一种快速的时间序列线性拟合算法

提出一种新的基于关键点的时间序列分段拟合算法.通过一次扫描数据,该算法依次利用三个连续数据形成的夹角和非单调序列中的极值点,选择反映序列趋势变化的关键点,实现时间序列的线性拟合的同时剔除了噪音干扰,能精确定位单调序列中的突变转折点,发现序列中的尖峰状态.实验结果表明该算法具有良好的分段拟合性能.     

工程机械远程监控BS-PLOT混合数据压缩

针对工程机械远程监控系统中状态信息的特点,提出了基于后向斜率(BS)法和分段线性在线趋势(PLOT)的混合数据压缩算法.在最大时间间隔内,采用BS方法判断数据的稳定性,然后利用PLOT方法分段压缩波动数据.在充分考虑了数据的时间属性和噪声环境下进行了野点数据的检测与剔除.实例应用表明,该算法提高了数据压缩率和传输速度,并具有较好的抗干扰性.     

基于经验欧氏似然的线性回归模型变点检测

基于截断的经验欧氏似然比对线性回归模型中的系数变点进行检验与估计.首先建立线性回归系数变点模型,根据其特点构造截断的经验欧氏似然比检验函数,证明在零假设下,该检验统计量的极限分布与经典参数对数似然比检验统计量的极限分布相同,利用此极限分布对变点存在与否做出诊断,若变点存在,则给出变点位置的估计,并证明在一定条件下,该估计是具有相合性的,数值模拟结果以及实例分析表明文中提出的方法具有有效性和实用性.     

单分位数方法对时间序列尾指数变点检测及应用

多元时间序列中的尾指数变点检测在理论和实际应用中都有着广泛应用。本文利用单分位数方法(Single Quantile Method)构造检验统计量检测和估计出多元时间序列数据尾指数变点,证明其极限分布。在模拟研究中,分别产生三个经典的厚尾分布类型随机数进行模拟研究,结果表明,单分位数方法对多元时间序列尾指数的变点检测是有效的,尤其对分布变化造成的尾指数变化的情形更加敏感与准确。最后将该方法应用于深圳市香蜜湖路市委党校南行路段车流量数据,结果显示该方法能准确检测出交通流变点,根据存在的变点分析出交通流的变化规律。     

单向时延测量的实时时钟同步算法

对已有分段聚类算法进行改进,使用软件方法对单向时延序列进行分析,在线检测时钟调整位置.采用变宽度的滑动窗方法对单向时延数据进行过滤,减少时间序列大小,同时保证时钟调整位置信息不丢失.使用自底向上算法对时间序列进行线性分段,检测时钟调整或时钟频率跳变点,算法的时间复杂度大大降低.针对在线时钟同步的要求,为了消除滑动窗不具有离线算法的全局寻优缺点,提出使用基于滑动窗自底向上算法的实时单向时延时钟同步算法.实际测试实验表明:该算法大大降低了时间复杂度并提高了分段精度.     

过程数据压缩中PLOT算法的研究

介绍了一种过程数据的压缩方法-分析线性在趋化（Piecewise Linear Online Trending）压缩方法。该方法对离散时间采样信号进行分段性拟合,利用对过程方差的估计自适应过程数据的变化趋势,同时实现对野点的检测。     

基于趋势转折点的时间序列模式表示

在时间序列分段线性表示基础上,提出一种新的基于趋势转折点的时间序列模式表示方法。该方法在充分利用时间序列时变特征的基础上,可以有效地提取时间序列中的趋势及压缩原始数据。仿真实验证明,该方法具有高效、实现简便、效果直观的优点,对于油田测井领域的数据适应性良好。     

基于光滑化方法的分段线性删失分位数回归模型估计

针对在分段线性删失分位数回归模型中的变点问题,该文通过引入光滑化方法得到了变点位置及模型系数的估计,推导了参数估计的大样本性质.光滑化方法解决了在变点估计方法中常用的格点搜索法存在计算烦琐、解释意义不强的问题,弥补了线性化技术无法证明渐近性的不足,提高了估计的有效性和稳健性.蒙特卡罗模拟结果验证了在同方差和异方差、固定和随机删失下在不同分位点时的估计效果都具有有效性和稳健性.药物滥用数据的实证分析表明:复发时间间隔与治疗时间存在正向影响,且复发时间在0.498处存在变点(0.5分位数),治疗时间在0.498之前的复发时间间隔比在0.498之后的更长,即大约前一半时间的治疗更加有效.     

基于自动提取分段点的车轮外形轮廓拟合方法

为准确拟合轮对外形轮廓线,提出了一种基于自动提取分段点的轮对外形轮廓拟合方法。首先根据设定的误差和阈值对激光位移传感器探测得到的轮对外形轮廓离散点进行自动分段处理,确定分段点,然后提出分段点区间的概念,以各个分段点为中心确定分段点区间,并对各个分段点区间的数据点进行最小二乘曲线拟合,最后采用拉格朗日乘数法将每条分段曲线平滑连接成一条完整的轮对外形轮廓线,并采用现场实测数据对该拟合方法进行了检验。实验结果表明,该方法拟合的轮廓曲线在分段点处平滑连续,且平均绝对误差为0.045 mm,最大偏移幅度小于0.05%,相较于基于手动分段的曲线拟合方法具有更高的拟合效率和拟合精度。该方法已在轮对尺寸在线检测系统中得到了成功的应用,提高了轮对尺寸结果的计算精度。     

一种基于两次Radon变换检测棋盘方格点的新算法

提出了一种新的方格角点检测算法。通过连续两次Radon变换，找出角点所在的直线位置，再利用线性拟合方法对得到的直线进行校正，最后线性求解出角点的坐标。该方法最大的特点是能够自动地在正确区域找出所求方格角点，而无需人机交互，这对于动态校准的研究具有重要的意义。通过实际的应用，验证了该方法的正确性和可靠性。     

股指时间序列突变点小波检测研究

预测股指时间序列突变点是在股票市场上进行投资的一个关键问题,而检测突变点是预测的基础.在检测深沪两市股指时间序列月度收益率突变点位置和个数时采用了非参数方法,该方法基于小波数据依赖门限技术.研究显示了运用Lipschitz指数解释的突变点的数学特征.使用的模型证明了小波变换模的极大值能够检测出突变点的位置,实证结果也显示出突变点的位置和个数是精确的.     

基于线性残差变系数模型的哈尔滨房价研究

被广泛使用的线性模型具有良好的解释性和外延性,但自适应性弱,有时拟合和预测效果欠佳;变系数模型则反之.为解决这一类矛盾,提出分段解决方法:先建立显著的线性模型,再基于线性模型残差建立其余相关影响因素的变系数模型,该方法在保持模型良好解释性和外延性的同时,提高了模型拟合和预测精度.基于哈尔滨市(包含九区三县两市)2000～2017年的住宅商品房相关数据,对哈尔滨市平均房价及其影响因素进行分析,建立基于线性残差的变系数模型,数据结果表明,这种方法在研究这类问题时优于单一的线性模型和变系数模型.     

一种同时监测均值和方差的控制图

针对一元正态分布的过程数据,基于似然比检验思想,应用变点方法,研究了一种同时监测均值和方差变化的综合控制图,并给出本图的数值分析.数据显示该控制图对监测受控值较少的持续中等变化更为敏感,表明该方法可快速诊断出变化点的位置,从而估计出未知参数值.     

GARCH(1,1)模型参数的多变点检验

研究广义自回归条件异方差(GARCH)模型的多变点检验问题.基于残量累积和(RCUSUM)构造拟似然比检验统计量,对GARCH(1,1)模型中变点的个数和位置都未知的多变点进行检验.在上述过程中同时得到变点个数与位置的估计,并且证明了变点个数估计的一致性.数值模拟表明文中的方法是有效的.     

光滑曲线去噪算法在分段线性拟合时间序列中的应用研究

时间序列在经济社会等多个领域发挥着重要的作用。然而,时间序列通常含有较多不规则波动,这些不规则波动易对时间序列数据挖掘造成影响。因此,对时间序列进行降噪处理则是一个亟待解决的问题。该文介绍了一种基于光滑曲线去噪算法在分段线性时间序列中的应用方法。通过对时间序列进行光滑去噪处理,从而得到去噪后的光滑曲线数据,再通过时间序列分段线性的方法找出该序列数据的关键点,进行时间序列的线性分段拟合。实验表明:与直接分段拟合相比,先通过光滑去噪后再进行分段线性拟合得到的结果更好。     

孤立点检测在零售业中的应用与研究

文章讨论了孤立点检测在零售业中的应用,并在基于距离和的孤立点检测算法基础上,对孤立点的具体位置做了进一步的确定,结合实际数据进行了验证分析,分析结果表明,此方法不仅可以有效的检测出零售业中消费者购买行为的波动情况,而且可以确定出孤立点的位置。     

最小二乘法对多变点检验的性能研究

给出了衡量最小二乘法识别多变点能力的方法,模拟研究了最小二乘法对不同数据生成过程的多变点检测效果,指出了最小二乘法的适用性,最后应用最小二乘法检测了中国主要经济部门的GDP变点.     

基于变点理论的统计方法

变点是在模式中某个或某几个点突然发生较大的变化,这种具有突然变化的变点有可能在该模型中起到特殊的作用。变点问题在医学肿瘤分析、金融、气候分析等诸多领域都有着许多应用,通常用来检测在数据生成过程中的结构突变,成为统计推断的中心问题之一。变点理论知识应用到基因表达谱数据分析中,对变点理论的实践应用及差异表达基因检测的研究都提出了新的挑战。     

基于非线性数据变换的离群点检测算法

为了提高高维数据集合离群数据挖掘效率,在分析了传统的离群数据挖掘算法优点和缺点的基础上,提出了一种离群点检测算法,首先将非线性问题转化为高维特征空间中的线性问题,然后利用非线性数据变换进行维数约减,对所得数据对象每个投影分量逐个判断数据点是否是离群点,通过实验证明该算法不仅可用于线性可分数据集的离群点检测,而且可用于线性不可分数据集的离群点检测,表明了算法的优越性。     

基于齿科CT影像的下齿槽神经管提取

提出一个快速稳定的神经管提取方法,该方法首先通过连通区域的划分和特征分析,检测位于各个剖面图像上的神经管中心点位置;随后通过对检测到的中心点进行样条插值处理,得到神经管中心线;最后通过判断并结合中心线邻近区域内具有相似特征的其他体素点,提取出整个下齿槽神经管.临床获取的齿科CT数据评估结果表明该方法能够成功提取出评估数据中的全部神经管,并且具有很高的精确度.