一种新的时间序列相似性模式发现算法

为了提高效率,基于时间序列的数据挖掘,采用了近似的方法取代原有时间序列,这导致了数据挖掘准确性的降低,文章的主要目标在于有效率地搜寻时间序列中的相似子序列向量,且希望能够兼顾准确性及效率,进而提供不同领域对于时间序列的不同需要.     

基因表达式编程在时序变形数据处理中的应用

变形数据是带有时间序列特性的数据。而基因表达式编程算法作为新一代的遗传算法在时间序列预测中具有较大优势。本文正是在研究基因表达式编程基本原理及方法的基础上,建立针对时间序列变形数据的预测模型。最后通过应用实例,验证基因表达式编程在工程变形监测中应用的可行性和有效性。     

一种基于统计模型和时序分析的弹痕比对方法

提出了一种枪弹头弹痕自动比对方法.首先通过常规的采集设备采集弹痕数据,通过对弹头实际测量数据的统计建模,利用概率模型构造出一个代价函数,当该代价函数的取最小值时,即可估计出平移误差和转动误差,从而有效的消除了测量数据中的各种误差.通过时间序列分析比较两个弹痕的相似程度,结果表明该方法在可接受的计算时间内有效地解决了弹头...     

基于确定性转换的IFTS预测

模糊时间序列预测模型在对不确定数据集的模糊趋势描述和论域划分方面有局限性,对此文中规范了直觉模糊时间序列的定义,应用直觉模糊C均值聚类算法优化论域区间划分,通过加入回溯机制构建确定性转换直觉模糊规则库,在此基础上提出一种直觉模糊时间序列预测方法,较好地反映了不确定系统数据的特征分布,提高了复杂环境下时间序列的预测精度. 通过典型实例验证了该方法的有效性和优越性.     

多元时间序列的相似性匹配

常用多元时间序列相似性匹配方法难以在高效刻画局部形态特征的同时考虑各变量间的相关信息. 针对此问题,提出一种动态窗口内多维拟合分段方法. 基于序列的局部形态特征抽象出各变量维度上拟合线段的倾斜角及持续时间,组成模式表示矩阵,并借助一种多元模式距离实现序列的相似性模式匹配. 与主成分分析法、基于点分布特征的匹配法对不同数据规模的数据集进行对比,验证了该方法的有效性,特别对于多变量、不等时间跨度的中等规模多元时间序列相似性匹配具有较好的效果.     

复杂网络K-紧密概率属性子图高效挖掘算法

针对复杂网络中节点和边及其属性值均可能存在不确定性的实际,以及采用传统的紧密子图挖掘算法挖掘出的紧密子图实际上并不一定紧密的问题,在已提出的概率属性图基础上,提出紧密概率属性子图的概念,将其分为紧密概率I型属性子图和紧密概率II型属性子图,并用期望紧密度对其进行度量,同时给出了相应的紧密子图判定定理;进一步提出K-紧密概率属性子图高效挖掘算法,以快速发现复杂网络中联系紧密且顶点和边的存在概率最高的K个子图;最后通过蛋白质网络和虚拟网络中的数据对算法进行了模拟实验,验证了算法在不同大小的复杂网络中具有较好的适应性及较高的挖掘效率.     

OFDM系统有限字符集特性的盲信道估计

提出并证明了正交频分复用（OFDM）系统中基于信息符号有限字符集特性的信道盲可辨识的充分必要条件．在满足该条件的前提下,又提出一种频域最小距离（frequency-domain minimum distance,FMD）盲信道估计方法．该方法将信道频率响应序列多相分解为若干子向量,通过对其中一个子向量中元素的相位模糊度进行穷尽搜索,辨识出所有子载波上频率响应的相位．仿真结果表明,FMD算法的信道估计性能优于修正的最小距离（modified minimum distance,MMD）算法,而计算复杂度与MMD相等．     

非线性时间序列的小波网逼近及其预报

结合神经网络和小波的优点,建立了一种新型的多维小波网的网络模型,研究了多维小波网逼近非线性时间序列的收敛性质及收敛精度,并给出了相应的数学证明,同时将之应用于山猫数据的拟合及预报,仿真结果说明该方法的可行性。     

基于小波系数重要值与SVD的零水印算法

为提高水印算法的抗攻击性能,提出了一种基于小波系数重要值与奇异值分解（SVI））的零水印算法．算法对宿主图像的低频子带进行分决,在密钥的控制下,伪随机地选择低频子带中的两决共4个系数组成一组,找出每组中的重要值;对重要值进行分块奇异值分解,最后通过判断每个子块最大奇异值的最高位数字奇偶性产生零水印．实验结果表明,该算法在抵抗普通攻击与抗旋转几何攻击方面均具有较好的鲁棒性．     

一种融合图结构的时空轨迹相似性查询算法

针对海量时空轨迹数据相似性查询速度慢的问题，提出一种融合图结构的时空轨迹相似性查询算法。从空间维和时间维将轨迹建模为图结构中的一条路径，设计了一种同步匹配空间和时间距离的轨迹相似性度量函数。在此基础上，设计了一种结合时间过滤的基于边的倒排索引结构支持轨迹时空相似性查询，同时利用距离上界的剪枝策略提高查询性能。计算返回的相似轨迹集合中每条轨迹的距离并进行排序，得到相似度最高的前k个轨迹。最后将所提算法与NTrajI算法、SHQ算法、SHQT算法在合成数据集和真实数据集上进行实验对比。结果表明：该算法在索引建立、查询效率和查询质量方面均优于其他对比方法，因此是可行而有效的。     

低信噪比环境下语音检测的邻域极值差分信号功率谱分维算法

提出一种邻域极值差分信号功率谱的分形维值算法,并用于低信噪比环境下的语音活动检测. 在时域信号邻域范围内作极值差分检索获得邻域极值差分信号,进一步根据差分信号功率谱估计的最小误差求解分维值.在安静环境下,对正常语音和耳语音的语音信号活动检测(speech activity detection, SAD)性能与盒维相似,明显好于谱熵算法. 多种噪声环境下的SAD检测结果显示,所提算法的误检率远低于谱熵算法,在除白噪声以外各种条件下的误检率均低于盒维算法,且计算量约为盒维算法的5%. 实验表明,该算法在SAD检测和效率两方面具有良好的综合性能.     

单通道双MFSK信号调制识别方法

针对单通道双MFSK信号的调制识别问题,提出了一种基于经验模态分解(EMD)和分形盒维数的调制识别算法。该算法利用EMD将混有高斯噪声的双MFSK混合信号分解成多个分量,提取每个分量的分形盒维数作为特征参数,使用BP神经网络作为分类器对其进行识别。仿真结果表明,该算法对频谱不混叠的双MFSK信号有较好的识别效果。     

基于时间间隔的社交行为信息隐藏

提出了一种基于时间间隔的社交行为信息隐藏算法。首先发送者和接收者获取双方共同拥有的具有社交关系的用户信息；随后发送者结合密钥，利用交互行为（如“点赞”）的时间间隔隐藏秘密信息；最后接收者通过周期性获取共同拥有的社交用户的行为信息提取出秘密信息。以知名社交平台QQ为研究对象进行实验仿真，结果表明该方法能以较少的时间代价显著提高秘密信息传递的容量。所提出的方法不局限于特定的社交平台，具有普适性。     

陀螺随机漂移时间序列的辨识

文中提出了一种辨识陀螺随机漂移的弱非线性时间序列模型，给出了其辨识方法并用来挠性陀螺漂移数据进行仿真研究，结果表明该方法比用线性模型辨识效果更佳。     

一种新的晶化过程电特性预测方法

金属玻璃具有许多独特性能,有着广泛的应用前景,晶化过程对金属玻璃的特性有重要影响.因此提出了一种基于小波变换和AR-ILSSVM金属玻璃晶化过程电特性预测方法.首先利用小波变换将时间序列分解为高频序列和低频序列,利用AR模型预测高频序列,利用ILSSVM方法预测低频序列,预测结果为上述预测的合成.仿真试验表明,这种方法可显著提高时间序列的预测精度.     

一种基于数据库分解的关联规则挖掘新算法

在Fp-growth算法的基础上,提出了一种新颖的关联规则挖掘算法.该算法将大型数据库分解成频繁1-项集的项总数个子集,然后对分解得到的各个数据库子集用Fp-growth算法进行约束项数据挖掘,待所有数据库子集的约束项数据挖掘进行完毕后,再合并这些约束频繁项得到大型数据库的频繁项集.实验结果表明新算法所采用的数据库划分策略克服了FP-growth算法对大型数据库进行挖掘时,占用内存大,运行速度慢的不足,是一种适合于大型数据库的关联规则挖掘算法.     

嵌套网络模型下的相似图像检索方法

对深度学习领域的稠密卷积网络（dense convolutional network,DenseNet）进行改进,提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络（squeeze-and-excitation network,SENet）,调整原DenseNet网络结构,优化特征提取模块,从而提高图像检索的准确率。在整个深度学习的过程中,给图像特征通道设置合理的权值,抑制图像中的无效特征,能够进一步提高图像的检索速度。实验结果表明,所提算法能够加强图像有效特征的传递,无论从精度和速度方面均可得到较好的图像检索结果。