检索结果-南通市图书馆

多元时间序列的Web Service QoS预测方法

在线全文

学校读者我要写书评

暂无评论

软件学报 2019年第6期30卷 1742-1758页

作者：张鹏程王丽艳吉顺慧李雯睿河海大学计算机与信息学院江苏南京211100 南京晓庄学院信息工程学院江苏南京211171

为准确并多步预测 Web 服务的服务质量(quality of service,简称 QoS),方便用户选择更好的 Web 服务,提出了一种基于多元时间序列的 QoS 预测方法 MulA-LMRBF(multiple step forecasting with advertisement-levenbergmarquardt radial basis function).充分考虑多个 QoS 属性序列之间的关联,采用平均位移法(average dimension,简称AD)确定相空间重构的嵌入维数和延迟时间,将 QoS 属性历史数据映射到一个动力系统中,近似恢复多个 QoS 属性之间的多维非线性关系.将短期服务提供商 QoS 广告数据加入数据集中,采用列文伯格-马夸尔特法(Levenberg-Marquardt,简称 LM)算法改进的径向基(radial basis function,简称 RBF)神经网络预测模型,动态更新神经网络的权重,提高预测精度,实现 QoS 动态多步预测.通过网络开源数据和自测数据的实验结果表明,该方法与传统方法相比有较好预测效果,更适合动态多步预测.

关键词：服务质量多元时间序列相空间重构 LM算法 RBF神经网络动态多步预测

在线全文

学校读者我要写书评

暂无评论

多元时间序列因果关系分析研究综述

自动化学报 2021年第1期47卷 64-78页

作者：任伟杰韩敏大连理工大学电子信息与电气工程学部大连116023 大连理工大学工业装备智能控制与优化教育部重点实验室大连116023

多元时间序列的因果关系分析是数据挖掘领域的研究热点.时间序列数据包含着与时间动态有关的、未知的、有价值的信息,因此若能挖掘出这些知识进而对时间序列未来趋势进行预测或干预,具有重要的现实意义.为此,本文综述了多元时间序列因... 详细信息

多元时间序列的因果关系分析是数据挖掘领域的研究热点.时间序列数据包含着与时间动态有关的、未知的、有价值的信息,因此若能挖掘出这些知识进而对时间序列未来趋势进行预测或干预,具有重要的现实意义.为此,本文综述了多元时间序列因果关系分析的研究进展、应用与展望.首先,本文归纳了主要的因果分析方法,包括Granger因果关系分析、基于信息理论的因果分析和基于状态空间的因果分析;然后,总结了不同方法的优缺点、适用范围和发展方向,并概述了其在不同领域的典型应用;最后,讨论了多元时间序列因果分析方法待解决的问题和未来研究趋势.

关键词：多元时间序列 Granger 因果分析转移熵状态空间

在线全文

学校读者我要写书评

暂无评论

多元时间序列相似性度量方法

控制与决策 2017年第2期32卷 368-372页

作者：李正欣郭建胜毛红保高杨军空军工程大学装备管理与安全工程学院西安710051 空军工程大学航空航天工程学院西安710051

现有的多元时间序列相似性度量方法难以平衡度量准确性和计算效率之间的矛盾.针对该问题,首先,对多元时间序列进行多维分段拟合;然后,选取各分段上序列点的均值作为特征;最后,以特征序列作为输入,利用动态时间弯曲算法实现相似性度量.... 详细信息

现有的多元时间序列相似性度量方法难以平衡度量准确性和计算效率之间的矛盾.针对该问题,首先,对多元时间序列进行多维分段拟合;然后,选取各分段上序列点的均值作为特征;最后,以特征序列作为输入,利用动态时间弯曲算法实现相似性度量.实验结果表明,所提出方法参数配置简单,能够在保证度量准确性的前提下有效降低计算复杂度.

关键词：多元时间序列相似性度量特征提取动态时间弯曲计算复杂度

在线全文

学校读者我要写书评

暂无评论

多元时间序列预测技术与应用

多元时间序列预测技术与应用

作者：潘金伟华东师范大学

学位级别：硕士

随着各类计算设备的普及,时间序列数据的收集和存储更加便捷,多元时间序列分析在工业生产、日常生活中得到了广泛的应用,例如股票预测、生产线监控、数字营销、辅助医疗等。多元时间序列分析中存在以下挑战:(1)长期依赖问题。多元时间... 详细信息

随着各类计算设备的普及,时间序列数据的收集和存储更加便捷,多元时间序列分析在工业生产、日常生活中得到了广泛的应用,例如股票预测、生产线监控、数字营销、辅助医疗等。多元时间序列分析中存在以下挑战:(1)长期依赖问题。多元时间序列数据往往具有以月为跨度的长期依赖关系,现有多元时间序列预测算法无法显式建模这种长期依赖。(2)时序依赖与变量间依赖关系问题。基于统计特征的时间序列搜索方法忽略了多元时间序列中复杂的变量间依赖关系与时序依赖关系,导致预测精度受限。(3)训练推理数据分布不一致问题。当多元时间序列预测应用于无监督异常检测任务中时,其假设训练集中数据全为正常的数据,预测模型能够学到多元时间序列的正常模式,通过预测误差来判断异常,但是推理过程会面临异常数据的输入,从而导致异常检测结果不稳定。针对上述这些挑战,本文提出了基于统计特征搜索的预测方法和基于预训练表征搜索的预测方法,对多元时间序列的长期依赖、变量间依赖与时序依赖进行充分建模,有效提升多元时间序列预测精度。提出了基于预测的无监督多元时间序列异常检测方法,利用双重掩码机制来缓解训练推理数据分布不一致问题,提高异常检测的鲁棒性。本文的主要内容总结如下:·基于统计特征搜索的多元时间序列预测方法:时间序列中包含一些长期依赖关系,如长期趋势性、季节性和周期性,这些长期依赖信息的跨度可能是以月为单位的,直接应用现有方法无法显式建模时间序列的超长期依赖关系。本文提出了基于统计特征搜索的预测方法(SFSF)来显式地建模时间序列中的长期依赖,首先对多元时间序列中的平滑特征、方差特征和区间标准化特征等统计特征进行抽取,提高时间序列搜索对趋势性、周期性、季节性的感知。结合统计特征在历史序列搜索相似的序列,利用注意力机制融合当前序列信息与历史序列信息,生成可靠的预测结果。在五个真实的数据集上的实验表明SFSF方法优于六种最先进的方法。·基于预训练表征搜索的多元时间序列预测方法:基于统计特征的时间序列搜索方法忽略了对多元变量间依赖、时序依赖的建模。针对这些问题,本文提出了基于预训练表征搜索的多元时间预测方法(PRSF)。首先设计了基于对比学习的多元时间序列表示学习方法来获取多粒度表征,然后使用多粒度表征从历史序列中搜索相似序列,最后融合当前序列信息与搜索到的历史序列信息来预测未来序列。在四个真实的数据集上的实验证明了PRSF方法的有效性。·基于预测的无监督多元时间序列异常检测方法:多元时间序列无监督异常检测方法中一个重要类别的是基于预测的方法,从正常时间序列中训练预测模型来捕获多元时间序列的正常模式,即认为预测模型生成的预测序列是正常的,当预测误差超过阈值时则判定预测序列为异常。在推理阶段,输入窗口中存在一些异常数据,当预测模型将异常时间序列作为输入时,模型预测结果不稳定。这种训练推理数据分布不一致问题会影响异常检测的精度。此外,多元变量之间的相关性是复杂的,直接对多元时间序列的多元变量信息进行融合,不相关序列之间会互相干扰从而产生噪音,导致异常检测结果变差。本文提出了基于预测的多元时间序列异常检测方法——双掩码自注意力(DUMA)方法。设计了块掩码机制来增强预测模型对异常输入序列的鲁棒性。在此基础上,提出了一种最大掩码自注意力算法,以缓解不相关变量相互之间的噪声干扰。在三个真实的数据集上的实验表明DUMA方法的有效性。

关键词：多元时间序列注意力机制表示学习异常检测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多元时间序列相似性搜索研究综述

控制与决策 2017年第4期32卷 577-583页

作者：李正欣张凤鸣张晓丰陈继成李超空军工程大学装备管理与安全工程学院西安710051

多元时间序列相似模式挖掘是数据挖掘领域的研究热点,它主要包括特征表示、相似模式度量和相似性搜索3个方面.目前,大部分研究成果主要集中在特征表示和相似模式度量,相似性搜索则成为制约问题突破的关键环节.为此,主要针对多元时间序... 详细信息

多元时间序列相似模式挖掘是数据挖掘领域的研究热点,它主要包括特征表示、相似模式度量和相似性搜索3个方面.目前,大部分研究成果主要集中在特征表示和相似模式度量,相似性搜索则成为制约问题突破的关键环节.为此,主要针对多元时间序列的相似性搜索进行综述,归纳了主要的相似模式度量方法,对比了不同相似模式度量下的序列搜索方法,并分析了不同方法的优缺点,以期为进一步研究多元时间序列相似性搜索提供帮助.

关键词：多元时间序列数据挖掘相似模式度量相似性搜索

在线全文

学校读者我要写书评

暂无评论

多元时间序列的子空间回声状态网络预测模型

计算机学报 2014年第11期37卷 2268-2275页

作者：韩敏许美玲王新迎大连理工大学电子信息与电气工程学部大连辽宁116023

针对采用回声状态网络预测多元混沌时间序列时储备池学习算法可能存在的病态解问题,该文提出了一种基于快速子空间分解方法的回声状态网络预测模型.所提模型利用Krylov子空间分解方法提取储备池状态矩阵的子空间,子空间代替原状态矩阵... 详细信息

针对采用回声状态网络预测多元混沌时间序列时储备池学习算法可能存在的病态解问题,该文提出了一种基于快速子空间分解方法的回声状态网络预测模型.所提模型利用Krylov子空间分解方法提取储备池状态矩阵的子空间,子空间代替原状态矩阵进行输出权值求解,可以消除储备池状态矩阵的冗余信息,有效地解决伪逆算法存在的病态解问题,并且降低计算复杂度,提高泛化性能和预测精度.基于两组多元混沌时间序列的仿真结果验证了该文所提模型的有效性和实用性.

关键词：回声状态网络快速子空间分解储备池多元时间序列预测

在线全文

学校读者我要写书评

暂无评论

多元时间序列缺失数据填补方法

系统工程与电子技术 2018年第1期40卷 225-230页

作者：李正欣张凤鸣王瑛陶茜李超空军工程大学装备管理与无人机工程学院陕西西安710051

多元时间序列是一种普遍存在的数据类型,受多种干扰因素的作用,序列中难免存在缺失数据,影响后续的分析处理。首先,针对存在缺失数据的序列,搜索与其同类的相似序列,构建训练集;然后,利用最小二乘支持向量机,分别进行多变量填补和单变... 详细信息

多元时间序列是一种普遍存在的数据类型,受多种干扰因素的作用,序列中难免存在缺失数据,影响后续的分析处理。首先,针对存在缺失数据的序列,搜索与其同类的相似序列,构建训练集;然后,利用最小二乘支持向量机,分别进行多变量填补和单变量填补;第三,根据多变量和单变量填补结果的差异度,提出了一种组合阈值填补方法。最后,对所提方法进行了实验验证,结果表明,它具有较高的填补精度且适用于缺失数据较多的场合。

关键词：多元时间序列缺失数据填补相似性搜索最小二乘支持向量机

在线全文

学校读者我要写书评

暂无评论

多元时间序列分析与系统实现

多元时间序列分析与系统实现

作者：李健华东师范大学

学位级别：硕士

随着信息采集技术的提升,各种时间序列数据涌现,这些数据的信息以时间为顺序存储,数据中蕴含了与时间相关的具有重要价值的信息。多元时间序列分析在生活中广泛用于自然、医学、交通和工业等领域,具有非常重要的现实意义。然而多元时序... 详细信息

随着信息采集技术的提升,各种时间序列数据涌现,这些数据的信息以时间为顺序存储,数据中蕴含了与时间相关的具有重要价值的信息。多元时间序列分析在生活中广泛用于自然、医学、交通和工业等领域,具有非常重要的现实意义。然而多元时序数据常常存在复杂模式,比如时空相关性,趋势变化,噪音与异常等等,这造成了现有的算法在性能上不尽人意。对时序数据分析设计高效算法十分重要,因此针对在多元时间序列中所面临的挑战,本文尝试了大量算法及实验,在真实交通数据集中验证了模型的有效性后,迁移到医疗场景的癫痫预测任务中,并在该任务上取得性能的显著提升。本文的主要贡献如下:1.针对交通流量预测场景中的多元时间序列中隐式非欧空间结构建模问题,基于自注意力机制的基础上,提出一种时空自注意力机制,该机制能除了能够同时捕获时间和空间上下文信息,而且能够有效自动建模隐式空间结构特征。除此之外,对于特殊的高频时序信息,模型设计了额外的分段嵌入(Patch Embedding)模块以及窗口间转移注意力机制,在解决长时序建模难题的同时,改善了滑动窗口带来的时序割裂问题。在真实交通数据验证模型的有效性的同时,并在医疗场景中的癫痫预测任务中取得有效的改善。2.针对脑电信号分析场景中多元时间序列的非平稳性、低信噪比和泛化性低问题,设计了一个基于变分信息瓶颈的对比学习框架。我们首先通过引入变分信息瓶颈理论,通过最小化编码器信息输入和输出的互信息,从而提取更加鲁棒的特征,增强模型的泛化能力;然后引入频域信息,通过对比学习解纠缠时域中时序模式漂移问题,从而对齐时频信息的一致性,在提升模型效果的同时也改善了过拟合和泛化性问题,在真实病人数据上,该模型大幅提升了医疗诊疗精度。3.针对当前缺乏基于深度学习的多元时间序列分析工具这一问题,我们将数据预处理、数据对齐、模型训练和效果分析等功能封装成一套基于Python的工具包。该工具包除了能够一键调用预处理模块,还能对多元时间序列进行各种类型的转换,如时频转换和时图转换等。并且该工具包在内置了多个多元时间序列的基线模型之外,还可通过接口定义新模型,能够快速实现基于深度学习的时间序列分析功能。

关键词：多元时间序列时空序列建模立体脑电图深度学习变分信息瓶颈

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多元时间序列分析的滑坡演化阶段划分

地球科学（中国地质大学学报） 2016年第4期41卷 711-717页

作者：罗文强李飞翱刘小珊黄丽中国地质大学数学与物理学院湖北武汉430074

滑坡的时间-位移曲线一般具有3个阶段特征,即初始变形阶段、等速变形阶段和加速变形阶段,不同演化阶段加速度具有不同的变化特点.目前往往是依据对加速度曲线特征的分析来人为划分演化阶段,缺少相应的理论支持和定量计算.针对上述问题,... 详细信息

滑坡的时间-位移曲线一般具有3个阶段特征,即初始变形阶段、等速变形阶段和加速变形阶段,不同演化阶段加速度具有不同的变化特点.目前往往是依据对加速度曲线特征的分析来人为划分演化阶段,缺少相应的理论支持和定量计算.针对上述问题,选取月降雨量、月库水位高程变化量对滑坡的累计位移建立多因素的时间序列预测模型.然后利用Chow分割点检验理论,以所建模型中F和LR统计量最大值点作为分割点对滑坡演化阶段进行划分.以新滩滑坡和三峡库区白水河滑坡为例,利用累计位移、降雨及库水位变化数据进行计算验证.结果表明,对多元时间序列模型进行Chow分割点检验可对滑坡的演化阶段进行准确划分,为滑坡的临滑预警预报提供重要判据.

关键词：滑坡演化多元时间序列 Chow分割点检验阶段划分工程地质