极大地提高盲人出行的安全性,使盲人能够在发生意外时及时求助,实现了对盲人姿态的安全监护和定位监护。     

语音识别中动态时间规整和隐马尔可夫统一模型

对于目前在语音识别中广泛使用的两种技术即动态时间规整（ＤＴＷ）技术和隐马尔可夫模型（ＨＭＭ）的本质联系，提出了二者的统一模型（ＤＨＵＭ，ＤＴＷ ａｎｄ ＨＭＭ Ｕｎｉ－ｆｉｅｄ Ｍｏｄｅｌ），并分别给出ＤＴＷ和ＨＭ向ＤＨＵＭ的转换关系。文中还提出了用ＤＨＵＭ解决更接近语音实际情况的高阶ＨＭＭ作语音识别时所面临的运算量过大的问题。中等词表的识别实验结果表明，建立在ＤＨＵＭ之上的识别器的识别性能不低于     

一种基于压缩感知和动态时间规整的信号肽特征提取新算法

准确识别出信号肽对蛋白质的研究和定位有着非常重要的意义。压缩感知技术能够在保留生物序列主要信息的同时降低冗余信息,将高维信息投影到低维空间上进行特征提取。因此本文基于压缩感知技术再结合动态时间规整算法提取出新的特征向量,提出一种高鉴别性的信号肽特征提取新方法。该算法所提取的特征不但体现了信号肽中的氨基酸组成、排列顺序、结构等重要信息,还能把信号肽的不同区域在时间维度中非线性地弯曲对整,为机器学习算法提供有效的信号肽特征表达。实验结果显示,新方法提取的特征向量在3个数据集Eukaryotes, Gram+ bacteria, Gram-bacteria上的识别率分别达到99.65%, 98.05%和98.56%,并且这种方法能简单地运用到其他生物序列的识别过程中。     

基于动态时间规整和神经网络的方言辨识研究

汉语方言辨识技术的研究不仅有利于提高方言语音识别系统的识别效率,而且对于公安部门的刑事侦查等方面都具有非常重要的应用价值。以湖南方言作为研究对象,对不同方言特征的差异及方言辨识中特征参量的合适选取进行了深入研究。针对语音信号具有很强的随机性而神经网络的输入结构相对固定等特点,提出了基于动态时间规整和神经网络的方言辨识方法。实验结果表明,选取相同的特征参数时对不同类别或不同声调的方言的辩识率不同。     

基于改进的时间动态规整算法的多特征组合的说话人辨认方法研究

通过分析当今说话人识别系统中常用的语音特征和基本的说话人识别方法,本文采用多门限多判决的动态时间规整算法作为识别方法,并提取出美尔频率倒谱及其差分、线性预测倒谱及其差分、基音周期、短时谱的临界带特征矢量和子带能量倒谱等多种语音特征进行互相组合,找出了相应于该识别方法的最优特征组合。