·
搜索结果:找到“时间序列”相关结果17121条
排序: 按相关 按相关 按时间降序
  • 【期刊】 基于时间序列聚类的多雷达数据融合

    刊名:电讯技术 作者:张乾君 关键词:时间序列 ; 雷达数据融合 ; 模糊聚类 ; 特征匹配 机构:中国西南电子技术研究所 ; 中国西南电子技术研究所 年份:2019
    摘要:针对多雷达数据融合问题,提出了基于时间序列的聚类算法,用于实现航迹相关,即以时间序列为基础把聚类模型转化为基于特征匹配的聚类算法。进一步考虑到多目标密集时,部分来自不同目标的数据可能比来自同一目标的数据更接近,易导致关联错误,为此提出了基于时间序列的模糊聚类算法。对上述两种算法的聚类结果,应用卡尔曼滤波器实现滤波跟踪,在不同的情况下仿真后发现,在跟踪目标较少且相互位置较远的情况下,两种算法均有效,在跟踪目标较多且相互位置靠近的情况下,基于时间序列的模糊聚类算法更有效。
  • 【期刊】 一种基于重要点的时间序列分段算法

    刊名:计算机工程与应用 作者:孙志伟 ; 董亮亮 ; 马永军 关键词:时间序列 ; 重要点 ; 分段线性表示 ; 拟合误差 机构:天津科技大学 ; 天津科技大学 ; 计算机科学与信息工程学院 年份:2018
    摘要:基于重要点的时间序列线性分段算法能在较好地保留时间序列的全局特征的基础上达到较好的拟合精度.但传统的基于重要点的时间序列分段算法需要指定误差阈值等参数进行分段,这些参数与原始数据相关,用户不方便设定,而且效率和拟合效果有待于进一步提高.为了解决这一问题,提出一种基于时间序列重要点的分段算法——PLR_TSIP,该方法首先综合考虑到了整体拟合误差的大小和序列长度,接着针对优先级较高的分段进行预分段处理以期找到最优的分段;最后在分段时考虑到了分段中最大值点和最小值点的同异向关系,可以一次进行多个重要点的划分.通过多个数据集的实验分析对比,与传统的分段算法相比,减小了拟合误差,取得了更好的拟合效果;与其他重要点分段算法相比,在提高拟合效果的同时,较大地提高了分段效率.
  • 【期刊】 时间序列分析的直播星用户开卡预测

    刊名:测绘科学 作者:卢新义 ; 王继周 关键词:时间序列 ; 直播星用户 ; 参数组合 ; 预测 机构:辽宁工程技术大学测绘与地理科学学院 ; 辽宁工程技术大学测绘与地理科学学院 ; 中国测绘科学研究院 年份:2016
    摘要:针对同一地区不同时间内直播星电视服务用户的数量变化特征,该文提出了基于时间序列的直播星用户预测方法,并通过ARIMA模型预测用户数量.分析了ARIMA模型的建立方法和评价参数,对时间序列模型ARIMA (p,d,q)的参数进行不同组合的尝试;利用模型评价参数(平稳的R方和正态化的BIC)确定模型的阶数p、q;对模型进行参数检验和显著性检验,根据检验结果确立最终模型为ARIMA(4,2,3);采用宁夏用户数据对模型拟合效果进行验证,进而对未来几个月的用户数量进行预测.结果表明,时间序列模型ARIMA(4,2,3)对宁夏用户数量变化的预测准确度比较高.
  • 【期刊】 基于时间序列法的广西原糖价格预测

    刊名:广西农学报 作者:朱安馨 ; 唐丽 ; 甘宇健 关键词:时间序列 ; 原糖 ; 价格 ; 预测 机构:广西财经学院信息与统计学院 ; 广西财经学院信息与统计学院 年份:2016
    摘要:[目的]为了了解广西原糖价格的未来走势,掌握原糖价格的变动情况.[方法]使用时间序列法中的季节性ARIMA模型,分析2001年1月至2016年4月183个月份数据,预测广西原糖2016年5月至2017年4月的价格.[结果]广西原糖价格在2016年上半年一直保持着平稳状态,但自下半年起,原糖价格逐渐上升并在11月达到全年价格顶点,在12月时原糖价格出现明显回落现象,2017年的1-4月的原糖价格没有较大幅度波动.[结论]时间序列法的的预测精度较高,可以得到较准确的广西原糖价格的趋势图.
  • 【期刊】 基于直觉模糊时变时间序列的预测方法

    刊名:系统工程 作者:黎昌珍 ; 李瑞岚 关键词:直觉模糊集 ; 时变直觉模糊时间序列 ; 预测模型 机构:广西大学公共管理学院 ; 广西大学公共管理学院 ; 广西大学计算机与电子信息学院 年份:2013
    摘要:提出了一个基于时变的直觉模糊时间序列预测模型,这个模型利用直觉模糊集理论来对一些观察值是语言值的时间序列问题进行预测。该模型通过建立直觉模糊转移关系,实现动态过程问题的处理。把提出的模型应用到广西大学的学生招生数的预测。通过与现有的方法进行比较来说明本文所给出方法的优越性。
  • 【期刊】 长记忆时间序列趋势项变点的CUSUM检验

    刊名:青海师范大学学报(自然科学版) 作者:吉毛加 ; 陈占寿 ; 栗慧妮 关键词:长记忆时间序列 ; 趋势项变点 ; CUSUM检验 ; Sieve bootstrap 机构:青海师范大学数学与统计学院 ; 青海师范大学数学与统计学院 年份:2019
    摘要:本文研究长记忆时间序列趋势项的变点检验问题.基于最小二乘拟合残差构造了一种新的CUSUM型检验统计量,在无变点原假设下证明了检验统计量的极限分布是I型分数布朗运动的泛函,在备择假设下证明了检验统计量的一致性,并提出用Sieve Bootstrap方法确定检验统计量的临界值来避免精确估计冗余参数.数值模拟结果表明,提出的新方法在原假设下能较好地控制检验水平,在备择假设下能达到满意的检验势.
  • 【期刊】 基于簇中心群的时间序列数据分类方法

    刊名:电子科技大学学报 作者:李海林 ; 万校基 关键词:时间序列 ; 近邻传播 ; 分类算法 ; 数据挖掘 ; 动态时间弯曲 机构:华侨大学信息管理系 ; 华侨大学信息管理系 ; 华侨大学现代应用统计与大数据研究中心 年份:2017
    摘要:分类算法是时间序列数据挖掘中极为重要的任务和技术,该文提出一种基于簇中心群的时间序列数据分类方法.该方法根据时间序列训练数据集中的类别标签进行簇划分,利用近邻传播算法分别对每个簇进行中心代表点选择,构造出各代表点的代表对象集;然后借助基于动态时间弯曲的均值中心方法对各代表对象集实现中心群计算,结合改进后的K近邻算法实现时间序列数据的分类.数值实验结果表明,与传统方法相比,新方法具有更好的分类效果和计算性能.
  • 【期刊】 采动地表下沉时间序列的曲线拟合研究

    刊名:煤炭科学技术 作者:刘玉成 关键词:时间序列 ; 地表下沉 ; 曲线拟合 ; 拟合函数 机构:贵州工程应用技术学院毕节循环经济研究院 ; 贵州工程应用技术学院毕节循环经济研究院 年份:2019
    摘要:基于煤层开采地表下沉的时间过程为先加速后减速的变速运动的特征,提出了一种适合采动地表下沉时间序列曲线的拟合函数,分析了该函数中的拟合参数b和c对曲线形态、下沉速度和加速度的影响规律。用1stOpt 1.5软件编制计算程序,拟合了实测的煤层开采引起的地表下沉时间序列曲线,并与其他3种类型的拟合函数进行了对比分析。研究结果表明:提出的拟合函数的数学公式简单、参数数量适中,从下沉曲线形态,下沉速度和加速度3个方面均符合煤层开采地表下沉的动态过程。该拟合函数对实测曲线的拟合精度高,拟合的相关系数为0.996 8,用该拟合函数预测的最大下沉量468.7 mm、计算出的最大下沉速度为0.325 mm/d,对应的时间594.3 d,均与实测值接近。
  • 【期刊】 一种基于时间序列参数的癫痫脑电分类①

    刊名:科技资讯 作者:单玉华[1] 关键词:时间序列 ; AR模型 ; 癫痫脑电 ; RBF 机构:东南大学机械工程学院 ; 东南大学机械工程学院 年份:2017
    摘要:时间序列分析是一种采用参数模型对所观测的随机数据进行分析和处理的数据处理方法,具有简便高效的应用特点,因此应用广泛。该文采用时间序列分析方法对癫痫脑电分析,采用基于AIC准则和FPE准则进行适用性检验并建立AR模型,其中模型参数应用Burg算法和Marple算法进行估计,建立时间序列模型后,采用RBF神经网络依据模型参数对脑电信号进行分类。
  • 【期刊】 一种基于Shapelets的懒惰式时间序列分类算法

    刊名:计算机学报 作者:王志海 ; 张伟 ; 原继东 ; 刘海洋 关键词:时间序列 ; 懒惰式学习 ; 分类 ; shapelets ; 可解释性 机构:北京交通大学计算机与信息技术学院 ; 北京交通大学计算机与信息技术学院 年份:2019
    摘要:近些年,时间序列分类问题研究受到了越来越多的关注.基于shapelets的时间序列分类技术是一种有效的方法.然而,其在提取最优shapelet的过程中要建立包含大量冗余元素的候选shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴别性;与此同时,普通模型往往忽略了待分类实例所具有的局部特征.为此,我们提出了一种依据待分类实例显著局部特征的懒惰式分类模型.这种模型为每个待分类实例构建各自的数据驱动的懒惰式shapelets分类模型,从而逐步缩小了与其分类相关的时间序列搜索空间,使得所获得的shapelets能够直接反映待分类实例的显著局部特征.实验结果表明该文提出的模型具有较高的准确率和更强的可解释性.
  • 【期刊】 基于子段距离计算的时间序列分类方法

    刊名:小型微型计算机系统 作者:王子一 ; 商琳 关键词:时间序列 ; shapelet ; 分类 机构:南京大学计算机软件新技术国家重点实验室 ; 南京大学计算机软件新技术国家重点实验室 ; 南京大学计算机科学与技术系 年份:2018
    摘要:关于时间序列分类的问题在过去十多年时间里已经引起极大的兴趣.并且已经有实验表明传统流行的分类算法像KNN等,已经很难处理时间序列的分类问题.基于Shapelet和DTW(动态时间规整,Dynamic Time Warping)的这一分类方法的时间复杂度又太高.本文提出一种新的基于子段距离计算的时序分类方法,通过对时间序列进行切分然后对切分后的子段用k-shape算法进行聚类,在聚类结果中寻找两类时间序列各自比较有区分性的片段,并以此来作为分类的依据,该方法思路更为简单且时间复杂度不高.通过实验验证了我们算法的分类精度和适用性,并与shaplet算法相比我们算法在时间复杂度上更具优势.
  • 【期刊】 一种基于时间序列参数的癫痫脑电分类

    刊名:科技资讯 作者:单玉华 关键词:时间序列 ; 癫痫脑电 机构:东南大学机械工程学院 ; 东南大学机械工程学院 年份:2017
    摘要:时间序列分析是一种采用参数模型对所观测的随机数据进行分析和处理的数据处理方法,具有简便高效的应用特点,因此应用广泛.该文采用时间序列分析方法对癫痫脑电分析,采用基于AIC准则和FPE准则进行适用性检验并建立AR模型,其中模型参数应用Burg算法和Marple算法进行估计,建立时间序列模型后,采用RBF神经网络依据模型参数对脑电信号进行分类.
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转