排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
多元时间序列(Multivariate Time Series, MTS)广泛应用于医学、经济、多媒体等领域。针对其相似模式匹配问题,该文提出一种基于2维奇异值分解(Two-Dimensional Singular Value Decomposition, 2DSVD)的匹配方法。2DSVD是经典奇异值分解的扩展,能准确地描述MTS的本质特征。首先对MTS进行2DSVD分解;然后将MTS按行、列组成的协方差矩阵的主特征向量结合原MTS矩阵组成其模式表示矩阵,并借助Euclid范数来度量两个特征模式矩阵之间的相似程度,进而进行多元时间序列的模式匹配。最后通过与直接欧氏距离法、主成分分析、趋势距离、基于点分布特征4种相似匹配方法对3种不同数据规模的数据集进行对比实验,验证了所提方法刻画多种数据规模的多元时间序列特征的有效性和高效性。 相似文献
2.
3.
电子系统的复杂度日渐增加,工艺水平日益提升,未发现故障(NFF)事件频发,对电子设备产生很大的影响,常导致不必要的重复停机、过度修理和零备件大量损耗等问题,影响设备的战备完好性。主要从NFF事件的基本概念和相关术语、NFF事件原因如故障因素和非故障因素、间歇故障引起NFF事件的机理等方面对NFF 事件进行系统论述,并指出了NFF事件的危害及其应对/预防措施,列举了相关实例,以期给相关工程和研究人员以借鉴,促进对NFF事件的研究。 相似文献
1