一种时序关联规则挖掘算法的研究与实现

针对时间序列,研究和分析时序关联规则挖掘,提出时序关联规则数据挖掘的基于滑动窗口和时序树特殊结构的新的挖掘算法,并利用该算法挖掘超过给定支持数阈值频繁时序,为用户的决策支持及趋势预测提供支持,并通过实验验证算法的有效性和实用性。     

基于时空相关性的NDVI时序重建方法研究

针对目前时序NDVI数据重建算法时空相关性考虑不足的问题,提出一种综合利用时间域Savitzky-Golay滤波、空间域平滑滤波和异常数据剔除算法的NDVI时序重建方法.并以10年的SPOT VGT NDVI S10产品时序影像为实验数据,对算法进行了测试.结果表明,该方法对数据集中的噪声具有很好的去除效果,可以为基于NDVI的定量分析研究提供高质量数据.     

基于时间段的时序规则发现

时序规则挖掘用以挖掘数据库中与时间相关的规则及模式.现今大部分时序数据挖掘均是针对基于时间点的,基于时间段的挖掘相对较少.在此提出一个新的基于时间段的时序规则挖掘算法,通过挖掘频繁闭模式集取代完整频繁模式集,减少了挖掘时间,算法效率很高.     

一种时序关联规则改进算法的研究

对海量的时间序列进行处理,挖掘其背后蕴涵的价值信息具有重要的意义。本文结合了时序逻辑和数据挖掘的知识对基于FP_树的时序关联规则展开了研究,并在传统的算法基础上提出了一种改进算法。该方法不用生成大量的频繁模式候选集,从而提高了时序关联规则的挖掘效率。     

组合逻辑电路时序安全可替换性

讨论了组合逻辑电路的时序安全可替换性问题，即如何判断一个组合逻辑电路可以替换另一个组合逻辑电路而电路的速度不会降低，提出了一种新的判断时序安全可替换性的方法，该方法通过计算组合逻辑电路的延迟特征函数的蕴涵关系来判断时序安全可替换性，避免了直接计算电路的精确延迟特征，从而提高了算法的效率，使其可以对更大规模的组合逻辑电路进行时序分析。     

基于改进FP-树的时序关联规则挖掘的研究

时序关联规则的研究具有重要的现实意义,因而根据传统的FP-树思想,提出了一种基于改进的FP-树的时序关联规则挖掘的方法．根据FP-树的思想,将时间序列中的频繁项映射到树中,以降低频繁时序模式的搜索空间,该算法在挖掘过程中不用生成大量的频繁模式候选集,提高了时序关联规则的挖掘效率．     

基于事件时序关系的自动摘要抽取

由于文本中事件之间的时序关系可以帮助人们更好地理解文本内容,故针对新闻报道类文本,将事件作为其基本语义单元,并根据时序关系建立事件有向网络文本表示模型;利用PageRank算法结合主题相关度对时序网络进行节点重要度计算及调整;最后,按照重要度以及事件发生的顺序进行排序,并按照一定的压缩比提取摘要句,删除冗余的句子,将事件对应的原语句作为摘要。实验结果表明,基于事件时序关系的自动摘要方法效果较好。     

基于带抑制弧时间Petri网的CNC软件模型

提出了一个扩展的时间Petri网———带抑制弧时间Petri网.该网中以抑制弧结合时延变迁来描述实时系统中的中断功能;运用所提出的带抑制弧时间Petri网建立了前后台结构模式的CNC(computernumericalcontrol)软件模型;应用所建立的模型,采用等误差直线逼近法加工一段曲率半径较小的曲线轮廓,对CNC软件中各个任务的时序逻辑进行了分析,并给出了时序分析结果.结果表明,无须对软件进行实际的运行测试,只需要知道CNC软件的时间参数和结构以及控制要求,就可以运用所建立的模型,正确地对该类CNC软件进行时序逻辑分析,评估CNC软件的控制性能.所提出的模型为在CNC软件总体设计阶段就能对其进行时序逻辑分析,为评估CNC软件的控制性能提供了方法和工具.     

双模式液压机械传动装置离合器切换时序优化

为改善双模式液压机械传动装置(DHMT)模式切换品质,运用正交试验及极差分析法对切换过程中多个离合器的切换时序进行优化。在分析DHMT传动原理与模式切换过程的基础上,建立模式切换过程及切换品质评价指标模型,提出了一种基于正交试验及极差分析的DHMT离合器切换时序优化方法,以参与模式切换过程的多个离合器的切换时序为影响因子设计正交试验表,进行正交试验仿真,并对仿真结果进行极差分析,得到各离合器切换时序对各评价指标的影响程度,综合平衡各项指标后得出DHMT离合器切换时序优化方案组合。仿真结果表明:参考本文研究对象,基于离合器时序优化方案的模式切换过程冲击度为6.15m/s3,低于17.64m/s3的国内标准,滑摩功为2.8kJ,切换时间为1.05s,均在合理范围之内。试验结果表明:试验与仿真结果接近,且变化趋势一致,验证了所建模型的正确性,并进一步说明通过优化离合器切换时序可有效提高DHMT模式切换品质。研究结果可为制定双模式液压机械传动装置模式切换过程控制策略提供理论参考。     

基于时序数据的空间面向属性归纳算法

 从空间数据库中将低层属性的数据归纳为高层属性的数据,是地理信息系统中的一项具有重要意义的任务.现实中的数据是经过一定的时间积累而得到的,这使得基于时序数据的空间面向属性归纳更具有现实意义.提出一种算法,将空间上的时序数据表示成曲线,将满足匹配度的曲线拟合为同一条曲线,从而减少了归纳的扫描范围,在此基础上,通过寻找各条曲线的子模式集合得到相关知识,进而得出归纳结果.     

Classification of vegetation in North Tibet Plateau based on MODIS time-series data

Based on the 16d-composite MODIS （moderate resolution imaging spectroradiometer）-NDVI（normalized difference vegetation index） time-series data in 2004, vegetation in North Tibet Plateau was classified and seasonal variations on the pixels selected from different vegetation type were analyzed. The Savitzky-Golay filtering algorithm was applied to perform a filtration processing for MODIS-NDVI time-series data. The processed time-series curves can reflect a real variation trend of vegetation growth. The NDVI time-series curves of coniferous forest, high-cold meadow, high-cold meadow steppe and high-cold steppe all appear a mono-peak model during vegetation growth with the maximum peak occurring in August. A decision-tree classification model was established according to either NDVI time-series data or land surface temperature data. And then, both classifying and processing for vegetations were carried out through the model based on NDVI time-series curves. An accuracy test illustrates that classification results are of high accuracy and credibility and the model is conducive for studying a climate variation and estimating a vegetation production at regional even global scale.     

一种时序数据多项式拟合加速方法

考虑到时序数据自身特点,特别是针对周期采样的时序数据,本文提出一种多项式拟合加速方法,讨论了平均分段和非平均分段两种情况下时序数据多项式拟合方法,通过重复利用部分矩阵的中间计算结果,大幅提高了多项式拟合的计算速度.实验结果表明,对于周期采样数据,该方法在平均分段和非平均分段时最多可分别获得约28倍和17倍计算加速.      

基于小波变换和反馈的时间序列相似模式搜索算法

为得到有价值的相似时间序列,分析小波变换及其在寻找相似时间序列上的优越性;指出了现有的基于小波变换的相似时间序列搜索算法的2个缺点,提出了基于小波变换和加权反馈的时间序列相似模式匹配算法和基于验证深度的验证方法;通过实验证明了算法的有效性和实用性.     

一种基于广义系统的Wiener状态滤波器设计

基于ARMA新息模型和白噪声估值器 ,利用现代时间序列分析方法提出了一种带多重观测滞后的广义系统Wiener滤波器 (也称估值器 ) ,用来统一处理系统预报、滤波和平滑问题。估值器具有ARMA递推形式 ,且具有渐近稳定性。该算法简单 ,避免求解复杂的Diophantine方程和Riccati方程。对于稳定或不稳定系统、非最小相位系统、状态转移阵奇异或非奇异系统 ,只要系统完全可观 ,都可统一进行处理。仿真算例验证了该算法的有效性。     

基于粗糙熵的时序数据属性约简及规则提取研究

分析了近似质量在提取非确定性规则方面的不足,并基于粗糙熵的预测成功度概念,结合时序数据特点,提出一种属性约简及规则提取策略．该策略在对时序数据进行属性约简时,采用粗糙熵与时间距离相结合的方法,使得最终得到的约简在时序方面是较优的,最后使用UCI数据库进行仿真实验,效果良好．该策略在工程领域处理时序数据方面有一定的应用价值．     

数据挖掘在智能交通系统中的应用

目的将数据挖掘技术应用于智能交通系统中，利用挖掘得到的模式对交通管理决策提供有效支持。方法针对交通数据库系统中数据的特点，提出了基于概化的数据预处理方法，并在此基础上，采用基于树模型的关联规则挖掘算法进行关联规则挖掘。结果获得了良好的挖掘模式。实际应用说明了挖掘结果的有效性及可行性。结论数据挖掘技术在智能交通系统中的成功应用，为交通管理决策提供了有效支持，且提出的方法易于实现，便于推广。     

云南东川市人均粮食的时序分形特征

应用1964～1995年东川市人均粮食资料,重构其嵌入相空间序列,探讨了其时序的分形特征,并计算了其平均可预报年限．结果表明,东川市人均粮食的时序分布具有分形特征,且该时序是一混沌序列,其饱和关联维数约为3．1631,系统的有效自由度数为8个,平均可预报尺度不超过27～28年．研究结果为人均粮食的时序预测预报模型提供了依据．     

动态心电数据的小波网络压缩算法

研究了心电信号的非平稳过程特性,从时间序列建模角度分析动态心电数据表示模型和压缩算法。采用小波网络作为建模工具,将原始心电数据映射为小波网络的参数作为数据重构信息,给出压缩/重建的实验结果并分析讨论。研究表明,小波网络压缩算法继承了小波变换和神经网络的优点。具有较好的压缩性能。