• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference of the System Dynamics Society >A novel way to measure (dis)similarity between model behaviors based on dynamic pattern features
【24h】

A novel way to measure (dis)similarity between model behaviors based on dynamic pattern features

机译：一种基于动态模式特征测量模型行为之间（不相似）相似性的新颖方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a novel way of quantifying pattern-wise (dis)-similarity between two time-series data. The approach filters out all numerical information from a given time-series data, and generates a qualitative description of it in terms of atomic behavior modes. The comparison of two data-series, hence the similarity calculation is based on these qualitative descriptions. Different from early examples in the field, the proposed approach focuses purely on pattern features, and does not require to be trained for a fixed set of patterns beforehand. During preliminary tests, it is observed that the algorithm performs very well, and the computational cost in terms of time is quite low. Using the proposed (dis)-similarity calculation, it is possible to present model results in a more objective and quantified manner. Apart from that, such a quantification enables the use of advanced computational techniques in various phases of the modeling cycle.
机译：本文提出了一种新颖的量化两个时间序列数据之间的模式相似度的方法。该方法从给定的时间序列数据中筛选出所有数字信息，并根据原子行为模式对其进行定性描述。两个数据系列的比较，因此相似性计算基于这些定性描述。与本领域中的早期示例不同，所提出的方法仅侧重于图案特征，而无需事先针对固定的一组图案进行训练。在初步测试中，可以观察到该算法执行得很好，并且在时间方面的计算成本非常低。使用提出的（非）相似性计算，可以以更客观和量化的方式呈现模型结果。除此之外，这种量化使得能够在建模周期的各个阶段中使用先进的计算技术。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号