Clustering-Inverse: A Generalized Model for Pattern-Based Time Series Segmentation

Patterned-based time series segmentation (PTSS) is an important task for many time series data mining applications. In this paper, according to the characteristics of PTSS, a generalized model is proposed for PTSS. First, a new inter-pretation for PTSS is given by comparing this problem with the prototype-based clustering (PC). Then, a novel model, called clustering-inverse model (CI-model), is presented. Finally, two algorithms are presented to implement this model. Our experimental results on artificial and real-world time series demonstrate that the proposed algorithms are quite effective.

一种数据库查询的多标签电能质量混合扰动识别与分类新方法

该文针对电能质量混合扰动的复杂性及当前分类识别的准确率不够高等问题,提出一种数据库查询的多标签电能质量混合扰动分类与识别方法,该方法能够更加科学准确地识别混合扰动,可为电能质量治理、扰动事件责任追究等提供有力决策辅助。首先,该方法基于可调Q因子小波变换(tunable Q-factor wavelet transform,TQWT)和时变均方根(rootmeansquare,RMS)的特征提取方法有效提取扰动信号基频时域特征量,较好地克服了当前基频幅值特征提取准确率不够高的难点问题;其次,提出频域特征曲线分割新方法,高效地提取扰动信号的高频特征曲线;然后,建立基频幅值特征数据库和高频特征曲线数据库;最后,利用快速动态时间规整(dynamictimewarping,DTW)结合多标签的分类思想进行混合电能质量扰动的多标签分类。仿真实验结果表明,新方法具有如下优势:几乎不受限值范围内基频偏移的影响,抗噪性较强,对单一扰动及包含双重、三重、四重扰动在内的27种扰动具有较高的分类准确率。电网实测扰动数据的分析,进一步验证了该方法的扰动识别有效性。

基于分段时间弯曲距离的时间序列挖掘

在时间序列库中的数据挖掘是个重要的课题,为了在挖掘的过程中比较序列的相似性,大量的研究都采用了欧氏距离度量或者其变形,但是欧氏距离及其变形对序列在时间轴上的偏移非常敏感.因此,采用了更鲁棒的动态时间弯曲距离,允许序列在时间轴上的弯曲,并且提出了一种新的序列分段方法,在此基础上定义了特征点分段时间弯曲距离.与经典时间弯曲距离相比,大大提高了效率,而且保证了近似的准确性.

基于灰度段的立体匹配算法

立体匹配一直是计算机视觉领域的一个中心研究问题 .为了得到适用于IBR(image basedrendering)技术中视图合成的比较精确的高密度视差图 ,提出了一种基于灰度段的立体匹配算法 .该算法以灰度段作为匹配基元 ,并将应用于语音识别的DTW (dynamictimewarping)方法引入灰度段的匹配算法中 .相对于点基元 ,灰度段基元覆盖的图像空间要大得多 ,且不易受噪声、光度变化等因素的影响 ,因此可以减少误匹配发生的几率 ,更容易进行匹配 ,比特征线段、二次曲线等匹配基元计算要简便得多 .实验结果表明 ,该算法效果良好 。

连续动态手势的时空表观建模及识别

论述了复杂背景下连续动态手势的分割、建模及识别 ;融合手势运动信息和皮肤颜色信息 ,进行复杂背景下的手势分割 ;通过结合手势的时序信息、运动表观以及形状表观 ,提出动态手势的时空表观模型 ,并提出基于颜色、运动以及形状等多模式信息的分层次融合策略抽取时空表观模型的参数 .最后 ,提出动态时空规整算法用于手势识别 .实验表明 ,利用上述提出的手势分割、建模、特征参数抽取及识别方法识别 12种手势 ,平均识别率高达 97% .

基于布莱克曼窗S变换与数据库查询的电能质量扰动识别与分类新方法

针对基于特征值方法电能质量扰动识别中存在庞大而复杂的特征值选取问题,提出以特征曲线为特征的布莱克曼窗S变换与数据库查询新方法。提出布莱克曼窗S变换采用布莱克曼窗宽函数并通过窗宽比控制窗宽,相较于多分辨率广义S变换具有更好的时频分辨率。通过布莱克曼窗S变换得到扰动信号的时频模矩阵,在模矩阵上提取时频特征曲线,然后通过波动能量密度与快速傅立叶变换进行特征曲线分割,排除噪声的干扰,降低特征曲线长度,最后建立树状结构的时频数据库,采用动态时间规整距离查询分类方法,根据隶属度的关系进行快速分类,提高识别的正确率。通过仿真数据分析表明高时频精度的布莱克曼窗S变换提高了算法的识别正确率并且特征曲线分割提高了算法的抗噪声干扰能力,现场数据验证了该算法的有效性。

步态识别综述

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证。对步态识别的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别算法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。

基于语音识别与特征的无监督语音模式提取

在语音识别与特征系统中,通过无监督的方法搜索未知语音流中出现的语言模式。利用语音识别系统的多候选结果,通过分段动态时间弯曲算法进行语言模式的搜索,采用有效的聚类算法以及置信度估计算法,提高系统性能,同时建立仅基于特征匹配的相似音频片段检测系统,不使用任何知识源,仅从语音中获取重复的语音模式,在广播电视新闻与自然口语对话2个测试集上对比2个系统的性能。实验结果表明,基于识别的系统具有较好的检测效果,而基于特征的系统具备多语种的推广性。

基于分段动态时间规整的语音样例快速检索

提出了一种融合下界估计和分段动态时间规整的语音样例快速检索方法。该方法针对缺乏合适的训练数据等语音资源较为有限的语言进行快速检索所设计。此方法首先提取查询样例和测试集的音素后验概率;然后,根据限制条件在测试语句中选定候选分段,并计算查询样例和每个候选分段之间实际动态时间规整得分的下界估计,再运用K最近邻搜索算法搜索与查询样例相似度最高的分段;最后,使用虚拟相关反馈技术对检索结果进行修正。实验结果表明:尽管此方法的检索精度略低于直接运用动态时间规整进行检索的检索精度,但其检索速度优于后者,且检索结果经过虚拟相关反馈技术修正后,其检索精度也得到有效提升。

基于规则的连续动作识别

动作识别技术成为近些年计算机视觉领域的研究热点。本文针对深度传感器获得的骨骼信息,提出一种基于规则的动作识别算法。首先设定规则定位动作,将连续动作分段划分,使整段动作划分成短的多段动作数据。将视频中所获得的不同动作的深度骨骼数据用不同方法进行归一化。通过动态时间规整(DTW)算法对分段动作数据进行分析,得到最匹配的动作标签,实现动作识别。从实验结果可知,该方法在动作识别中具有较高的准确性以及较好的实用性。

动态时间规整技术在电子稳像中的应用

当视频序列帧内存在局部运动时,灰度投影算法的稳像精度会有所下降。针对该问题,将动态时间规整技术应用到灰度投影算法中,提出一种新的稳像方法。利用传统的灰度投影算法分别获得图像的行、列投影曲线,通过动态时间规整算法对失准的投影曲线进行修正,得到行、列最佳形变路径,分析最佳匹配点的分布,得到全局运动矢量。实验结果表明,该方法的正确匹配率大于95%,可有效减少误匹配的发生率,提高电子稳像的精度。

一种支持不同时间尺度的视频相似性匹配算法

针对不同时间尺度视频间的匹配问题,如人为再编辑(快进、慢放等)视频与原始视频间的匹配以及不同帧率视频间的检索等,提出了一种基于动态时间规划的最优匹配算法。在子片段的基础上进行视频相似性匹配,通过极小化两段视频的整体距离建立视频之间的子片段对应关系,引入搜索门限值,将全局搜索转变为在门限区域内的局部搜索,保持视频内部各子片段之间的时序关系并能处理非线性偏移。该算法能够成功地匹配不同时间尺度的相似视频,并能实现海量视频的快速检索。实验结果证明了该算法比传统的基于视觉相似性的视频片段检索算法更快速有效。

深孔啄钻振动信号DTW算法改进及应用

针对深孔加工质量检测难、效率低和成本高等问题,提出一种基于振动监测信号分割的改进动态时间规整算法,实现深孔加工质量一致性快速无损检测。首先,以啄钻间歇进给式加工采集的振动信号为研究对象,利用抗噪性能优良的双窗双谱算法对其进行分割;其次,对分割信号在时域和频域内进行特征降维;然后,针对信号长度不等引起的特征不等情况,采用改进的动态时间规整算法(dynamic time warping,简称DTW)进行规整对齐,同时达到减小时间复杂度和防止病态规整的目的;最后,利用求得的累积最短距离评估啄钻阶段振动信号的相似性程度,从而判别啄钻加工质量的一致性。仿真和试验结果表明,该方法能快速有效完成对深孔加工质量一致性无损检测,振动信号分析结果与实际物理检测结果相吻合。

基于改进DTW的心电图ST段识别

在心电图诊断中,经常用到ST段的偏移和形态变化分析,由于ST段难以精确定位,使得ST段形态分析难以直接进行。本文考虑到ST段起点J难以确定,但S点与ST段融合后有较好的区分度,所以将S点到T波起点这段作为区分ST形态的数据段。首先利用小波变换准确地确定S点和ST段终点(T波起点),提取出数据段平滑后,经改进动态时间规整(dynamic time warping,DTW)算法即可得到ST段的形态。经MIT/BIHST-T数据库的验证,该方法能较好地识别出心电图ST段的5种常见压低形态,即上斜型、下陷型、水平型、下垂型、弓背型。

基于分段时间序列的试井数据相似性查询算法

从石油试井数据序列查询的实际需求出发,给出一种新的时间序列相似性查询算法。该算法首先通过中线距离阈值和极值点两个约束条件分段线性拟合时间序列,利用分段动态弯曲距离度量获得相似的分段子序列,逐点检索该子序列实现序列的精确查询。实验结果表明,该算法具有良好的相似性查询质量和效率。

基于改进动态时间规整算法的奶牛步态分割方法

为准确提取步态特征、识别奶牛跛行,利用三维加速度传感器采集30头奶牛后趾加速度信号,针对奶牛步态人工分割的不足,提出基于改进的动态时间规整算法对奶牛步态进行分割,提取特征值并利用逻辑回归法建立跛行识别模型。采用本文方法得到的步态分割精确度、灵敏度、准确率平均值分别为89.53%、95.51%、87.49%,比常规动态时间规整算法分别提高了5.31、4.48、8.43个百分点,总体准确率达到90.57%,相较自相关函数法和峰值检测法分别提高了1.75、3.13个百分点。以支撑时间、步幅长度、平均强度、信号幅度面积、前进方向加速度均值和运动变化量为自变量的跛行识别模型识别率分别为83.44%、81.72%、86.15%、86.81%、89.45%和85.71%。本研究结果可为奶牛步态分割、跛行识别提供技术支持。

采用深层神经网络中间层特征的关键词识别

在基于模板匹配的关键词识别中,提出采用深层神经网络的中间层特征(bottleneck,BN)作为特征输入,将其取代传统的声学参数来生成后验概率图.首先采用传统语音识别的过程训练一个中间层很窄的深层神经网络,将所有的语音特征经过这个神经网络后得到稳健的BN特征;然后利用混合高斯模型将BN特征转化成后验概率图;在识别过程中,利用后验概率图作为特征参数,采用简化的分段动态时间规整算法实现关键词匹配.在TIMIT数据库上,相对于采用传统感知线性参数的系统,采用BN特征的系统,识别准确率有30%的提升.

基于两方向动态时间规整的无分割手写汉字检测

中文文本布局复杂、汉字种类多、书写随意性大,因而手写汉字检测是一个很有挑战的问题。针对上述问题,提出了一种无分割的手写中文文档字符检测的方法。该方法用SIFT定位文本中候选关键点,然后基于关键点位置和待查询汉字大小来确定候选字符的位置,最后用两个方向动态时间规整(dynamic time warping,DTW)算法来筛选候选字符。实验结果表明,该方法能够在无须将文本分割为字符的情况下准确找到待查询的汉字,并且优于传统的基于DTW字符检测方法。

基于分段特征及自适应加权的DTW相似性度量

利用动态时间弯曲(DTW)技术在原始多元时间序列进行相似性度量时时间复杂度较高,且DTW在追求最小弯曲距离的过程中可能会出现过渡拉伸和压缩的问题。提出一种基于分段特征及自适应加权的DTW多元时间序列相似性度量方法。对原始时间序列在各个变量维度上进行统一分段,选取分段后拟合线段的斜率、分段区间的最大值和最小值以及时间跨度作为每一段的特征,实现对原始序列的大幅降维,提高计算效率。在DTW计算最佳弯曲路径的过程中为每个点设置自适应代价权重,限制弯曲路径中点列的重复使用次数,改善时间序列因过度拉伸或压缩所导致的度量精度低的问题,以得到最优路径路线。实验结果表明,该方法能很好地度量多元时间序列之间的相似性,在多个数据集上都能取得较好的度量结果。

基于模板匹配的快速语音关键词检出方法

在缺乏训练样本的情况下对语音信号进行关键词检出,基于模板匹配的方法与传统的方法相比,仍然能够对语音进行关键词检出。但是由于模板匹配方法计算局部最小距离的方式是逐帧移动,所以计算时间长。局部最小距离的极值点通常在音素分割点附近,利用这两者的位置关系并结合插值思想,提出一种快速的模板匹配方法。该方法通过在音素分割点之间插值计算局部最小距离,能够有效地缩短计算时间。在TIMIT和CASIA语料库中进行实验,改进的方法与常规的模板匹配方法相比较,快了约2.8倍。