一种基于数据驱动的动态时序分类算法

针对物联网时序数据中存在的数据冗余现象和动态信息难以捕捉的问题,提出了一种基于数据驱动的动态时序分类算法。通过动态内部主元分析法（dynamic internal principal component analysis,DiPCA）提取传感设备采集的时间序列中的动态信息,实现降维及提炼动态信息的作用;利用麻雀搜索算法优化分类算法参数,强化支持向量机(support vector machines,SVM)算法性能并使其对含有shapelet局部特征的时序特征进行建模,最终构成双向演进算法框架,实现时序分类功能。利用UCR时序数据集和边缘计算模拟数据检验该算法的性能,结果表明,与基本算法相比,该算法的综合性能明显提高,并验证算法分类功能在仿真环境中的有效性与优越性。     

关于单参数曲线族的包络与C-判别式的探讨

根据微分几何基本理论,单参数曲线族k(C)的包络必满足C-判别式。常微分方程中也利用此结论研究方程的奇解,然而,上述结论存在反例。本文先在一个较一般情况下得到包络满足一个较弱条件的结论。然后,利用此结论,得到在一些较易验证且不失一般性的条件之下包络满足的条件。最后,给出包络满足C-判别式的条件,并给出了求常微分方程奇解的一个实用方法。