检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种基于深度学习的时序病变数据段分类方法

电子科技 2024年第6期37卷 84-91页

作者：袁傲齐金鹏贾灿薛宇鑫郭阳阳东华大学信息科学与技术学院上海201620

针对在大规模时序医疗数据的分析中现有检测方法检测精度低、检测速度慢等问题,文中提出了一种基于深度学习的时序病变数据段分类方法。该方法在tstks(Ternary Search Trees and modified Kolmogorov-Smirnov)算法和滑动窗口理论的基础... 详细信息

针对在大规模时序医疗数据的分析中现有检测方法检测精度低、检测速度慢等问题,文中提出了一种基于深度学习的时序病变数据段分类方法。该方法在tstks(Ternary Search Trees and modified Kolmogorov-Smirnov)算法和滑动窗口理论的基础上,利用深度学习技术实现了对病变数据段的快速准确分类。文中以利用该方法对病变数据段进行分类的结果作为依据,实现了滑动窗口大小的动态调整。通过对真实癫痫脑电信号(Electroencephalogram,EEG)进行分析,证明了所提病变数据段分类方法和基于该分类方法的滑动窗口动态调整机制具有检测速度快、精度较高等优点,可以为大规模时序数据的快速分析研究提供一种新选择。

关键词：大数据分析时序数据动态滑动窗口多突变点检测深度学习癫痫脑电信号 BP神经网络 tstks算法

一种基于自适应滑动窗口的突变点在线检测方法

在线全文

学校读者我要写书评

暂无评论

一种基于自适应滑动窗口的突变点在线检测方法

作者：邹俊晨东华大学

学位级别：硕士

近20年来,数据在各行各业受到越来越多的关注,生产、交易、医疗等领域的数据被大量收集,用于企业产品升级或服务转型方面的研究。社会各界对数据的重视加速了数据分析技术的发展,也对现有的数据分析方法提出了更高的要求。由于数据流具... 详细信息

近20年来,数据在各行各业受到越来越多的关注,生产、交易、医疗等领域的数据被大量收集,用于企业产品升级或服务转型方面的研究。社会各界对数据的重视加速了数据分析技术的发展,也对现有的数据分析方法提出了更高的要求。由于数据流具有即时性高、流速大的特点,传统的离线数据分析方法已经不能满足数据流分析的实时性要求。因此,数据流的在线分析方法应运而生,并逐渐得到学术界和工业界的青睐,成为数据流研究的重要方向。目前,滑动窗口模型是数据流突变点在线检测的关键技术之一。运用滑动窗口技术对到达的数据流切段,将数据流划分到若干个窗口中并加以分析,明显提高了突变点检测的速度,满足了在线检测的实时性要求。但在滑动窗口模型中,窗口大小选取不当会造成突变点检测精度下降的问题。窗口过大,窗口内数据波动被掩盖,会导致突变点检测精度降低;窗口过小,数据量少、携带信息少,也会导致突变点检测精度降低。所以,滑动窗口模型中窗口大小的选取,是影响数据流突变点检测精度的重要因素。本文以滑动窗口模型中窗口大小与突变点检测精度的关系为研究对象,提出了一种窗口大小可以根据检测过程进行动态调整的自适应窗口模型,并将该模型用于模拟数据和真实脑电波数据的突变点检测,均取得了显著的效果。首先,本文引入了一种速度较快的tstks突变点检测算法,结合滑动窗口理论,构建了一个数据流突变点在线检测模型。tstks算法是由HWKS算法改进而来,通过在二叉树的基础上增加中间分支,解决了HWKS算法对于出现在中间部分的突变点不敏感的问题。实验结果表明,相比于其他算法,引入tstks算法的滑动窗口突变点检测模型表现更优异。其次,根据数据流突变点检测过程中得到的局部信息,提出了3种自适应窗口调整策略。策略1基于检测过程中各个窗口突变点的检测结果制定,适用于轻微震荡的数据流;策略2基于检测过程中各个突变点间隔大小的变化而制定,适用于分布剧烈震荡的数据流;策略3基于检测过程中相邻窗口内数据分布的差异大小而制定,适用于分布平缓的数据流。分别将3种自适应窗口策略引入滑动窗口模型进行仿真,并与固定窗口模型进行比较。实验结果表明,3种自适应策略均可在一定幅度内优化滑动窗口模型的突变点检测性能。再者,根据3种自适应窗口策略各自的性能表现特点,提出了一种自动窗口策略选择方法。该方法结合了三种自适应窗口策略的优势,根据局部数据的分布情况灵活地选取相应的自适应窗口策略。实验结果表明,引入该自动窗口策略选择方法的模型的性能优于任意单一的自适应策略模型。最后,结合3种自适应窗口策略与智能策略选择方法,构建了一个自适应窗口突变点在线检测模型,并对真实的癫痫脑电数据进行突变点检测。实验结果表明,本文提出的自适应窗口模型与传统的固定窗口模型相比,性能表现得到明显的提升。

关键词： tstks算法突变点检测在线检测滑动自适应窗口数据流分析

基于自适应随机策略的多突变点在线检测与病变数据关联分析

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

基于自适应随机策略的多突变点在线检测与病变数据关联分析

作者：朱俊俊东华大学

学位级别：硕士

近年来,由于互联网技术的迅猛发展,在各大行业中催生出海量的数据。例如金融、医疗、教育等行业每天都在产生大量的数据,企业利用这些数据可以进行广告推送、市场细分、数据分析和各种产品的创新。随着数据量的急速增长,对于处理数据的... 详细信息

近年来,由于互联网技术的迅猛发展,在各大行业中催生出海量的数据。例如金融、医疗、教育等行业每天都在产生大量的数据,企业利用这些数据可以进行广告推送、市场细分、数据分析和各种产品的创新。随着数据量的急速增长,对于处理数据的方法也提出了更高的要求。目前,数据流突变点检测技术也逐渐得到了广泛的关注,但传统的检测技术已不能满足当前的需求。因此,在线检测方法由此而来,并随着对数据分析方法性能方面的要求越来越高,逐渐成为当前研究的热点问题。滑动窗口是目前数据流多突变点检测中的常用的技术之一,运用滑动窗口可以将时序数据流进行切分成多个子序列,对每个窗口中的子序列分别进行分析以达到多突变点检测的目的。在检测突变点的过程中,我们发现滑动窗口的长度会对突变点的检测结果产生一定的影响。此外,传统的数据流突变点检测技术大部分都是离线算法,无法对数据流进行在线检测。本文基于离线算法和滑动窗口模型,提出了一种基于自适应在线模型和随机交叠模型的多突变点在线检测模型,并利用本文所提模型构建多路病理信号关联网络,分析信号之间的关联关系,均取得了较好的效果。首先,本文介绍了tstks算法,结合滑动窗口模型可以对数据流进行多突变点检测。在此基础上,引入了缓冲区模型,利用缓冲区实时接收时序数据,再将数据放置到数据接收器中,利用滑动窗口切分数据,在每个滑动窗口中利用tstks算法进行多突变点在线检测。其次,根据不同阶段的数据波动趋势,提出了自适应在线模型,该模型可以动态调整缓冲区的长度,利用连续多个缓冲区内检测到的突变点的情况进行调整。根据缓冲区内检测到的突变点个数的变化情况,当连续的多个缓冲区内数据检测到的突变点个数逐渐减小时扩大缓冲区的长度;当连续的多个缓冲区内数据检测到的突变点个数逐增大时,可以减小缓冲区的长度。此外,滑动窗口的长度也会随着缓冲区的长度进行调整,当缓冲区长度减小时滑动窗口的长度根据比例相应的减小,当缓冲区长度增加时,滑动窗口的长度也随着增大。同时,为了进一步提升算法对突变点的检测效果,在滑动窗口模型中引入随机交叠模型,利用该模型提升算法的准确性。从验结果可以看出,自适应在线模型相比固定缓冲区模型,时耗有了较为明显的降低,同时基于自适应在线模型的随机交叠模型可以进一步提高算法对突变点检测的准确度。最后,利用本文提出的自适应在线模型和随机交叠模型,构建多路病理信号关联网络,对病变数据进行关联分析。实验结果表明,基于本文提出的自适应在线模型和随机交叠模型构建出的关联网络相比于固定缓冲区和固定滑动窗口模型、无缓冲区和固定滑动窗口模型具有更好的效果。

关键词： tstks算法在线检测自适应模型随机交叠模型关联网络

一种基于波动向量分级技术的病变数据快速分析方法

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

电子科技 2022年第7期35卷 1-6页

作者：孔凡书齐金鹏龚汉鑫朱俊俊曹一彤东华大学信息科学与技术学院上海201620

在大规模时序数据分析中,传统数理统计与分析技术耗时较多,精度不高,抗干扰能力不强。针对这些问题,文中基于波动向量分级技术,提出一种病变时序数据快速分析方法。该方法在tstks突变点检测算法与滑动窗口理论的基础上,采用多阈值分割... 详细信息

在大规模时序数据分析中,传统数理统计与分析技术耗时较多,精度不高,抗干扰能力不强。针对这些问题,文中基于波动向量分级技术,提出一种病变时序数据快速分析方法。该方法在tstks突变点检测算法与滑动窗口理论的基础上,采用多阈值分割技术实现了波动向量的多层分级策略,进而实现了对大规模病变时序数据的状态分析与快速诊断。仿真实验与脑癫痫病变信号分析实验结果表明,文中所提出的新方法速度较快,效率较高,可以为大规模时序数据快速分析提供参考。

关键词：时序数据数据分析 tstks算法突变点检测滑动窗口理论波动向量阈值分割多层分级

在线全文

学校读者我要写书评

暂无评论

一种快速的突变点在线检测算法设计与实现

电子科技 2020年第8期33卷 10-15,52页

作者：邹俊晨齐金鹏李娜刘佳伦朱厚杰东华大学信息科学与技术学院上海201620

传统tstks算法是一种离线突变点检测算法,该算法在待检测数据存在多个突变点时准确度较低。针对这一问题,文中结合tstks算法与滑动窗口理论,提出了一种快速时序数据突变点在线检测方法。该方法利用滑动窗口的思想将待检测数据切分为若... 详细信息

传统tstks算法是一种离线突变点检测算法,该算法在待检测数据存在多个突变点时准确度较低。针对这一问题,文中结合tstks算法与滑动窗口理论,提出了一种快速时序数据突变点在线检测方法。该方法利用滑动窗口的思想将待检测数据切分为若干子段,并根据窗口顺序对每个子段采用tstks算法进行突变点检测,进而实现时序数据多突变点快速检测。实验结果表明,相比于常见的几种突变点检测算法,采用文中提出算法对存在多突变点的时序数据进行检测时耗时较少,相对误差率较低且命中率较高。

关键词： tstks算法突变点检测三叉搜索树滑动窗口理论时序数据在线检测