基于复杂网络的时间序列转换算法

引入最大值分裂算法和凸包发现算法,分别对时间序列转换为复杂网络的经典可视图算法进行改进,并将经典可视图算法及其2种改进算法应用于分形布朗运动时间序列中.实验结果表明,2种改进算法能明显降低时间复杂度.     

基于概率穿越可视图的时间序列网络多重分形研究与应用

对有限穿越可视图进行改进,提出了概率穿越可视图.首先,将间接可视的节点之间的关联处理为穿越距离的函数,而且节点之间的关联随穿越距离的增加而减小,从而将无权图形式的时间序列网络推广到带权图;其次,采用复杂网络中的网络维数计算方法处理所得到的时间序列网络的分形维数,从而对其自相似特性进行分析;最后,通过划分不同的时间粒度得到多个不同的时间序列网络,对应有多个不同的分形维数,进而分析了所得到的时间序列网络的多重分形特性.在与经典的可视图法、水平可视图法及有限穿越可视图法的对比中论证了所提出的概率穿越可视图的优势.     

可视图复杂网络度分布拟合比较研究

可视图(Visibility Graph,VG)算法为研究时间序列的动力学特性提供了复杂网络的思想.网络的度分布反映了时间序列的动力学特征.通过自回归随机过程和分数布朗运动两种不同数据,分别构建可视图.对比结果表明,在自回归随机过程中,度分布可以用指数函数刻画;而在分数布朗运动中,度分布用幂律函数刻画更为合适.这一结论不但适用于VG算法,同时也适用于水平可视图(Horizontal Visibility Graph,HVG)算法.     

一种基于时空因素的实化视图选择算法的研究与设计

分析了几种经典视图选择算法存在的不足,提出了一种新的基于时空因素的价值模型,在此基础上设计了一个新的视图选择算法——PBPUS(preprocessing benefit perunit space)算法。该算法与原有算法相比,降低了视图搜索的时间,减少了实化视图更新维护的代价,有效提高了实化视图的查询效率。     

基于核均值漂移聚类的改进局部协同训练算法

【目的】针对协同训练算法不能直接应用于单视图数据，且在迭代过程中加入的无标记样本隐含有用信息不够的问题，提出基于核均值漂移聚类的改进局部协同训练算法。【方法】该算法先在有标记样本集中利用改进局部协同训练算法训练一个完整视图分类器h1，同时挑选出价值高的特征子集来训练局部视图分类器h2，然后在无标记样本集中采用核均值漂移算法选择聚类过程中指定带宽范围内的样本，交由分类器h2标记类别后再加入分类器h1的训练中，以此来优化分类模型。【结果】在UCI数据集上的3组对比实验证明了该算法的有效性，实验结果表明该算法具有更高的模型评价能力。【结论】改进局部协同训练算法将数据集划分为局部视图和完整视图，解决了单视图数据的视图划分问题。利用核均值漂移算法选出较好表现数据空间结构的无标记样本，降低了无标记样本带来的误差。     

基于智能隔震结构Benchmark模型的序列最优控制算法

针对最新提出的智能隔震结构Benchmark模型,阐述了其在考虑横向-扭转耦联振动和双向地震激励下的运动方程,讨论了序列最优算法较之其它几种经典最优算法的改进之处.运用序列最优算法对智能隔震结构Bench-mark模型进行振动控制,并将其和采用LQG算法的控制效果进行了分析比较,结果表明序列最优算法优于LQG算法.     

基于比特向量组的数据流邻近序列模式挖掘算法研究

引入项的半垂直比特向量结构,提出挖掘数据流邻近序列模式的MCSP-TSW算法.通过改进比特向量组结构和引入两个剪枝策略,提出改进的MCSP-TSW-Imp算法来减少判断一个候选序列是否频繁的时间.实验表明,两种算法空间消耗相当,但MCSP-TSW-Imp算法比MCSP-TSW算法具有较高的时间效率.     

基于简化可视图的环境建模方法

针对移动机器人全局路径规划中环境地图的构建问题，提出一种基于简化可视图的环境模型建立方法.该建模方法通过剔除环境中对路径规划结果不造成影响的障碍物来简化环境模型的表示.在环境建模期间，利用机器人的起点和目标点以及环境中保留的障碍物建立一种可视边的数量足够少的简化可视图，简化可视图中的可视边即为移动机器人的可行路径.根据简化可视图建立的环境地图提高了后续移动机器人路径规划算法的执行效率.仿真结果表明该建模方法简单且有效.     

求解带序列相关准备时间双边装配线平衡问题的改进模拟退火算法

在实际生产线上,同一工位内连续两个装配任务之间可能存在序列相关准备时间.针对考虑序列相关准备时间的双边装配线平衡问题(TALBPS),提出一种改进的模拟退火算法.改进措施包括:①采用基于分级位置权重的初始化策略,以获得高质量的初始解;②对收敛准则进行改进,采用工位中序列相关空闲时间作为二级目标来指引算法进化方向,帮助算...     

基于多视图像序列跟踪的SAR地面运动目标检测

为基于合成孔径雷达(SAR)检测地面切向运动目标,提出基于多视图像序列跟踪的检测方法。在SAR多视图像序列上,具有切向速度的地面运动目标在子视图像间的位移轨迹可近似为一条斜线。该算法利用具有方向性约束的动态规划实现动目标在SAR多视图像序列上的轨迹跟踪,进而沿散焦轨迹作非相干积累可显著改善微弱目标检测性能。基于跟踪信息可实现动目标切向速度估计和解Doppler模糊。基于实测机载SAR数据的数值实验证明了该方法的有效性。     

一种联合优化算法及其在混沌时间序列预测中的应用

为了提高混沌时间序列预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种基于遗传算法的混沌时间序列参数联合优化方法.该方法首先将相空间重构和预测模型参数作为遗传算法的个体,混沌时间序列预测精度作为适应度函数,通过选择、交叉和变异等遗传操作获得最优参数,最后利用混沌时间序列实例对联合优化方法进行验证性测试.实验结果表明:相对于传统参数优化方法,联合优化方法大幅度提高混沌时间序列的预测精度,为混沌时间序列预测提供一种新的思路.     

改进的时间序列关键点表示算法

针对时间序列数据表示存在压缩率不高的问题,首先给出了时间序列定义和时间序列的9种基本形态;然后通过对极值点的优化处理,提出了关键极值点、剔除了轻微变化的极值点,并给出了结合转折点算法的IRAKPTS算法;最后通过实验验证,通过IRAKPTS算法的时间序列数据,较好地保留了时间序列的外形轮廓,并提高了压缩效率。     

多元时间序列模式异常研究

为了提高多元时间序列模式异常检测算法的有效性和合理性,在k-近邻局部异常检测算法的基础上,结合基于主元分析的多元时间序列的降维方法,对多元时间序列模式异常进行检测.实验结果验证了该算法对多元时间序列模式异常检测的准确性和有效性.     

基于多维时间序列形态特征的相似性动态聚类算法

由于时间序列数据具有高维度、动态性等特点,这就导致传统的数据挖掘技术很难有效的对其进行处理,为此,提出了一种基于多维时间序列形态特征的相似性动态聚类算法(similarity dynamical clustering algorithm based on multidimensional shape features for time series,SDCTS).首先,提取多维时间序列的特征点以实现降维,然后,根据多维时间序列的斜率、长度和幅值变化的形态特征定义了一种新的时间序列相似性度量标准,进而提出无需人为给定聚类个数的多维时间序列动态聚类算法.实验结果表明,与其他算法相比,此算法对时间序列具有良好的聚类效果.     

一种基于小波网络的混沌时间序列判定

在对混沌时间序列与随机序列的不同特征进行分析的基础上,提出一种可对二者予以区分的判定算法.并结合具有优异特性的小波函数,构造一种小波神经网络.最终给出基于小波网络的集成的混沌时间序列判定-预测算法.     

基于滑动窗口的奇异点数据挖掘算法研究

在一条时间序列上与其它序列点存在显著差异的点,被称为奇异点.提出了一种基于滑动窗口的奇异点挖掘算法,该算法利用局部异常因子检测的方法检测出时间序列中的奇异点,再利用移动平均模型对奇异点的趋势进行判断,这样能更直观的看出奇异点对时问序列趋势的影响.通过对证券信息点和上证指数收盘点数构成的时间序列进行分析,结果表明该算法的...     

一种基于PCA的时间序列异常检测方法

在 k-近邻局部异常检测算法的基础上,采用基于主成分分析的多元时间序列的降维方法,依据累积贡献率选择主成分序列,给出了一种效率较高的多元时间序列异常检测算法.实验结果表明:该算法可以较好地提高多元时间序列异常检测的效率     

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.     

基于小波和分形的时间序列压缩

引入离散小波变换的金字塔模型,将小波与分形结合起来,提出一种新的算法用于时间序列压缩,在信噪比保持不变的条件下,其压缩比为单纯的IFS建模方法所获得的压缩比的2倍多.给出了IFS以及IFS与小波结合的算法,并分别给出了它们对时间序列压缩的实验结果以及这两种方法性能的比较.