排序方式: 共有20条查询结果,搜索用时 15 毫秒
12.
13.
14.
时间弯曲距离受最优路径和距离计算方式限制,累加距离不能有效区分时间序列的类型。标识极值能够获得时间序列的区间性特征,相应的特征标识能够对距离相同但趋势不同的时间序列进行有效分类。提出分析同类时间序列的时间弯曲距离结果获得典型时间序列,根据极值点进行分段,在标准差的基础上形成特征标识。对达到距离要求的目标时间序列和典型时间序列进行标识匹配,最终明确其类型。所提算法解决了时间序列分类过程中时间弯曲距离度量局限性的问题。最后,证明了算法的理论可行性,并给出了其整体流程。实验结果表明,基于极值分段特征标识的时间序列分类方法具有良好的分类性能。 相似文献
15.
16.
17.
利用菲波那奇数列对栅格尺度进行确定,结合边界确定方式和焦点定位方法获得一种有效的高维数据收缩聚类方法。从基于密度的聚类方法出发,研究密度跨距基础上的良好聚类时变栅格的获取方式,引入菲波那奇数列获取变栅格相应的网格;在实际数据聚类的过程中,采用数据点吸引的方式确定数据质心,通过数据移动和收缩获得最终聚类的焦点和形状。仿真实验的结果表明,本方法可以有效运用于二维和高维数据的聚类分析,在准确获取现有数据内部结构的基础上,具有一定的防噪声作用,可以依据焦点实现数据的有效收缩。 相似文献
18.
19.
20.