基于隐马尔可夫链的设备行为识别

研究了一种基于隐马尔可夫链的设备行为识别方法。首先,利用分段累积近似法对得到的时间序列数据进行分割,提取了8种时域特征和时间差特征,使用回归随机森林通过计算特征值的重要性得分进行特征选择;其次,结合熔炼炉的熔炼工艺流程来设置隐状态数目,利用得到的特征进行模型的训练和测试;最后,通过实验对比了隐马尔可夫链和K-menas、KNN、SVM、决策树等方法的运行时间和识别的准确率。结果表明:隐马尔可夫链准确率较高,适用于设备行为的识别。