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?     

一种动态时间弯曲距离的时延调控基因相似度量聚类方法

针对传统的基于距离/相关系数的相似性度量方法无法有效度量基因间的时延表达特性,为了更加准确地刻画基因间的共调控关系,提出一种基于动态时间弯曲距离(DTW)的相似性度量方法,并结合可指定类数的仿射传播聚类算法进行聚类.将该算法用于人工合成数据和真实的酵母基因数据集,实验结果表明,相对于其它经典聚类算法,本文所提算法能得到更好的聚类结果.     

采用动态灰聚类算法的风电场动态等值方法

针对风电机组运行状况间具有动态灰色关联性的特点,提出一种基于动态灰聚类算法的风电场动态等值方法.首先,根据实测运行数据对风电机组间的关联性进行分析,并确定数据样本的跨度选取时长.然后,采用动态灰关联分析,构造一个可以体现风电机组运行状况间动态灰色关联性的关联度矩阵G;进而以G中的样本组作为聚类指标进行K均值聚类,得出更合理的机群划分结果.最后,采用容量加权法计算机群等值参数,完成风电场的动态等值.仿真实验结果表明:所建立的动态等值模型与详细模型较接近,能够较准确地反映风电场的动态响应特性.     

教学质量评估的灰关联分析

用灰关联分析方法对某校教师的教学质量进行评估，得出了教学质量评估指标的分类模式以及最优指标因素，从而为教学质量的评估提供了科学依据     

基于邻接距离的属性动态聚类算法

基于邻接距离属性动态聚类算法采用能综合反映属性名称相似性和语义相似性的“邻接距离”,提高了属性匹配的准确率;以类内损失、类间损失之和最小化为准则,使用动态聚类算法对相似属性进行匹配,不需要设置聚类参数,避免了人为造成的误差。     

基于灰关联分析的加权自适应谱聚类算法

为了降低谱聚类采用高斯函数作为相似性度量方式对参数的敏感性,以及能够发现多密度簇的同时降低噪声点的干扰,提出了一种将基于均衡接近度的灰关联分析结合到谱聚类中的新方法,采用加权的自适应相似性度量方式。最后用改进的FCM算法对其进行聚类。在真实数据集和人工数据集上分别对提出的算法和现有算法进行了比较分析。研究结果表明,提出的新算法能够消除参数的影响,具有更高的聚类精度。聚类精度采用F测度指标。     

灰关联分析对拟合曲线的探讨

用灰关联分析方法对拟合曲线定量分析,通过曲线与测量系统的关联性,确定精密测微系统测量精度。     

基于灰关联分析的双通道雷达目标距离像研究

针对高分辨雷达在目标成像过程中存在的目标散射点越距离走动问题,利用双通道探测的有利条件对各通道散射点回波信号进行数学建模,根据双通道接收到回波信号的包络走动,引入了灰关联分析方法来研究回波信号包络间的关联度,根据分析结果分配各距离单元对目标距离像的影响权值,结果表明该方法可以有效地降低发生越距离走动散射点的影响。     

时间序列关联分析的灰色方法

给出了一种新的灰色关联度，讨论了其性质，并将它引入到时间序列的关联分析中．得到了时间序列关联分析的灰色方法．     

一种基于数据关联的聚类集成方法

聚类集成是集成学习中的一个重要分支,其目标是解决无监督聚类分析中聚类算法的选择性、偏差性与数据特殊性等导致聚类结果不理想的问题。文章提出了一种基于数据关联的聚类集成方法(CEBDR),该算法先提取出在聚类成员中体现有关联关系的数据对象来组成新的类,然后对这些类进行二次聚类得到最终的集成结果。文中选用了一些标准数据集,采用CEBDR算法、已有的基聚类和聚类集成算法来进行对比实验,实验结果表明,该算法能够有效地提高聚类质量。     

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.     

基于时间扭曲图快速搜索的运动融合方法

文章提出了一种基于时间扭曲图快速搜索的运动融合方法,实现了不同角色之间的运动合成。首先在动态时间扭曲的基础上加以一定的规则约束,提高了搜索对齐帧的速度,构造出时间扭曲曲线,实现运动序列之间的时间配准;然后对对应姿态之间进行局部姿态融合,重构角色根关节运动轨迹,合成最终的融合运动序列。实验结果表明,该方法缩短了对齐的时间,生成的混合运动流畅、协调,且保持源运动序列的主要特征。     

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。     

基于远近距离的说话人聚类算法

提出了基于远近距离的说话人聚类算法:首先,使用端点检测算法把语音分割成读音段,然后,采用T2公式对近距离的说话人语音段进行聚类得到语音块,最后,使用谱聚类的方法估计说话人数目,对远距离的说话人(语音块)进行聚类。实验结果表明,在近距离的说话人聚类中,使用T2公式比使用BIC和KL在语音块准确率方面分别高出2.62%和13.84%,在远距离的说话人聚类中,使用谱聚类算法基本上可以把语音中的说话人数目计算出来,当说话人数目为15时,类纯度和说话人纯度可以达到78%,说明该算法可以有效地对说话人进行聚类。     

A dynamic fuzzy clustering method based on genetic algorithm

A dynamic fuzzy clustering method is presented based on the genetic algorithm. By calculating the fuzzy dissimilarity between samples the essential associations among samples are modeled factually. The fuzzy dissimilarity between two samples is mapped into their Euclidean distance, that is, the high dimensional samples are mapped into the two-dimensional plane. The mapping is optimized globally by the genetic algorithm, which adjusts the coordinates of each sample, and thus the Euclidean distance, to approximate to the fuzzy dissimilarity between samples gradually. A key advantage of the proposed method is that the clustering is independent of the space distribution of input samples, which improves the flexibility and visualization. This method possesses characteristics of a faster convergence rate and more exact clustering than some typical clustering algorithms. Simulated experiments show the feasibility and availability of the proposed method.     

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。     

基于灰色关联分析的高阶神经网络剪枝算法

在综合分析网络纵向、横向灰色关联分析特点的基础上提出了一种新的基于灰色关联分析的剪枝算法,并将其用于训练高阶神经网络.该算法运用灰色关联分析对比网络各节点输出值序列之间联系的紧密程度,用网络纵向灰色关联分析确定剪枝连接,再用网络横向灰色关联分析确定相应的并枝连接,实现网络结构的动态修剪.训练后的高阶神经网络具有合理的网络拓扑结构和较好的泛化能力.实验验证了该算法的合理性、有效性.     

基于全程信息和时间弯曲校正的签名认证

利用Wintab接口技术实现了对手写签名全程信息的实时采集，提出一种非线性局部寻优时间弯曲校正方法，解决了手写签名全程信息时间序列的时间轴弯曲现象，该校正方法不仅实现了对信息序列不同局部的非等强度校正，而且很地保持了序列的单调性和连续性，利用该校正方法在测试签名样本时获得了96％的身份认证正确率。