耦合改进机制的动态时间弯曲质平均算法的研究与应用

来源 :辽宁工程技术大学 | 被引量 : 0次 | 上传用户:zhhy0822
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
时间序列是数据库中的一种常见的数据类型,它被广泛应用于工业、医疗、金融和气象等数据库中。时间序列的主要任务是聚类和回归预测,在时间序列的回归预测中,常因数据集过大导致预测效果差,而时间序列的聚类可以将具有同一性质的时间序列划分到相同类别中,先对时间序列进行聚类再进行回归预测比不分类直接回归预测的效果好。但时间序列具有长度不等和数据集大等特点,传统相似性度量方式无法对不等长时间序列进行度量,以动态时间弯曲为相似性度量的动态时间弯曲质平均算法可以计算不等长时间序列的簇中心,解决了K-means算法难以对时间序列进行分类的问题。针对现有动态时间弯曲质平均算法初始簇中心选择的不确定性、簇中心更新序列的差异性以及算法复杂度高、收敛性差等问题,提出了一种融合簇中心初始选择策略与更新异权机制的融合动态时间弯曲质平均算法。融合动态时间弯曲质平均算法针对动态时间弯曲质平均算法中初始簇中心选取的不确定性问题,通过选取数据集中惯性最小的时间序列作为初始簇中心以消除其随机性;同时,利用更新异权机制更新簇中心以改善动态时间弯曲质平均算法中簇中心更新时数据集中序列存在差异性问题。数值实验结果表明,相比于原算法,簇中心初始选择策略迭代的最终惯性值接近多次随机的惯性均值;簇中心更新异权机制能够有效提高算法惯性收敛性,减少算法迭代次数,降低算法复杂度;融合动态时间弯曲质平均算法降低原算法复杂度的同时提高簇中心的质量。针对K-means算法对时间序列分类效果差的问题,提出了用动态时间弯曲作为相似性度量,动态时间弯曲质平均和改进的动态时间弯曲质平均算法求解时间序列簇中心。数值实验结果表明,基于动态时间弯曲质平均算法的K-means算法分类准确率一般,对数据集适用性较差;基于初始选择策略的K-means算法分类准确率有所提高,适用性也有所提高;基于更新异权机制的K-means算法适用性显著提高,准确率提升较小;基于融合动态时间弯曲质平均算法的K-means算法显著提高了分类准确率,也提高了适用性。该论文有图15幅,表11个,参考文献51篇。
其他文献
对于核磁共振图像(MRI)、高光谱图像(HSI)和视频序列这样的三维图像,卷积神经网络(CNN)分类时不得不依赖更加复杂的网络结构,且精度提升有限。另外,MRI和HSI具有结构复杂、可用数据量少和空间信息丰富等特点,相比于视频序列图像,不存在通道间的时序性。CNN对此类图像分类存在训练样本少、特征提取不足等问题。目前基于多尺度方法的深度神经网络在图像分类中已经展现出了出色的能力;同时胶囊神经网络凭
随着港口地位的提升,港口物流依托港口的口岸优势,在港口贸易中发挥着不可替代的作用。我国港口为建设自身港口物流,使得沿海港口群的物流发展呈现出不均衡的状况,环渤海港口就是其中之一。一方面,环渤海各港口物流发展受港口资源限制,港口间经常出现竞争;另一方面,在港口建设时出现了定位不清、重复建设等问题,阻碍环渤海港口物流的发展。只有明确各港口之间的竞争优势,才能促进环渤海港口物流的良好发展;同时环渤海物流
遥感影像的语义分割作为遥感影像处理领域的重要研究方向,在土地资源管理、军事目标识别等领域有着广泛的应用。目前基于传统神经网络的语义分割模型不能对遥感影像中的小物体进行更高维度的特征提取,导致分割的错误率较高,分割精度偏低。针对以上问题,提出一种超像素与transformer模型结合的方法对遥感影像进行分割。首先,采用参数网格搜索法,把每种可选参数进行排列组合,使用最小化分割误差为核心的评价方法,把
海量的数据中蕴含着大量的信息,研究人员致力于从海量的数据中提取出有价值的、隐藏的且精简的规则,使其能够用来指导生产实践,形成人工智能决策。知识挖掘已经成为人工智能技术中的一个重要研究领域,经过几十年的研究,知识挖掘理论与应用在发展的同时也面临着极大的挑战,如知识挖掘技术未与特定的应用形成强有力的结合,与特定数据类型存在着适应问题,效率与可解释性不能达到很好的平衡等。以基础创新理论为核心的知识挖掘算
针对SIFT(Scale Invariant Feature Transformation)算法提取航拍图像特征点过多导致匹配算法效率低和算法中出现误匹配对导致匹配精度低的问题,提出一种通过选择高层特征获得匹配集后使用MSAC(M-Estimate Sample Consensus)算法不同模型筛选匹配集的方法,实现航拍图像匹配。首先,从第二层开始采用高斯金字塔图像提取特征,计算特征之间的点积,取
进入大数据时代,用户数据成为企业的战略资源,数据的安全问题也受到更多人的重视。全同态加密是兼顾加密与数据运算能力的密码方案,本文基于后摩尔时代的密码安全问题和访问公钥机构带来的性能问题,针对现有全同态加密算法中,单比特加密的效率低、抗噪声能力弱、同态计算深度低的问题,借助格理论构造一个基于身份的矩阵全同态加密算法。首先提出改进的身份基矩阵加密算法,算法基于格上判定性误差学习困难问题,能抵抗量子算法
对高分辨率遥感影像进行场景分类是解译遥感影像信息的一项重要工作。为了更全面,准确地识别遥感影像所包含的信息,研究者们不满足于传统的人工设计特征,将深度学习利用到了场景分类中,构建卷积神经网络来对遥感影像进行检测和分类。目前,利用深度学习进行场景分类工作已经成为一种主流的方式,广泛应用于语义分割、目标检测和图像分类等计算机视觉领域,然而,高分辨率遥感影像往往具有背景复杂性强、目标多样性大和目标信息与
数字图像相关方法(Digital Image Correlation)简称DIC,是一种直接、高效和经济的光学测量力学技术,以图像分析为基础,测量含有位移和应变的变形场。DIC具有简易的光路、强大的环境适应能力、测量范围广等优点,已经在实验力学和不同的相关研究领域得到了广泛的应用。目前的数字图像相关方法在光照强度,空气湿度,大气不稳定和实验中施加的动载荷,冲击载荷的极端测试条件下的求解精度仍存在一
基于DeepLabV3+算法进行图像语义分割的任务中,因忽视不同级别特征图中的特征重要程度存在差异性,导致丢失大量的特征细节信息,致使分割效果不佳,针对上述问题,提出了一种基于改进Deep Lab V3+的图像语义分割方法。首先,采用Xception模型作为主干网络,在这个模型中同时提取两条低级特征作为解码器的特征输入,增加特征信息;其次,引入注意力机制,采用通道注意力对从主干网络中获取到的特征图
随着互联网技术的发展,数字水印技术成为数字版权保护的重要解决方案之一。针对数字水印技术中非盲水印算法需要第三方保护相对于盲水印不安全的特点和盲水印算法的可逆的特性,本研究把非盲水印算法与盲水印算法结合起来,将不可逆算法运用到盲水印中,同时运用视觉密码、重复码、DCT转换和Schur技术实现不需要第三方保护的不可逆盲水印算法。首先,利用视觉系统通道分解图像,对原始图像进行DCT变换和Schur分解,