基于多种群遗传算法和动态时间归整的智能层序地层划分对比方法——以渤南洼陷古近系下部为例

针对深层-超深层因古生物化石种类少、取心困难、标志层不稳定、层系埋藏深、地震品质差而存在的层序地层划分与对比困难的问题,提出综合利用测井、录井资料为输入参数,采用多种群遗传算法(multi-population genetic algorithm, MPGA)和动态时间归整(dynamic time warping, DTW)相结合进行渤南洼陷古近系下部层序地层的划分与对比,并以多种常规频谱分析(最大熵频谱分析(integrated prediction error filter analysis, INPEFA)、连续小波变换(continuous wavelet transform, CWT)、时频分析等)对智能划分结果进行验证。基于这种智能识别,以渤南洼陷深部地层古近系下部沙四段-孔店组为例,在渤南洼陷西部邵古1井、邵古2井古近系下部识别出沙三段/沙四段(E_(s3)/E_(s4))界面、沙四段/孔店组(Es4/Ek)界面、孔店组(Ek)底部等层序界面,将邵古1井和邵古2井古近系下部划分出4个三级层序界面并进行连井层序对比。通过与多种频谱分析方法验证结果对比发现,综合利用基于Fisher最优分割理论的MPGA对单井层序地层进行精细划分,结合DTW技术进行连井层序对比,可提高深层及超深层层序地层划分对比的准确性和可靠性。所提出的单井地层自动划分与连井对比方法能摆脱人为主观因素对层序地层划分的干扰,实现基于机器学习的层序地层智能识别,在各类岩石的层序地层对比中具有良好的应用前景。

动态时间规整DTW算法的研究

传统的动态时间规整(Dynamic Time Warping)算法虽然可以有效解决语音信号特征参数序列比较时时长不等的问题,但计算量很大,严重影响了语音识别系统的响应速度。对传统的动态时间规整算法进行改进,主要目的是提高语音识别速率。首先对传统DTW算法的原理进行了详细的分析,然后提出了改进后新的DTW算法。对传统的算法进行改进时,主要从以下两方面入手:1对算法的搜索路径进行约束,使x轴上的每一帧不必再与y轴上的每一帧进行比较,而只需要与y轴上限定范围内的帧进行比较即可;2对齐松弛算法的起始点和终止点(不用完全对齐),并可以适当放松起始点和终止点两三帧。实验表明,系统在失真度基本保持不变的基础上,运行速率提高了近2倍。

动态时间归整算法抑制前向散射直达波干扰

基于衍射CT成像技术,在弱散射条件下根据收发分置目标散射强度的指向分布特性,可以重建目标形状、以及周围介质的声学参数。在目标的正前方,前向散射波和直达波同时到达接收阵,特别是当目标为密度和声速接近于水的弱散射目标时,散射回波完全淹没在直达波中,抑制直达波干扰才能实现目标的识别、方位估计以及声学特性解释。基于语音识别的动态时间归整(Dynamic Time Warping,DTW)算法,是利用归整路径距离的动态规划来求解发音长短不一的孤立词模板匹配的问题。固定入射波方向,以浸没水中的无限长圆柱体目标为例获取实验数据,将DTW算法用于直达波和散射波的分离,并将消除直达波影响后的目标散射远场的强度与严格的解析结果进行了对比,结果表明DTW算法可以有效地在强直达波干扰背景中有效提取目标散射信息。

基于马氏DTW时段划分和FCPSOGSA算法的配电网动态重构

针对配电网重构过程中由于用户侧负荷时变性导致难以划分重构时段的问题,选取马氏DTW距离作为度量指标,构建了减小线路总体损耗、减小电压偏移的多目标优化数学模型。从提高算法收敛效率的角度,对传统粒子群算法进行了改进,运用分数阶微积分的数学方法,提出了一种更快速求解配电网重构的改进粒子群算法(Fractional Calculus PSOGSA),旨在提升算法的收敛特性和所有过去事件的记忆效应。在IEEE33节点系统的基础上构建了1天的负荷数据并进行重构求解,验证了所提方法的有效性。

基于改进型DTW的语音识别系统的设计与实现

大部分系统使用深度学习技术完成语音识别任务,并取得良好的效果。但是,基于深度学习的语音识别技术对计算机硬件算力的要求较高,同时需要大量的语音样本对语音识别模型进行训练。针对这些问题,基于改进后的动态时间归整(Dynamic Time Warping,DTW)算法设计并实现了一个语音识别系统。

用窗口法在小存储器中实现DTW算法

动态时间规整 DTW算法是一种运用动态规划原理计算时间矢量相似度的方法 ,在语音识别等领域有着广泛的应用。窗口法是针对 DTW算法的特点 ,采用了动态高效的空间管理办法 ,解决了通常的 DTW算法需要存储一个较大的矩阵 ,因而在存储空间有限的硬件系统中难以实现的问题 ,窗口法已经在实际系统中得到了应用。

基于DTW算法的语音识别系统实现

动态时间归整 (DTW )算法的实现简单有效 ,在孤立词语音识别系统中得到了广泛的应用。介绍了将DTW算法移植到TMS32 0VC5 40 2上实现孤立词语音识别的原理、系统硬件组成和软件设计。研究结果表明 ,系统能满足实时性能要求 。

基于DTW和HMM算法的语音识别系统对比研究

论文在语音信号分析的理论基础上,研究了基于模型补偿的识别算法,对比了语音识别最常用的两种算法:动态时间归整算法(DTW)和隐马尔可夫算法(HMM),并针对两种算法的不足进行了改进。基于改进后的算法在MATLAB环境下搭建了孤立词语音识别系统,提高了识别率,节省了运行时间。

基于CF-DTW的学习风格挖掘算法

学习风格是影响学生学习质量和效率的关键因素,而如何针对不同学习风格的学习者制定个性化学习策略,是当前教育工作者普遍面临的一大难题。在此背景下,文章提出了一种基于CF-DTW的学习风格挖掘算法,即采用级联过滤器快速筛选数据集,对过滤后的数据进行相似度计算,挖掘相似度最大的学习风格序列。通过最大相似度搜索和时序聚类实验,证明了CF-DTW算法在保证匹配精度的同时,还能有效提高运算速度,适用于最大相似度搜索和时序聚类等应用场景,为探究个性化学习策略提供了重要支持。

基于DTW算法的肌电信号手势识别方法

为了提高肌电信号手势识别算法的准确度,增强实时性,提出了一种基于动态时间规整(DTW)算法的手势识别方法,该方法利用肌电信号(EMG)对个体间的手势进行识别。首先,采用滑动平均能量的方法对原始的EMG信号进行数据分割,探测有效动作;其次,对于分割的数据段使用平均绝对值(MAV)来提取信号特征;最后,用DTW算法将8维的EMG信号融合并计算测试样本和模版的相似度,其中采用了DTW算法寻找规整路径的方法进行了模板制作,实现了个体间的手势识别。实验结果表明,使用DTW算法对肌电信号进行手势识别,其动作识别的准确率达到96.09%,该方法计算速度快,实时性强。

动态时间弯曲距离精确计算的Dijkstra方法

将动态时间弯曲距离(DTW)的差异矩阵一一对应于点阵,按DTW定义的行走规则对该点阵连线定向,使所对应点阵成为一个有向图,然后使用一个加权技巧对该有向图的边加权后得到一个加权有向图,于是把求DTW的精确计算问题等价地转化为求一个有向图起点到终点的最短路长,从而使图论中求两点间最短路径的方法如目前公认的经典Dijkstra算法均可用于求DTW,因此间接地找到了精确计算DTW的一个新方法.

基于电压曲线诊断锂离子电池的故障

锂离子电池在电动汽车中应用广泛,电池的不一致性故障与内短路故障是电动汽车的严重安全隐患。采用绝对中位差方法来放大电池组故障电池的电压特性;再利用非局部均值滤波算法进行滤波,得到平滑的故障电压特征;最后,通过动态时间归整(DTW)算法计算特征值曲线之间的相似度距离,实现故障电池自动定位。使用运行车辆电压数据进行验证,发现该诊断方法对两类故障车辆均具有良好的检测效果:一是故障电池DTW距离长期偏离其他电池的不一致性故障车辆;二是故障电池DTW距离短期偏离其他电池的内部短路故障车辆。与余弦相似度进行对比,验证所提方法的准确性更高。

基于像元级SAR图像时间序列相似性分析的水体提取

针对SAR图像数据集的特点,提出了一种基于像元级图像时间序列相似性的水体提取方法。其基本思想是:构建像元级SAR图像时间序列,选取动态时间归整(dynamic time warping,DTW)算法作为时间序列相似度的度量方法,计算所有像元与标准水体像元时间序列的相似性;将水体边缘混合像元的DTW距离值设定为参考阈值,采用阈值法提取相似性较高的时间序列数据,其对应的像元即被识别为水体像元;最后利用每个像元的DTW距离值代替其后向散射值,采用8邻域搜索方法提高水体识别的精度。以2008年1—12月获取的25景分辨率为150 m的ENVISAT ASAR图像进行水体像元提取试验,结果表明,该方法的完整率和正确率均较高,能够应用于大范围区域水体的提取与制图。

结合形状特征及其上下文的多维DTW

传统动态时间规整算法(Dynamic Time Warping,DTW)及其变种算法被广泛应用于多维时间序列的相似性分析,但它们通常只关注单个时间点的信息而忽略了上下文信息,从而很可能匹配两个形状完全不同的点。因此提出一种结合形状特征及其上下文的多维DTW算法(Multi-Dimensional Contextual Dynamic Time Warping,MDCDTW)。该算法首先计算多维时间序列的一阶梯度,然后对其进行采样处理,并以多维梯度矩阵表示当前时间点的形状信息及其上下文信息,最后利用DTW求解多维时间序列间的最短匹配路径。为检测算法设计的合理性,对算法进行了定性分析和定量分析,实验结果表明MDC-DTW算法设计是合理的;为检测MDC-DTW的性能,选用5个多维时间序列数据集,并与4个优异的多维DTW算法进行对比实验,实验结果表明MDC-DTW具有较高的准确率和运行效率。

基于K-means-LSTM模型的证券股价预测

鉴于股票数据具有非平稳、非线性等特征,传统的统计模型无法精准预测股票价格的未来趋势。针对这个问题,构建一种混合深度学习方法来提高股票预测性能。首先,通过将距离算法修改为DTW(动态时间归整),令K-means聚类算法拓展为更适用于时间序列数据的K-means-DTW,聚类出价格趋势相似的证券;然后,通过聚类数据来训练LSTM(长短时记忆网络)模型,以实现对单支股票价格的预测。实验结果表明,混合模型K-means-LSTM表现出更好的预测性能,其预测精度和稳定性均优于单一LSTM模型。

基于控制点和RGB向量差联合梯度Census变换的立体匹配算法

为了解决立体匹配算法在弱纹理区域及边界区域匹配精度较低的问题,文中提出基于控制点和RGB向量差联合梯度Census变换的立体匹配算法.首先,使用基于动态时间归整的行匹配算法,寻找最优匹配路径,经过扭曲对齐选取匹配特征点作为控制点.再使用基于RGB向量差代价联合基于梯度Census变换代价作为非控制点的匹配代价,基于梯度Census变换增加像素点的鲁棒性,RGB三向量保留图像三维色彩信息,使求得的代价精度更高.然后,融合求得的控制点与非控制点的匹配代价,作为初始匹配代价,基于RGB三向量差求得针对不同纹理区域的自适应窗口,在该窗口内以一次水平方向和竖直方向代价聚合的方式进行初始代价优化,同时使用多步骤优化减少视差错误率.最后,在Middlebury数据集上对不同区域测试视差错误率和在真实机器人场景上求取视差,将求得的视差利用三维成像原理进行三维重建测试.理论分析和实验表明,文中算法明显降低弱纹理区域和边界的误匹配率.

基于VMD-DTW聚类的配电网故障选线方法研究

提出了一种基于VMD-DTW聚类的小电流接地系统故障选线方法.通过变分模态分解法(VMD)提取和增强原始信号,而后引入动态时间归整法(DTW)实现不同线路零序电流相似性测度和聚类,根据聚类结果区分故障线路和健康线路,从而实现故障选线的目的.最终的仿真试验结果证明,本文所提方法在不同场景下的适应性较强,特别是在接地电阻大、消弧线圈电抗较高等故障特征较弱的场景中可以提升故障选线的准确率.同时,该方法具有较强的鲁棒性,当初始信号采样频率和采样存在噪声时依然可以准确地选定故障线路.

基于优化的DTW算法的人体运动数据检索

随着大量三维人体运动数据库的建立,使得在数据库中实现基于内容的三维人体运动检索面临着诸多困难,文中提出一种分阶段的动态时间变形(DTW)优化算法的人体运动数据检索技术,可有效检索出逻辑上相似的运动.该算法首先对齐两个运动序列的坐标位置,基于窗口距离构造距离矩阵.其次采用基于全局和局部约束的DTW优化算法进行相似度匹配,得到两个运动间的对应关系.最后通过归一化相似度和DTW平均距离分阶段判断运动的相似性.实验结果表明,分阶段的DTW优化算法在提高效率的同时对长度不等的运动能取得较好的检索结果.

车载语音识别系统设计与试验

用改进的动态时间归整(DTW)算法进行语音辨识,设计了语音识别系统软件,以SPCE061A单片机为核心设计了车载语音识别系统的电控单元(ECU)。在车内不同噪声环境下进行了语音识别试验,结果表明语音识别率随着车内环境噪声的增加而下降,随着语音字数的增加而降低;在车辆怠速车内噪声小于50 dB(A)的环境中2字语音平均识别率为90%、4字语音的识别率为85%;在车辆定置油门半开、车内噪声为60～70 dB(A)的环境中,2字语音平均识别率为85%、4字语音的识别率为80%。

基于DSP的语音识别智能控制系统

介绍了语音识别的基本原理及用浮点数字信号处理器(DSP)TMS320C32实现语音识别算法的一些原则和方法,阐述了语音识别的DSP实现技术,系统以预测倒谱参数为特征参数,并采用计算量相对较小的改进的动态时间规整(DTW)算法实现语音参数模板匹配,能够实现特定人、孤立词、小词汇量的语音识别,并用MATLAB进行了算法仿真,从而将语音识别技术应用到智能控制系统中,给出了实验结果和误差分析。试验结果表明,系统正确识别率在89.96%,具有一定的实用价值。