神经网络在时间序列预测中的应用研究

介绍了时间序列预测的基本概念、各种模型,分析了基于神经网络的时间序列预测方法,阐述了BP神经网络基本原理,提出了一种基于BP神经网络的时间序列的预测和方法。通过应用实例的分析表明,以此方法得到BP网络应用于非线性时间序列预测是可行的,神经网络方法可以成功地用于分析预测时间序列变量。     

浅谈时间序列分析在无线网规网优中的应用

文章提出利用时间序列分析的算法,为无线网与时间相关的指标建立模型,再依据此模型预测数据趋势。以无线数据流量指标为例进行分析,使用预测数据在无线网络规划、优化、支撑市场发展等方面进行应用。文章意在抛砖引玉,在数据挖掘的算法应用方面,推动基层无线网优人员思考如何实现网络智能化?并提出推进无线网优的岗位创新的方向。     

基于时间序列的数据挖掘在商务智能中的应用

在介绍了数据挖掘和商务智能的基础上,阐明了数据挖掘在商务智能中的重要作用。对当前流行的数据挖掘方法作了介绍。研究基于时间序列的数据挖掘技术说明在以信息为基础的当今商业活动中,商务智能在企业决策中的重大意义。     

混沌时间序列在密码学应用中的随机性测试

针对混沌时间序列的产生是否符合密码学应用中的序列随机性检测的要求，及随着参数变化对混沌时间序列的随机性检测的效果进行实验。实验表明混沌密码序列对随机性的测试的好坏存在不确定性，因此混沌序列应用到序列密码之前必须对序列进行随机性检测。     

时间序列在FY2C云检测中的应用

对FY2C时间序列图像的研究分析表明,时间序列云图的像元亮温/温度时较差(一小时之内亮温/温度差,也称亮温/温度时变化)规律可以用于标称图云检测,能较好地实现运动剧烈的云和运动云区的边缘云检测.以中国区域内地面站资料为标准进行对比分析,利用时间序列结合晴空背景场方法进行云检测,在2007年1月和6月的准确率分别为72.89%和79.94%.与目前业务云检测相比,利用静止卫星高时间分辨率特征在一定程度上改善了低云和薄云的检测.利用了静止卫星高时间分辨率的特点,并为动态求取阈值提供了一种新思路,具有一定的应用价值.     

混沌时间序列降噪在数字通信中的一个应用

根据对非线性时间序列降噪的理论,本文采用Gradient Descent方法在CSK(Chaos shift Keying)系统的接收端对混沌时间序列进行降噪,获得一条比原来时间序列噪声更小的时间序列轨道,然后采用非相干检测技术对发射端传输的符号进行判断,理论分析和计算机仿真结果基本一致.     

基于神经网络的联合混沌时间序列的预测研究

提出了利用前馈神经网络预测联合混沌序列,通过引用著名的Henon和Lozi混沌系统作为仿真实验产生联合混沌信号序列。预测结果证明,用改进的BP算法训练的NN可以完全预测联合混沌信号序列。     

时间序列预报法在供热控制中的应用研究

为了节能和优质供热,提出将负荷预报和预测控制施加于供热系统中.文中首先介绍了时间序列法预报原理,接着应用该原理给出供热负荷和模型误差的预报.负荷预报作为供热系统的设定值,模型误差作为预测控制的校正量.最后,给出了两种预报方法在供热系统的应用及仿真结果.     

时间序列中的分形分析和参数提取

本文我们主要讨论拓扑维为一维的时间序列的分形分析和参数提取，着重论述分维数的估计，介绍了几种常用方法，并提出了一种基于有限长度的方差估计法，用实验分析了这些计算方法的准确性、平稳性、计算复杂度、受噪声和信号长度的影响等方面的性能，得到一些有意义的结论，实验结果表明，我们提出的方法在某些方面具有优点。     

混沌时间序列信号的降噪

混响背景下目标信号的检测、降噪方法与实现,一直以来都是一个难题。建立了非线性降噪模型,并且应用此模型进行混沌时间序列信号检测。以典型的Henon混沌系统所产生的时问序列作为样本和水下目标信号噪声序列为例,进行了降噪和预测,结果表明该方法是有效的,可行的。     

Boundary-Based Time Series Sorting

In many applications, it is desirable to sort the data. Most of previous work on sorting are key based, however, there are no apparent keys for the time-series data and therefore the classic sorting algorithms may fail in sorting time-series data. We propose a novel technique, called TS-Sort, to sort time-series sequences in the massive set. The proposed method first extracts the maximum and minimum boundaries of the set, then calculates the distance values between the sequences to the boundaries, and finally sorts the values to determine the relative orders of sequences in the set. For improvement, we propose a partition based version of the algorithm, which puts the sequences into small groups, and sorts the groups to get the final sorted set. Extensive experiments, both on synthetic and real datasets, show that our approach can be used to make the time series set in order, and there is a factor of up to 26.3% accelerating for the improved version of the method.     

基于形态的时间序列相似性度量研究

时间序列重新描述和相似性度量是时间序列数据挖掘的研究基础,对提高挖掘任务的效率和准确性至关重要。该文提出了一种新的基于形态的时间序列符号描述,并给出相应的距离公式,以度量时间序列的相似性。该方法直观简洁,对数据的平移、伸缩不敏感,能够反映序列趋势变化的程度、去除噪声的影响,满足时间多分辨率要求。仿真结果表明,该方法具有较好的聚类性能,可以在不同分辨率下有效度量时间序列的形态相似性。     

心率变异信号的复杂度分析

心率变异(HRV)反映了交感神经和迷走神经对心血管系统的综合调节作用,是评价心血管系统功能的重要指标,在临床中可用作参考实现对心血管疾病辅助诊断及其康复过程的无创性监测。复杂度是刻画时间序列信号信息量的一个重要参数。该文设计了阿托品和倍他乐克药物对比实验,计算了心率变异信号的Kolmogor-ov复杂度,并对结果进行了统计分析,其结果为临床提供了参考。     

基于遗传算法的时间序列中频繁结构模式发现研究

本文提出了一个基于小生境遗传算法和模式缓存的时间序列中频繁结构模式的发现算法，该算法具有轻便、灵活、可扩放性好的特点，可根据实际情况合理配置计算时间和所占用的内存资源，并可实现挖掘结果的实时动态更新输出，在实际时间序列数据上的实验证明了该算法的有效性。     

一种基于时间序列的动态加密方法

加密技术在通信系统中有着广泛的应用,由于信道等环境的制约,所以对称加密方法更适合保密通信,尽管其有稳定性和安全性不够好,密钥生成单一,易破解等缺陷,特别是密钥的生成、管理方面的不足。为解决传统对称加密中密钥生成、保存、传输安全性不高的缺点,提出了一种基于时间序列的动态密钥生成方法用于信息加解密,以保证密钥的安全性,最后通过试验验证算法的可行性和稳定性。     

基于复杂度分析的自动目标识别方法

雷达目标的高分辨率距离像反映了目标的散射中心在径向的分布,该分布与目标的几何外形密切相关。文中将一帧距离像看作一个序列,用提出的一种新的算法对该序列进行预处理,然后求出预处理序列的Lempel-Ziv复杂度,将其用于目标识别。试验结果证明了该识别方法的有效性。     

多播路由算法MPH的时间复杂度研究

多播通信是从一个源点同时向网络中的多个成员发送分组的通信服务,一个最小代价的多播路由算法是NP完全的,在时间敏感的应用中其运行时间是一个关键问题.MPH(Minimum Path Cost Heuristic)算法是一个著名的启发式最小代价多播路由算法,本文对该算法进行了理论分析和证明,并做了广泛的仿真实验,结果表明其时间复杂度是O(m²n)而不是过去文献中所给出的O(m²n+e).     

基于仿生模式识别思想的时间序列匹配

仿生模式识别是模式识别理论的一种新模型,它的出发点是要"认识"事物而非"区分"事物,理论的基点在于它确认了样本点在特征空间的连续性.本文根据仿生模式识别的基本思想,提出了一种时间序列匹配的新方法.该方法利用同类样本间的连续性规律,将时间序列排序,并在相邻的时间序列之间添加了若干新的时间序列,以增加样本点.对力感键盘按键压力序列进行分类实验的结果表明,新方法优于基于动态时间弯折的传统方法.