动态时间规整
动态时间规整的相关文献在1997年到2022年内共计491篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文367篇、会议论文23篇、专利文献171758篇;相关期刊206种,包括传感技术学报、传感器与微系统、计算机工程等;
相关会议22种,包括2016电力行业信息化年会、第十二届全国人机语言通讯学术会议(NCMMSC`2013)、2013年中国计算机学会人工智能会议等;动态时间规整的相关文献由1504位作者贡献,包括周治平、王鹏、苗敏敏等。
动态时间规整—发文量
专利文献>
论文:171758篇
占比:99.77%
总计:172148篇
动态时间规整
-研究学者
- 周治平
- 王鹏
- 苗敏敏
- 赵劲松
- 吕琛
- 周博
- 孙伟
- 宋承云
- 张浩
- 洪青阳
- 田野
- 童峰
- 俞燕
- 刘建
- 刘志镜
- 刘霞
- 周跃海
- 孙子文
- 尚志武
- 崔晓玲
- 张杰
- 李万祥
- 李森
- 李睿
- 檀蕊莲
- 潘楠
- 王建平
- 王振恒
- 王炳荣
- 王莉
- 石战战
- 秦勇
- 郭莉莉
- 陆成刚
- 韩安平
- 马斌
- 高茂生
- 黄志同
- 丁任之
- 严海康
- 于凤芹
- 于明
- 于越
- 亓晋
- 亓蓓
- 伍伟嘉
- 何天翔
- 何雷
- 侯岩
- 冯志远
-
-
许灵洁;
沈建良;
郭鹏;
陈骁;
李志立
-
-
摘要:
电能计量系统误差估计是针对由电能表、电流互感器(Current Transformer,CT)、电压互感器(Voltage Transformer,VT)和二次回路组成的电能计量装置潜在危害的有效手段。电能表和二次回路的计量误差可以在线监测,但CT和VT的计量误差不能直接测量,且随温度、泄漏电流等因素的变化而变化。文中提出了一种利用隶属云(Membership Cloud,MC)和动态时间规整(Dynamic Time Warping,DTW)连续估计CT和VT变比和相位误差的方法。该方法构造了一个新的混合半梯形MC生成器(MC Generator,MCG),以解决在不同影响因素下误差偏差的随机性和模糊性问题。利用改进的DTW算法(Modified DTW,MDTW),可以根据误差时间序列与量化影响因素之间的相似性,估计CT和VT误差。将电能表和二次回路的测量误差与估计的电流互感器和电压互感器误差相结合,便可得到电能计量系统的综合误差。通过110 kV变电站电能计量装置的现场测试数据,验证了所提方法的有效性。
-
-
罗海荣;
徐丽娟;
张逸;
姚文旭
-
-
摘要:
针对传统谐波监测数据预警方法仅考虑短时或单一时刻的数值大小分布,未关注到长期趋势变化的问题,文章提出了基于谐波监测数据相关性分析的趋势预警方法:在分析了长期运行过程中谐波监测数据随时间变化趋势的周期规律性以及相似性基础上,对比实时监测数据与正常状态数据的变化趋势,若趋势差异大,则预警。使用滑动均值法提取数据整体趋势变化,避免短时波动等干扰对整体趋势分析的影响;根据动态时间规整算法,量化不同时段数据变化规律的差异,并进行异常趋势预警;利用现场实测数据,验证了文章方法的正确性和有效性。
-
-
魏晖;
杨飞;
朱洪涛;
张美芸;
殷华
-
-
摘要:
目前,尚未明确轨道动静态检查结果间的匹配关系,其直接影响轨道不平顺的评价与维修。为实现动检与静检高低、轨向在数据层面的匹配,从动静检不平顺的定义出发,以矢距构造高低、轨向的查询序列与匹配序列。利用动态时间规整计算序列间的规整路径,并由规整路径的稳健估计修正里程基准,以缩减搜索空间。对修正后的序列再次进行动态时间规整,得到最优规整路径,实现动静检高低、轨向不平顺在数据层面的识别与对齐。采用Pearson相关系数、锁相值及平均绝对误差对匹配的一致性、同步性及准确性进行评价。以某高铁的左高低动静检数据为例,对上述方法进行验证。验证结果显示,动静检匹配波形的一致性、同步性及准确性良好,其匹配后序列间相关系数为0.970,锁相值为0.954,平均绝对误差0.215 mm,优于单纯的里程基准修正的匹配结果。通过矢距序列的动态时间规整-里程基准修正-二次时间规整,可实现轨道动静检高低、轨向数据的匹配。上述方法为深入讨论不平顺的动静映射问题提供了技术依据,并可用于轨道状态信息的深度挖掘。
-
-
宋海锋;
张敏杰;
曾小清;
应沛然;
何乔;
冯栋梁
-
-
摘要:
针对列车丢失卫星信号无法定位的问题,提出了一种基于动态时间规整(DTW)算法的列车平顺度信息匹配的方法。借助传感器对列车的在线的平顺度信息进行采集,利用基于DTW-KF(卡尔曼滤波)的方法对采集到的数据进行处理与规整匹配。基于列车自身速度传感器等的数据作为模板变量与在线测量数据作为测试数据进行匹配,根据DTW的最优匹配路径、失真度和匹配结果可以在列车在丢失卫星信号,无法定位的情况下给出列车离线定位信息。对模板数据进行分块处理(二均分,四均分)与测试数据进行实时匹配,根据DTW算法匹配结果对惯性导航系统(INS)进行误差校正可以使列车在丢失卫星信号的情况下得到列车的在线定位信息。
-
-
郝石磊;
王志海;
刘海洋
-
-
摘要:
时间序列分类问题是时间序列数据挖掘中的一项重要任务,近些年受到了越来越广泛的关注.该问题的一个重要组成部分就是时间序列间的相似性度量.在众多相似性度量算法中,动态时间规整是一种非常有效的算法,目前已经被广泛应用到视频、音频、手写体识别以及生物信息处理等众多领域.动态时间规整本质上是一种在边界及时间一致性约束下的点对点的匹配算法,能够获得两条序列间的全局最优匹配.但该算法存在一个明显的不足,即不一定能实现序列间的局部合理匹配.具体的讲,就是具有完全不同局部结构信息的时间点有可能被动态时间规整算法错误匹配.为了解决这个问题,提出了一种改进的基于局部梯度和二进制模式的动态时间规整算法LGBDTW(local gradient and binary pattern based dynamic time warping),通过考虑时间序列点的局部结构信息来强化传统动态时间规整算法.所提算法虽然实质上是一种动态时间规整算法,但它通过考虑序列点的局部梯度和二进制模式值来进行相似性加权度量,有效避免了具有相异局部结构的点匹配.为了进行全面比较,将所提出的算法应用到了最近邻分类算法的相似性度量中,并在多个UCR时间序列数据集上进行了测试.实验结果表明,所提出的方法能有效提高时间序列分类的准确率.此外,实例分析验证了所提出算法的可解释性.
-
-
孙世岩;
张钢;
梁伟阁;
佘博;
田福庆
-
-
摘要:
针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题,提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先,采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次,对采集得到的原始数据预处理后提取健康因子,将训练用数据和测试数据分别构成参考数据集和目标数据集。然后,以参考数据集为基础,利用动态时间规整算法扩增目标数据集数据。最后,使用数据扩增后的测试数据训练BLSTM网络,利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明,基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据,扩增性能退化过程相似的滚动轴承运行数据,利用扩增数据训练BLSTM网络,能够有效提高性能退化趋势预测能力,进而提高剩余寿命预测精度。
-
-
白东壮;
田世明;
邹毅豪;
周颖;
徐玉婷;
韩凝晖;
李永军
-
-
摘要:
针对居民空调用电行为分类中存在事件型数据,导致分类分析耗时长、结果不准确等问题,提出一种基于函数型数据分析(FDA)模型的居民空调用电行为分类分析方法。该方法采用多重分形理论提取居民用电行为特征,使用函数型数据分析算法对居民空调用电行为进行聚类后获取居民空调用电行为类别,采用改进动态时间规整算法对居民空调用电行为实施分类处理,得到居民空调用电行为。根据非介入式设备采集到的实际居民用电行为信息检验该方法的有效性,实验结果表明:该方法可以较好地提取居民用电行为特征,且可有效提高用户空调用电行为分类精度以及缩短分类耗时,可充分描述居民空调开启情况以及消耗电量,具备较好的应用效果。
-
-
王鹏;
杨勇
-
-
摘要:
为了解决各信号系统间潜在的安全隐患,急需开展安全信息监督相关技术的研究。为此,通过对各信号系统间结合部数据的监督分析,对系统间数据采样时间可能不同步的场景,利用动态时间规整技术,以规整后的源头和终点数据为边界,重点监督分析几类影响列车安全运行的场景,及时发现系统结合部信息不一致的异常情况,对潜在的隐患进行预警,从而助力高铁行车更安全,调度指挥更高效。
-
-
刘灏;
朱世佳;
毕天姝
-
-
摘要:
同步相量测量单元(PMU)能为电力系统监测和控制提供实时数据。然而,PMU连续坏数据与扰动数据高度相似,可能会导致控制中心做出错误的决策。针对PMU连续坏数据难以与扰动数据区分的问题,提出了一种基于局部离群因子(LOF)的连续坏数据检测算法。通过大量现场数据分析得出连续坏数据空间相似性差、扰动数据空间相似性强的结论,依据此结论提出了基于动态时间规整(DTW)的空间相似性评估方法。通过评估不同PMU的空间相似性来计算每台PMU的LOF值,进一步,提出了基于箱线图的阈值确定方法。通过比较当前窗口每台PMU的LOF值是否超过阈值,在线识别连续坏数据。仿真和测试结果表明,所提方法能有效实现连续坏数据的辨识和检测,并区分扰动数据。
-
-
宋玮琼;
郭帅;
李冀;
刘恒;
郭秋婷;
胡伟
-
-
摘要:
为解决低压配电网络户变关系不准确带来的台区线损统计、排查困难等问题,根据电力大数据技术,提出了基于变压器低压侧和用户侧电压时序数据聚类的配电台区户变关系智能识别方法。首先,采用改进的动态时间规整算法计算用户时序电压序列的相似度;其次,提出基于自组织特征映射算法与K-means算法相结合的两阶段聚类方法,结合时序数据相似度实现基于形状的快速聚类,将连接同一变压器同相位下的用户聚成一类,实现台区户变关系的智能识别;最后,利用实际配电网的台区量测数据进行仿真验证和分析,仿真结果证明了本文所提方法的有效性。
-
-
汪可;
廖瑞金;
杨丽君;
邓小聘;
周天春
- 《重庆市电机工程学会2010年学术会议》
| 2010年
-
摘要:
本研究利用试品升、降压过程中的视在放电量–施加电压序列作为局部放电特征量,并将动态时间规整(DTW)分类算法引入局部放电模式识别中。算法在训练阶段首先利用矢量量化方法构造码本,并以码本码字代替原始特征矢量实现数据压缩,同时采用训练样本构造DTW参考模板。在测试阶段,计算测试样本与每类放电参考模板的平均DTW距离,并利用快速匹配(FM)算法加快DTW运算过程,最后应用最近邻识别准则得到识别结果。对5类放电的200个样本的测试结果表明,DTW算法能够有效识别不同放电源与DTW算法相比,DTW-FM算法具有更高识别率和节省56%计算量的优点。
-
-
柳崇斌;
徐佳;
陈瑞迪
- 《江苏省测绘地理信息学会2020年学术年会》
| 2020年
-
摘要:
由于光学遥感容易受到云雨天气的影响,难以获取有效长时间序列的光学影像.基于Sentinel-1SAR时间序列数据,提出了一种基于优化动态时间规整(Dynamic Time Warping,DTW)的水稻种植区提取方法.首先根据物候特征构建Sentinel-1SAR时间序列数据,分别基于像元和对象构建后向散射系数(σ0)时间序列曲线;然后利用优化的动态时间弯曲(Dynamic time warping,DTW)算法,计算σ0时序曲线与标准σ0的相似性;最后以此为依据提取水稻种植区,并与传统DTW算法提取的结果进行对比.以江苏省东台市为研究区开展实验,结果表明,优化的DTW算法解决了全局寻优导致的时间位移不一致、时间跨度大问题,比传统DTW算法的正确率提高了1.38%;采用面向对象分类方法可以避免逐像元提取过程中出现的椒盐现象,正确率和完整率分别提高了2.48%和3.58%.
-
-
石战战;
唐湘蓉;
刘伟;
杨小江
- 《2018勘探地球物理学研究进展学术研讨会》
| 2018年
-
摘要:
由于地下介质通常具有各向异性和非均质性,导致常规速度分析及动、静校正难以拉平地震同相轴,常规处理后的地震道集仍然存在剩余时差,这对AVO属性分析和叠前反演非常不利.为了解决这一难题,提出了一种基于形状上下文(Shape Context,简写为SC)和动态时间规整(Dynamic Time Warping,简写为DTW)的叠前道集剩余时差校正方法.该方法利用叠前道集内各地震道波形的相似性,优选出参考道,并在计算时窗内将道集中的每一道都与参考道进行SC-DTW计算,求取其动态规整路径,进行剩余时差校正.数值模拟(模型)和实例分析结果表明,基于SC-DTW的叠前道集剩余时差校正方法具有较好的抗噪声能力,对地震波形畸变具有较好的鲁棒性,能够有效消除叠前地震道的剩余时差,处理后的地震同相轴波形连续,振幅特征未改变,可以提高AVO属性分析、叠前反演等地震资料处理解释的准确性.该剩余时差校正方法具有较好的实用性和推广价值.
-
-
-
-
Jia Qi;
贾棋;
Tian Xiaoyu;
田晓字;
Fan Xin;
樊鑫;
Luo Zhongxuan;
罗钟铉;
Guo He;
郭禾
- 《2013年中国计算机学会人工智能会议》
| 2013年
-
摘要:
模式识别是人工智能研究领域的一项重要课题,对于目标物在射影变换、仿射变换下的识别,尤其是严重变形情况下的识别和匹配更是该领域的研究热点和难点.针时仿射变换下的平面目标识别问题,提出了一种新的几何特征不变量——特征比,并以此为基础构造了一种新的仿射不变图像特征描述符.该描述符通过构造一系列与目标图像相交的直线,将图像用一系列共线点的位置关系进行表示.进而,将点的位置关系转化为特征比并表示成一系列的特征比谱;最后,通过动态时间规整(dynamic time warping,DTW)算法比较特征比谱间的距离得出图像间的相关性,从而进行目标识别.实验表明,该算法不仅对严重的仿射变形有较高的识别率,对相似度较高的图像也有很好的区分效果。
-
-
-
董云峰;
亓蓓
- 《2010年全国高等职业教育计算机信息学术年会》
| 2010年
-
摘要:
本文研究了网络音乐哼唱检索引擎中的常用算法,并对算法在大型音乐哼唱检索系统中的性能进行了评测。为了支持对于多种近似匹配算法的比较研究,开发了一个独立于算法的网络测试平台用于测试多种算法的性能。所研究的基本算法包括后缀树方法、隐马尔科夫模型(HMM)方法、近似旋律算法、动态时间规整(DTW)方法和相似度匹配算法。对其中的近似旋律算法、动态时间规整(DTW)方法和相似度匹配算法进行了大量实验,分析评价了它们的性能。实验结果表明,相似度匹配算法是适用于网络音乐哼唱检索引擎的查询算法。
-
-
-
王炳鑫;
侯岩;
方红旺;
陈雨泽;
刘建
- 《2016电力行业信息化年会》
| 2016年
-
摘要:
随着电力信息化的深化应用,电力信息数据呈现爆炸式增长趋势,电力行业的大数据时代已经到来.传统的在小规模数据量下对客户用电行为进行统计分析,具备一定的指导价值,但在海量数据情况下的应用效果不是很理想.与传统的客户用电行为分析相比,基于大数据的客户用电行为分析更注重对客户用电价值的挖掘,可以实现对海量客户用电行为的定量分析,提高客户行为定位的准确度,为更有效地开展客户服务、提高客户满意度、降低运营风险提供决策参考.rn 本文在研究电力业务的基础上,提出了一种面向削峰填谷的海量电力客户用电行为分析方法,为解决海量电力客户的削峰填谷问题,需要分析电力客户的用电行为特征与主网负荷特征的匹配关系。首先基于EM算法对主网历史1年的日负荷曲线数据进行聚类分析,得到不同时期主网的负荷特征,再分别利用分布式k-means算法对每一时期的海量电力客户的日负荷曲线数据进行聚类分析,得到不同主网特征对应电力客户的负荷特征。对比主网负荷特征曲线与客户负荷特征曲线可以得到电力客户的用电行为类型,如迎峰型(用户负荷特征曲线与主网负荷特征曲线走势相同,应该采取削峰填谷措施)、逆峰型(用户负荷特征曲线与主网负荷特征曲线走势相反,应该鼓励客户保持用电习惯)等,从而建立主网和电力客户群体的削峰填谷匹配模式。最后利用DTW对未来目标日和历史日进行日期匹配,分析未来目标日主网与用电客户的削峰填谷匹配关系,以确定电力客户群体在目标日的削峰填谷模式,进而对不同模式的客户群体采取不同的削峰填谷措施。