水文时间序列的相似性搜索研究

将时间序列相似性搜索的数据挖掘方法应用于水文时间序列数据中,挖掘相似的水文过程.在分析欧氏距离和动态时间扭曲距离两种相似性距离度量方法特点的基础上,采用对时间轴的伸缩和弯曲具有较好适应性的动态时间扭曲距离法对塔里木河流域源流区出山口水文站沙里桂兰克站1961—2000年共220场洪水流量过程进行相似性搜索,基于相似性距离度量矩阵,挖掘出相似的洪水流量过程.结果表明,沙里桂兰克站洪水过程虽形态多样,但也表现出一定的相似性,基于动态时间扭曲法的相似性搜索能有效挖掘出相似的水文过程.     

基于多元时间序列融合的飞行动作识别方法

针对飞行动作数据随机性强与长度不一致的问题,提出通过减小动态时间规整(DTW)算法的搜索空间,并定义不同特征参数贡献度的概念,实现对飞行数据的多元时间序列融合,从而完成对战术机动动作的识别。通过引入预分类和细分类结合的方式,对动作数据进行预处理,然后根据改进的动态时间规整(WDTW)算法对待测数据进行识别。仿真实验表明,相比传统DTW算法,WDTW算法通过降低算法复杂度,识别计算时间变化明显;对核密度与精准度系数的分析表明识别准确率亦有所提高。实验结果验证了所提方法的准确性。     

基于运动捕获数据的人体运动融合

为了提高运动捕获数据的重用性和重用效率,引入注册曲线思想。以多个已有的捕获数据为输入,通过运动融合生成一段新的运动数据。首先建立时间对齐曲线,基于时间对齐曲线建立坐标对齐曲线,然后基于对齐曲线和坐标对齐曲线进行姿势融合。最后进行约束处理,扩展了可以用于运动融合的运动集合。实验结果证明方法可行且效果好。     

基于线性搜索的快速运动估计算法

为了减小快速运动估计算法的计算复杂度和提高运动补偿的准确性,提出了一种新的块匹配运动估计算法,称为线性正方形搜索算法.该算法采用运动估计的线性搜索策略,对于不重要的搜索区域利用线性搜索技术进行快速搜索以减小算法的计算复杂度,而对于重要搜索区域,即最佳点所在区域,用9点的正方形模块进行精细搜索以提高算法的搜索精度.实验结果证明,该算法与菱形算法相比不仅计算复杂度减小了10%以上,而且视频编码效率可以提高约0 1dB.     

基于SPDTW的快速时间序列聚类方法

提出了一种新的时间序列数据压缩方法,Stratified Piecewise Aggregate Approximation(分层逐段聚集近似),简称SPAA.SPAA具备多分辨率的特点,能够根据给定的参数,对时间序列进行不同等级的压缩.作者结合DTW算法的特点,进一步提出了一种新的SPDTW算法.实验表明,SP-DTW算法能够在聚类精度基本保持不变的情况下,大大加快聚类的速度.通常能够比DTW算法快几个数量级.     

基于质量评价的运动跟踪数据融合方法

为提高人体运动跟踪系统的性能,将多源传感器数据进行融合。文章针对惯性传感器和Kinect体感传感器,给出了基于可信度、人体骨骼模型生理约束、运动约束和滤波误差的质量评价方法,设计了多传感器融合情况下的质量评价函数,提出了一种基于质量评价函数的运动跟踪数据融合算法。在滑动窗口内基于各传感器连续可信帧进行度量,作为数据融合时的质量因子。实验表明当Kinect或惯性传感器的数据出现较大误差时,通过融合算法提高了系统鲁棒性。     

基于时间周期的无线传感器网络数据融合

无线传感器网络中传感器的能量有限,怎样节约能量延长传感器的寿命,是无线传感器研究网络研究中的重要问题。数据融合作为无线传感器网络的关键技术之一,它的作用体现在减少数据的上传量,提高数据准确性,节省能量等方面。研究传感器节点收集到的大量数据,发现数据满足周期性,提出了基于时间周期的数据融合算法。在融合算法中根据历史数据基于拉格朗日插值法的预测算法预测未来数据,设置误差阈值来检测预测数据。室外温度数据满足文章研究的条件,因此基于时间周期的无线传感器网络数据融合算法以沈阳地区夏天温度数据为样本,用Matlab进行仿真实验对该算法进行了验证,实验结果表明该算法减少了传输的数据量,节约了节点的能量,延长了网络的寿命。     

基于预测运动矢量的菱形搜索方法

针对H.264/AVC编码器中运动搜索计算量大、搜索时间长,提出一种基于运动矢量的改进小菱形搜索算法。在运动估计的过程中,根据预测运动矢量的方向,采用不同搜索方向的菱形模型,可大大减少搜索点数,用较短的时间找到最佳匹配块,提高搜索速度。与典型运动搜索方法的菱形搜索算法相比较,该搜索方法在保证视频质量基本不变的条件下,编码速率平均提高5.73%。     

基于跳点菱形搜索的快速运动估计算法

实时视频编码系统要求运动估计的搜索算法既快又准,现行的菱形搜索算法是公认的效率较高的算法之一。利用图像像素间的相关性,提出了一种"跳点"菱形搜索,进一步减少菱形搜索的点数和时间,而重建的图像质量跟原来的菱形算法相当。     

面向动态时间弯曲距离的灰关联聚类方法研究

灰色关联聚类是灰色系统分析的重要研究领域.现有的灰关联聚类方法在处理不同长度序列数据时,通常采用补齐或删除数据方式进行处理,增加了系统的不确定性.在动态时间弯曲距离基础上,提出了一种新的灰关联聚类方法,通过计算序列间距离矩阵的最短路径来度量相似程度,最终完成序列的灰关联聚类.该方法无需对序列数据进行人工干预,具有更强的鲁棒性.实验结果表明,在处理不同长度数据序列时,聚类结果更为准确.     

基于动态时间弯曲距离的灰关联度量方法及其应用

传统灰关联度量对于长度不同的序列采用删除较长序列数据?均值?GM(1,1)模型预测等方法进行补齐,导致不确定性信息增加,造成不必要的信息损失? 将动态时间弯曲思想引入灰关联度量中,提出一种自适应序列长度的灰关联度?该方法无需补齐序列数据,利用序列间距离矩阵的最短路径作为相似判 定依据?在此基础上,进一步构建了相应的灰关联度量方法,有效解决了序列数据长度不一致问题?为了证明方法的有效性,将其应用于分类算法设计中,取得了较为优异的测试结果?     

基于小波和动态时间弯曲的时间序列相似匹配

提出了一种基于小波和动态时间弯曲(DTW)距离的时间序列索引和相似匹配方法. 该方法采用小波变换进行数据降维,利用R·-tree建立多维索引结构. 给出了查询序列的DTW距离边界和其在小波空间的查询超矩形的计算方法,从而将原始空间的基于DTW距离的相似匹配转换为小波空间基于欧氏距离的相似匹配. 证明了此匹配方法不会产生漏报,给出了基于DTW距离的范围查询算法和近邻查询算法. 实验结果表明该方法具有较高匹配精度和其较低的计算代价.     

基于多尺度熵和动态时间规整的步态身份识别

针对现有人体步态身份识别算法单一、准确率较低的问题,提出了一种基于多尺度熵和动态时间规整（DTW,dynamic time warping）的人体步态身份识别方法。采用自制的APP软件在较低采样率下采集人体步行加速度数据,实验中共采集50名志愿者的正常行走加速度数据,使用多尺度熵算法进行数据处理,得到在各个尺度下的熵值,最后采用DTW算法对多尺度熵值进行特征匹配,得到的相对错误率（EER,equal error rate）为13.7%,仿真结果表明基于多尺度熵和DTW算法相结合的方法较好提高了身份识别的准确率,为人体步态身份识别提供了一个新的思路。     

基于DTW优化积分直方图动态捕捉的持续人体动作识别研究

针对现有持续人体动作识别算法实时性不高的问题,提出了一种基于动态时间规整(DTW)积分直方图的动态捕捉方法.首先,利用积分直方图对原始动作进行分类;然后,聚类各种时空姿态建立动作的统计表示,并采用巴氏距离测量两个直方图的相似性;最后,根据动态时间规整方法设计了动态程序识别算法.通过大型数据集的测试以及与几种最新方法的比较证明了方法的高效性,即使在数据库包含噪声和相似动作的情况下,方法仍然取得了很好的识别效果.     

A motion retargeting algorithm based on model simplification

A new motion retargeting algorithm is presented, which adapts me motion capture data to a new character. To make the resulting motion realistic, the physically-based optimization method is adopted. However, the optimization process is difficult to converge to the optimal value because of high complexity of the physical human model. In order to address this problem, an appropriate simplified model automatically determined by a motion analysis technique is utilized, and then motion retargeting with this simplified model as an intermediate agent is implemented. The entire motion retargeting algorithm involves three steps of nonlinearly constrained optimization： forward retargeting, motion scaling and inverse retargeting. Experimental results show the validity of this algorithm.     

动态时间规整算法在局部放电模式识别中的应用

采用试品升、降压过程中的视在放电量-施加电压序列作为特征量,并引入动态时间规整(DTW)算法进行局部放电模式识别以区分不同的缺陷类型。算法在训练阶段首先对训练样本和测试样本进行矢量量化(VQ),以码本码字代替原始矢量实现数据压缩,再以训练样本的码字构造DTW参考模板。在测试阶段,计算测试样本与每类放电参考模板的平均DTW距离,并利用快速匹配(FM)算法加快DTW运算过程,最后应用最近邻识别准则得到识别结果。对5类放电的200个样本的测试结果表明,DTW算法具有识别率高和易拓展的优点,并且FM算法能够节省56%计算量和提高DTW算法的识别率。     

基于时间序列DTW差异的IGBT模块缺陷辨识方法

绝缘栅双极型晶体管(IGBT)模块是电力电子装置中关键可靠性敏感元件之一,辨识IGBT模块缺陷,是避免突发故障,增强电力电子装置可靠运行的重要举措之一。为此,笔者提出一种基于时间序列动态时间弯曲(DTW)差异的IGBT模块早期缺陷的诊断方法。该方法利用缺陷对IGBT模块门极寄生参数的影响,通过分析缺陷前后,门极电压信号序列DTW的差异,判断IGBT模块内部是否存在缺陷。实验研究结果验证了其诊断结论的正确性和实用性。     

基于自适应动态时间规整(DTW)的GA-FCM多阶段间歇过程故障诊断

多时段是间歇过程的固有特征,对间歇过程划分阶段可以提高故障诊断的精度。采用模糊C-均值聚类（FCM）算法划分阶段存在对初始聚类中心敏感、易于陷入局部极优值的问题。提出遗传算法与FCM算法相结合的方法（GA-FCM）,用于克服FCM易于陷入局部极优值的问题,以达到全局最优。同时,针对间歇过程数据不等长问题,提出自适应动态时间规整（DTW）算法。随后,用GA-FCM方法完成阶段划分,再建立多向核主元分析（MKPCA）模型完成故障检测。最后将此算法应用于青霉素发酵过程,仿真结果验证了所提方法的可行性和有效性。     

混纺试样束强测试中的实验方法

探讨混纺试样束强测试的实验方法，采用澳大利亚CSIRO研究所生产的SIROLAN－TENSOR束强测试仪，手工混制不同混纺比的毛涤试样，通过实验作比例分析，制定出可行的混纺试样测试方法（平铺式测试法）。