检索结果-南通市图书馆

北京航空航天大学学报 2023年第6期49卷 1523-1532页

作者：李显牛保宁柳浩楠张旭康太原理工大学信息与计算机学院晋中030600

稀有时间序列分类(RTSC)在天文观测等领域有广泛应用。针对目前稀有时间序列方法处理大规模数据集存在准确率低和时间成本高的问题,以天文观测中的短时标稀有天体光变事件——耀发现象为研究对象,提出改进的稀有时间序列分类方法RTSC-F... 详细信息

稀有时间序列分类(RTSC)在天文观测等领域有广泛应用。针对目前稀有时间序列方法处理大规模数据集存在准确率低和时间成本高的问题,以天文观测中的短时标稀有天体光变事件——耀发现象为研究对象,提出改进的稀有时间序列分类方法RTSC-FS。该方法融合动态时间弯曲(DTW)的改进fastdtw和SBD度量序列距离,同时具有fastdtw计算复杂度低、衡量精度高和SBD计算速度快的特点,采用滑动窗口过滤、重采样、窗函数平滑、标准化数据等数据预处理技术进一步降低时间成本。在由地基广角相机阵(GWAC)记录到的星等变化的时间序列数据集上,所提方法从约791万天次的光变数据中发现具有耀发特征的曲线44条,召回率60.27%,查准率达34.65%,相比Baseline发现数量更多,召回率、查准率有所提升。

关键词：稀有时间序列分类 fastdtw算法 SBD方法地基广角相机阵星等

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于fastdtw的电网计量数据采集器优化配置方法

引用

电气技术与经济 2024年第11期 375-377页

作者：余洪波国网襄阳供电公司营销运营中心

由于数据采集器的配置参数易受到数据间相似度的影响,导致优化配置后的采集器数据采集效率较低,优化配置效果不好。为此,提出基于fastdtw的电网计量数据采集器优化配置方法。基于电网计量数据的采集要求,以数据采集精度、数据采集效率... 详细信息

由于数据采集器的配置参数易受到数据间相似度的影响,导致优化配置后的采集器数据采集效率较低,优化配置效果不好。为此,提出基于fastdtw的电网计量数据采集器优化配置方法。基于电网计量数据的采集要求,以数据采集精度、数据采集效率、采集器的安装成本效益构造数据采集器的优化配置函数,并通过对其设计路由质量约束和延迟满足度约束等条件,以此为依据,采用fastdtw算法求解目标函数,并利用粒度映射矩阵计算数据间的序列相似度,从而获取最优配置参数。实验结果表明,利用所提方法对数据采集器进行优化配置,可以提高数据采集量,采集效率较高,优化配置效果较好。

关键词： fastdtw算法电网计量数据采集器优化配置数据采集量采集效率

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于时序医疗数据的ICU医学预测方法研究

基于时序医疗数据的ICU医学预测方法研究

引用

作者：苏越阳北京化工大学

学位级别：硕士

ICU医学预测的主要目标是通过研究和分析病患的临床医疗数据,判定其身体状况以及病情的发展趋势。良好的预测模型可以帮助医生更好的制定医疗方案,避免过度治疗以及治疗延误等情况的发生。ICU医学预测依赖于大规模的医疗数据集,但是由... 详细信息

ICU医学预测的主要目标是通过研究和分析病患的临床医疗数据,判定其身体状况以及病情的发展趋势。良好的预测模型可以帮助医生更好的制定医疗方案,避免过度治疗以及治疗延误等情况的发生。ICU医学预测依赖于大规模的医疗数据集,但是由于医疗数据获取方式单一,现有的医疗数据集广泛存在样本类别不平衡的问题,严重影响医学预测模型的分析效果。在预测模型构建方面,传统的ICU医学预测模型无法有效感知时序医疗数据局部状态的变化,所以时序数据利用率较低,临床价值较小。因此,研究基于时序医疗数据的ICU医学预测方法具有重要的意义。针对上述问题,本文提出了基于fastdtw的时序数据样本类别平衡化方法以及基于时序状态监督机制的refuse型Bi-LSTM医学预测模型。主要工作如下:1、为了解决医疗数据集广泛存在的样本类别不平衡问题,本文研究和分析了样本类别平衡化方法。引入了 FastWTD算法处理时序数据,平衡各类别的样本数量。提出了基于fastdtw的时序数据样本类别平衡化方法,有效的提高了样本的构造效率和平衡化效果。2、为了提高医学预测模型的分析性能,本课题研究了基于CNN、LSTM的多种医学分类预测模型的构建方法。针对医学预测中数据依赖的局部性特点,本文提出了基于时序状态监督机制的预测模型构建方法,有效的增强了预测模型捕捉时序指标局部变化的能力,提高了模型的收敛速度;针对分类预测问题中未知类别样本对标签类别分类准确率的影响,本文将传统分类问题扩展为refuse型分类问题,并且提出了 refuse型分类模型的构建方法,极大的改善了医学预测模型的分析效果。3、最后通过实验,证明了本文提出的基于fastdtw的时序数据样本类别平衡化方法以及基于时序状态监督机制的refuse型医学预测模型的有效性。

关键词：样本类别平衡化 fastdtw算法 Bi-LSTM refuse型分类模型时序状态监督机制

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：