基于加权DTW的多特征分级融合动态手势识别

AR设备以第一视角获取的动态手势往往存在手掌角度偏转问题,各关节点位移轨迹相较正视角度发生变化,现有的手掌关节点位移特征无法有效识别,并且受限于AR设备性能,部分神经网络模型无法取得良好表现。针对该应用场景,提出一种使用多特征分级融合的手势识别方法。该方法构造位移、长度、角度三个特征对手势进行描述,并进行向量编码与归一化以消除抖动干扰。根据关节点与标准手势的相似度距离,仿照sigmoid函数分配关节点权重,以加权的动态时间规整(DTW)距离进行KNN匹配,并根据最佳的KNN置信度与特征优先级筛选出最可信的特征识别结果。实验结果表明:该方法能有效识别9种存在角度偏转的动态手势;相较于传统的位移特征方法,该方法的平均准确率提高了4%,能有效应对手掌偏转情况下的动态手势识别问题。

基于Kinect动态手势识别的改进DTW算法研究与实现

为了解决传统算法在动态手势识别中存在的准确率不高、难以适应复杂背景等问题,本文提出了一种基于Kinect传感器的改进DTW算法动态手势识别方法.使用Kinect Studio和Visual Gesture Builder训练建立手势模板库,对传统的DTW算法进行限制搜索范围和设置失真度阈值两点改进,利用改进后的DTW算法对提取出来的人物指定关节信息和模板信息进行匹配,从而识别出手势.实验结果表明,改进DTW算法具有较高的动态手势识别准确率,并且能够更好地适应复杂环境.

基于DTW算法和遗传算法的三相不平衡负荷调整

传统的人工调相大多依靠经验和瞬时检测电流进行,存在调相后台区三相平衡不可持续的问题。为此,文中提出了一种基于DTW算法和遗传算法的三相不平衡负荷调整方法。首先,基于电流历史数据用DTW算法计算分析低压台区三相电流之间的相似度,并根据相似度优选适合人工调相的台区;然后,以三相负荷用电量不平衡度最小和负荷调整次数最少为目标函数,建立多目标优化模型,采用向量编码遗传算法求解该模型,得到负荷调整策略;最后,采用文中方法对江西省28个三相不平衡低压台区进行优选,并对优选台区的电流和电量历史数据进行测试,结果表明,负荷调整后的台区三相不平衡时长占比降低了70.68%,可以有效地解决台区三相不平衡问题。

基于改进Fast-DTW的多维地磁序列匹配算法研究

传统单点的地磁匹配定位算法运算量大,且定位时效性及定位精度较差。针对该问题,采用基于序列的快速动态时间规整算法Fast-DTW实现多维的地磁序列匹配,并利用最长公共子序列LCS的有序聚类进行优化。离线阶段通过坐标转换法构建四维地磁指纹库,在线阶段进行实时地磁序列匹配,获得定位结果。实验结果表明,该算法的定位时效性及精度均有提升。

基于多尺度LDTW和TCN的空间负荷预测方法

空间负荷预测为合理建设和使用变电站、馈线等提供了重要的指导,成为配电网规划中不可或缺的一部分。配电网规划的精细化产生了大量高分辨率的负荷数据,社会的快速发展使得地块的用电特征日趋复杂。当前的空间负荷预测没有充分考虑负荷数据之间的时间特性,且在预测过程中也未考虑到不同类型地块间可能存在的负荷峰值出现时间不一致问题。为此,提出一种空间负荷预测方法,通过基于多尺度限制对齐路径长度(LDTW)的谱聚类分析用户的负荷曲线在形状上的相似性,并提取不同地块的典型用电行为,以进一步分类确定同类型地块对应的同时率。多尺度LDTW通过限制序列之间匹配步长的上限来抑制病态匹配的产生,提高曲线相似性的综合评估能力。根据聚类结果筛选适合待预测区域的训练样本并构建基于时间卷积网络(TCN)的回归预测模型,将预测结果基于地块各自的同时率进行聚合,实现空间负荷预测。实验结果表明:该方法加强了对负荷曲线形状的分析和对不同类型地块同时率的区分,在聚类方面,DBI指数达到0.57,VI指数达到0.31;在预测方面,相对误差达到1.93%,决定系数达到0.941,相比其他典型方法均取得了较大改善。

DTW算法在地震时间序列信息挖掘中的应用

采用DTW算法用于实现地震时间序列“异常形态”的回溯性检验与统计,以此提高地震异常信息的深度挖掘效率。随机选取太原地震监测中心站(以下简称太原站)水平摆观测的一段数据作为测试数据,验证该方法的可行性,并利用昔阳地震监测站(以下简称昔阳站)水平摆实际观测数据,自动识别出自观测以来受降雨影响的异常形态。在此基础上,将最近一次数据变化作为模板,进行回溯性检验,共提取出7次类似变化,与之前总结的异常特征一致。经分析,其中4次异常之后对应了太原盆地及其周围M3.6以上地震,运用R值评分对其进行预报效能评估,结果显示该异常形态可通过预报效能检验(R=0.52,R_(0)=0.45),其最佳预测时间为50~90 d内,可作为短期预测指标。

基于SC-DTW距离的低压配电台区拓扑识别方法

在台区数据采集与存储的过程中,不可避免的会产生数据残缺问题,针对目前多数“变-户”拓扑识别方法使用时间刚性对齐距离来计算电压曲线间相似度,无法应对数据缺失场景下的变-户拓扑识别问题,文章提出一种基于形状上下文动态时间规整(shape context-dynamic time warping,SC-DTW)距离的低压配电台区“变-户”拓扑识别方法,首先,计算电压序列各点处的形状上下文直方图,构建代价矩阵代替原始DTW算法中的距离矩阵;然后搜索累积距离最小的最优对齐路径,得到SC-DTW距离图作为台区各用户电压序列间的相似性度量;最后,进行聚类分析,识别台区“变-户”拓扑关系。所提方法基于时间柔性对齐的距离度量,并引入形状上下文描述子(shape context descriptor,SCD)解决DTW算法存在的病态对齐问题,对数据残缺场景下的变–户拓扑识别问题鲁棒性更高。

基于微分思想和动态时间弯曲(DTW)的飞行员着舰技能评估研究

针对舰载机着舰训练,提出了一种基于微分思想和动态时间弯曲(dynamic time warping, DTW)的飞行员驾驶技能评估方法。首先,将着舰过程分解为多元时间序列,通过对着舰过程的分析,选取飞行高度、下沉速度和对中偏差等5个特征参数作为指标,并且拟合出各指标的标准曲线;然后,对选取的特征参数进行微分分段处理,利用特征参数间的关系进行降维表示;最后,利用DTW对评估模型进行计算,实现着舰技能的评估。算例分析表明,基于微分思想和DTW方法对飞行员着舰技能评估具有很好的适用性,有利于促进飞行员着舰技能的提高。

基于LS-DTW和优化k-medoids的磨音信号聚类分析

磨音信号是反映磨机运行状态的一个重要参数,准确区分不同状态下的磨机信号将直接影响后续磨机运行参数优化的结果。通过聚类算法可以对磨音信号进行分类,为使磨音信号聚类效果更优,不仅需要类内距离小,还需要类间距离尽可能大。由此提出一种基于局部稳定性加权动态时间规划(Local Stability Dynamic Time Warping,LSDTW)和优化k-medoids的磨音信号聚类方法。首先为克服动态时间规划(Dynamic Time Warping,DTW)得到的计算结果对噪声高度敏感的缺点,使用局部稳定性估计对DTW加权计算来降低噪声对计算结果的影响,其次针对k-medoids聚类需要多次计算才能确定聚类个数的不足,提出使用异常迭代模式(Abnormal Pattern,AP)优化k-medoids方法选取代表性的初始集群中心。采用优化k-medoids方法对LS-DTW的结果进行聚类分析,以平均轮廓系数作为评价标准,对比LS-DTW-k-medoids、DTW-k-medoids、DTW-优化k-medoids、k-means++算法效果可知,经本文方法聚类后,类内紧致性更优。

基于DTW算法的复合改性沥青相容性评价研究

为优化改性沥青的相容性评价方法,首先通过配比设计建立不同的丁苯橡胶/聚丙烯(SBR/PP)复合改性沥青测试样本,根据改性沥青线性粘弹性范围内的松弛及蠕变特性,采用高温频率扫描试验的复数模量构建改性沥青的Cole-Cole曲线,并基于DTW算法优化Cole-Cole曲线评价方法,提出不同复合改性沥青的相对相容性指数(RCI)。结果表明:随着橡塑比的增加,聚合物与沥青的相容性逐渐降低,而相容剂可以促进聚合物在沥青体系中均散,改善其相容特性,其最大提升幅度为19%。同时,通过显微结构可以验证,最小规整距离与测试频率的关系曲线可以判断聚合物相结构在沥青体系中的分布状态,试样A(7∶3)中SBR处于分散状态,试样A(3∶7)中PP可形成一定的连续相结构,也表明RCI指标的合理性,能够作为评价复合改性沥青相容性的指标,该评价方法可为复合材料的相容性研究提供借鉴。

基于改进DTW算法的高维时空数据关联挖掘方法

电网数据体系较为庞大,挖掘其中的高维时空数据之间的关联性有助于提高电网运行质量。为此,利用改进后的DTW算法关联挖掘高维时空数据。采用改进DTW算法计算高维时空采样数据之间的距离矩阵,明确距离矩阵累积结果,完成数据预处理。按照降序循环项头表中的频繁项,计算空间数据和时间数据的支持度并与设定的阈值对比。以此为依据挖掘高维时空数据的关联性。实验结果证明,该方法挖掘结果较完整,平均误差为1.6%,可以为电网运行提供可靠依据。

Viterbi和DTW算法的关系分析——在非特定人手语识别中的应用

在经典的模式识别理论中,Viterbi算法代表了统计概率的模式匹配算法,而DTW算法代表了模版匹配的模式匹配算法,它们之间是否存在关系至今尚无定论.为了找到这两种算法之间的关系,在"类别隶属度"是广义概率的假设前提下,应用模糊数学的理论在Viterbi算法与DTW算法之间建立起联系.首先,提出了利用模糊数学的贴近度把DTW算法的"距离"向Viterbi算法的"概率"转化的通用贴近度表达式,并对通用贴近度表达式给出了理论上的证明.其次,应用DTW的通用贴近度表达式重估HMM参数,建立DTW算法与Viterbi算法之间的模糊贴近度关系,并为此提出了δ-ε算法,得到基于数据帧的类似于HMM的参数重估形式.然后,为了确保建立DTW算法与Viterbi算法之间的模糊贴近度关系的正确性,以定理的形式给出了相应的证明.再次,通过设定的DTW贴近度表达式对HMM参数重估的过程中,发现了DTW贴近度的重估参数与HMM重估参数之间存在着的模糊关系,以定理的形式对这种模糊关系加以证明.最后,依据上述定理提出了Dtw-ViterbiⅠ,Ⅱ,Ⅲ算法,以定理的形式对Dtw-ViterbiⅠ,Ⅱ,Ⅲ算法的正确性加以证明,并将对Dtw-ViterbiⅠ,Ⅱ,Ⅲ算法应用于非特定人手语的识别.实验表明,把DTW算法的路径搜索策略以概率的形式引进到Viterbi算法中,能够以削减候选词集的方式部分消除非特定人手语识别的误识,从而提高大词汇量情况的下非特定人手语识别的识别率和速度.

基于DTW算法的眼动信号分类研究

EOG信号(眼动信号)是一种易于识别、易于操作和更稳定的生物电信号,可以应用于残疾辅助系统。为了提高EOG信号的分类和识别率,将DTW算法应用于EOG的分类,DTW一种基于模型匹配的分类算法。在实验条件下,收集并分类了5个人的EOG。EOG的类型包括向左运动、向右运动、一次眨眼和两次眨眼。实验结果表明,基于DTW算法的EOG检测方法优于其他传统方法,四种信号的平均识别率均在99%以上。

基于RNN-DTW的注采井间连通性判断

明确注采井间连通情况对油田稳产、控水、提高采收率具有重要意义,而传统的判断方法施工较繁琐,且费用高。应用机器学习方法,基于RNN-DTW进行井间连通性分析,通过训练RNN神经网络模型并预测油井未来产液量,避免DTW算法由于注水传播见效延迟导致的注水量与注水见效后油井产液量的差异,并使用DTW算法分析注水量与产液量的相似程度,确定井间连通状况。现场应用结果表明,该方法的计算结果符合井组物性特征,可以作为油田现场判断注采井间连通性的一种方法。

基于DTW算法的线上考试信息管理系统设计

考试期间需要处理大量数据,然而人为进行考试信息管理的效率较低.同时,在有效时间内判别线上考试相似性信息是当前考试信息管理需要解决的重要问题.为此,设计了基于DTW算法的线上考试信息管理系统.通过FTP服务器,运行系统各版块,实现计算机间的文件交互.通过WWW浏览器,显示线上考试信息管理系统工作界面,设计系统的前台和后台管理板块,完成系统硬件结构设计.使用DTW算法,引进累积失真函数,获取最佳匹配距离的匹配点,并确定运算范围,将较为复杂的全局最优化问题转化为若干个局部最优问题.初始化距离矩阵,确定累积距离矩阵,剔除矩阵中重复元素.根据基于DTW算法的线上考试信息相似性分析结果,动态调整全部信息,缩小检索路径范围.基于此,设计线上考试信息管理报名报考流程,完成线上考试信息管理系统软件部分设计.实验结果表明,该系统在保证系统安全登录的前提下,各项用例测试结果均与预期结果一致,权限管理测试步骤执行时间较短,且成功达到预期结果的耗时仅为0.1 s,登录班级管理入口的总耗时为4.3 s,为线上考试管理提供极大便利.

基于分段极值DTW距离的时间序列相似性度量

在时间序列相似性的研究中,通常采用的欧氏距离及其变形无法对在时间轴上发生伸缩或弯曲的序列进行相似性度量,本文提出了一种基于分段极值DTW距离的时间序列相似性度量方法可以解决这一问题。在动态时间弯曲(DTW)距离的基础上,本文定义了序列的分段极值DTW距离,并阐述了其完整的算法实现。与传统的DTW距离相比,分段极值DTW距离在保证度量准确性的同时大大提高了相似性计算的效率。文中最后运用MATLAB作对比实验,并给出实验结果数据,验证了该度量方法的有效性与准确性。

一种基于DTW聚类的水文时间序列相似性挖掘方法

水文时间序列相似性挖掘是水文时间序列挖掘的重要方面,对洪水预报、防洪调度等具有重要意义。针对水文数据的特点,提出了一种基于DTW聚类的水文时间序列相似性挖掘方法。该方法先对数据进行小波去噪、特征点分段以及语义划分,再基于DTW距离对划分后的子序列做层次聚类并符号化;然后根据符号序列间的编辑距离筛选候选集;最后通过序列间的DTW距离进行精确匹配,获取相似水文时间序列。以滁河六合站的日水位数据进行实验,结果表明,所提方法能够有效地缩小候选集,提高查找语义相似的水文时间序列的效率。

一种新的基于并行分段裁剪的DTW算法

通过对DTW算法的研究,提出了一种并行分段裁剪的新方法,在减少DTW算法运算量方面有显著效果,并将其用于一个地名识别系统中,经测试,可以明显缩短识别时间,具有很强的实时性,有较高的识别率,适合作为小型语音识别产品的主要算法。

一种改进的DTW动态手势识别方法

为了提高实时性和准确性,提出一种改进的动态时间规整算法(Dynamic Time Warping-DTW),用于度量手势运动轨迹的相似性,实现了快速的精确动态手势识别.首先,通过Kinect2传感器实时地获取人体骨架的关节点坐标和手部的形状数据,然后构造矢量特征描述手的运动轨迹,运用动态时间规整方法进行模板匹配,并对特殊手势进行精确的二次分类,实现了基于轨迹匹配的快速动态手势识别.实验证明:该方法识别准确度高,实时性好,对光照强度和复杂背景干扰有很强的鲁棒性.

基于DTW的长期直觉模糊时间序列预测模型

针对现有直觉模糊时间序列模型中直觉模糊关系组和确定性转换规则过度依赖训练数据规模的问题,提出一种基于动态时间弯曲(DTW,dynamic time warping)距离的长期直觉模糊时间序列预测模型。通过直觉模糊C均值(IFCM,intuitionistic fuzzy C mean)聚类构建直觉模糊时间序列片段库,动态更新和维护规则库,减少系统复杂度。提出基于DTW距离的直觉模糊时间序列片段相似度计算方法,有效解决不等长时间序列片段匹配问题。通过对合成数据以及包含不同时间序列模式的气温数据的实验,与其他相关模型比较,说明该模型对于不同时间序列趋势变化模式中均具有较高的预测能力,克服传统模型提高模型只能满足单一模式时间序列预测,提高模型的泛化性能。