云环境下基于动态滑动窗口多通道Bi-LSTM的虚拟机故障预测模型

针对点值预测方法预测虚拟机故障,未充分利用虚拟机历史周期特征和上下文信息、预测准确率不高的问题,提出了一种动态滑动窗口多通道Bi-LSTM的虚拟机故障预测模型。该模型首先利用动态滑动窗口动态捕获虚拟机故障发生过程的上下文特征;然后构建多通道机制的Bi-LSTM以同时学习不同指标类之间的相关性特征,预测虚拟机下一周期的故障;最后根据OCSVM和区间偏移度方法对预测结果进行判断,得出具体的故障类型。实验表明,该模型在预测准确率、召回率、F值三个指标上均优于基线模型,验证了模型对虚拟机故障预测的有效性。

基于动态滑动窗口BP神经网络的水质时间序列预测

为提高BP神经网络(BPNN)模型对具有时间序列特征水质的预测精准度,采用主成分分析法对原始样本数据进行特征提取和降维,选取溶解性有机碳(DOC)浓度、总氮(TN)浓度和浊度作为水质预测指标,构建了具有3层网络结构的BPNN模型进行预测,并分析其预测性能。结果表明:DOC浓度、TN浓度和浊度的最佳训练集尺寸分别为60、60和90 d,最佳BPNN拓扑结构分别为9-12-1、8-6-1和7-13-1,经优化后的BPNN模型对DOC浓度、TN浓度和浊度的变化趋势整体预测效果较好;相比之下,BPNN模型对水中DOC浓度的预测效果显著优于TN浓度和浊度,其均方根误差(RMSE)、平均绝对百分比误差(MAPE)和相关系数(R)分别为0.040、0.66%和0.867。该模型对具有非线性特征的地表水水质预测具有较好的适用性,预测精度较高。

基于镜头标记与动态滑动窗口的视频摘要生成

提出一种基于镜头标记与动态滑动窗口的视频摘要生成方法。对视频进行镜头分割,利用帧差累积法将镜头分成静态镜头和动态镜头并标记。运用动态滑动窗口,对标记镜头进行归类。提取集合镜头的关键帧,抽取冗余少、涵盖内容丰富的镜头帧,组合成视频摘要。实验结果表明,该方法能快速准确地生成视频摘要。

一个应用于短波通信的差错控制协议——动态滑动窗口协议

Dynamic sliding window is a novel ARQ protocol for half-duplex short-wave channel.This algorithm ex-tracts the virtue of Stop-and Wait and Sliding Window protocols,uses acknowledgements and timeouts to implement reliability,and changes sliding window size according to channel quality.The paper puts forward the idea and the model of this protocol,The paper also analyzes the performance of this protocol,compared to the case using Wait-and-Stop protocol.

基于N-Gram和动态滑动窗口的改进余弦相似度算法研究

为了解决余弦相似度算法进行数据清洗时重复与相似的数据会使计算量呈几何级增长的问题,提出了基于N-Gram和动态滑动窗口的改进余弦相似度算法.首先通过计算每条数据的N-Gram值,并对数据进行相似度排序,然后定义初始滑动窗口,其窗口值根据N-Gram值的方差动态调整,最后在每个窗口中根据相似度与阀值判断相似数据.实验结果表明,改进的余弦相似度算法在运行速度上有大幅度提高,数据清洗准确率也得到提升,且该算法适用于海量数据的情形.

基于动态滑动窗口BP神经网络的水文流量预测

水文流量数据中不同季度和月份的时序和周期性特点不同,而现有的滑动窗口方法基本采用固定大小窗口,且选择随机、误差大。为了反映水文流量数据中不同月份的时序和周期性的不同特点,提出了动态滑动窗口的方法。该方法中对不同的月份使用动态窗口产生多个数据集,并进行BP神经网络学习,以选择最优窗口,最后利用最优窗口数据集进行验证。以朱沱水文站为例的流量预测数据与实测数据的比较结果表明,基于动态滑动窗口BP神经网络水文流量预测方法比固定窗口BP神经网络的预测方法的预测精度更高。

基于动态可调衰减滑动窗口的变速数据流聚类算法

在数据流聚类算法中,滑动窗口技术可以及时淘汰历史元组、只关注近期元组,从而改善数据流的聚类效果。如果同时数据流流速无规律地随时间动态变化,原来单纯的滑动窗口技术在解决这类问题时存在缺陷,所以,在充分考虑了滑动窗口大小和数据流流速之间关系的前提下,提出了基于动态可调衰减滑动窗口的变速数据流聚类算法。该算法对历史元组和近期元组分别赋予一定的权重进行处理,然后依据数据流流速的不同函数改变窗口的大小,从而实现数据流的聚类。提出了该数据流聚类算法的数据结构——变异数据流聚类的数据结构。通过真实数据和模拟数据来构造动态变速数据流从而作为验证算法的原始数据。实验结果表明,与Clu Stream聚类算法相比,该方法具有较高的聚类质量、较小的内存开销和较少的聚类处理时间。

云加端的嵌套滑动窗口故障信号在线检测方法研究

针对当前制造业生产线设备的故障检测效率以及检测方法通用性不高的问题,提出了一种云端融合的动态嵌套滑动窗口故障信号在线检测算法。该算法采用云服务与智能终端在线检测相结合的架构,利用云服务大存储量和高计算速度、精度的优势,解决了终端设备对故障信号处理能力不足以及仅能对线上数据进行单次扫描的问题。云计算中心根据数据流的波动情况初步确定滑动窗口大小,再根据对异常信号的判断,向智能终端反馈故障信号的大小和相对位置,通过动态嵌套滑动窗口对其进行定位。理论分析和实验结果表明,该方法对周期信号有较好的通用性,而且有效提高了故障检测的效率。

结合滑动窗口动态时间规整和CNN的视频人脸表情识别

目的相比静态表情图片,视频序列中蕴含更多的情感信息,视频序列中的具有明显表情的序列在特征提取与识别中具有关键作用,但是视频中同时存在的中性表情也可能会对模型参数的训练造成干扰,影响最终的判别。为了减少这种干扰带来的误差,本文对动态时间规整算法进行改进,提出一种滑动窗口动态时间规整算法(SWDTW)来自动选取视频中表情表现明显的图片序列;同时,为了解决人脸图像受环境光照因素影响较大和传统特征提取过程中存在过多人为干预的问题,构建一种基于深度卷积神经网络的人脸视频序列处理方法。方法首先截取表情视频中人脸正面帧,用梯度方向直方图特征计算代价矩阵,并在代价矩阵上增加滑动窗口机制,计算所有滑动窗口的平均距离;然后通过平均距离最小值选取全局最优表情序列;最后采用深度卷积神经网络对规整后的人脸表情图像序列进行无监督学习和面部表情分类,统计视频序列图像分类概率和,进而得出视频序列的表情类别。结果在CK+与MMI数据库上进行5次交叉实验,分别取得了92.54%和74.67%的平均识别率,与随机选取视频序列相比,分别提高了19.86%和22.24%;此外,与目前一些优秀的视频表情识别方法相比,也表现出了优越性。结论本文提出的SWDTW不仅有效地实现了表情序列的选取,而且增强了卷积神经网络在视频面部表情分类中的鲁棒性,提高了视频人脸表情分析的自适应性度和识别率。

多算法融合的疲劳驾驶监测算法设计与实现

现实中基于图像处理的疲劳驾驶监测往往因环境的变化而具有不确定性。监测算法不规范,以致于疲劳驾驶监测任务很具有挑战性。为了解决此问题,提出了一种基于多算法融合的动态滑动窗口算法框架。首先利用Adaboost算法识别人眼,然后改进Otsu算法来自适应各种不同环境;进而提出动态滑动窗口算法来得到睁闭眼之间的最佳阈值;最终,利用改进的PERCLOS算法估计疲劳驾驶状态的不同级别。针对环境的变化采用睁闭眼判断窗口随人眼特征变化而更新的策略,系统使用摄像头实时捕获人眼图像,并在PC机上进行仿真测试,可在130-150ms之间实现不同疲劳状态的识别。实验结果表明,此算法框架能够有效、快速的分辨驾驶员不同的疲劳状态。

导引头电子舱自动测试系统中波形相似性度量问题的研究

针对某型号导引头电子舱自动测试系统中波形合格性测试的特殊应用需求,在对已有相似性度量算法进行研究的基础上,提出了适合于本系统应用的波形相似性度量方案;该方案将向量夹角余弦算法和平均绝对差算法相结合,分别从整体和局部对被测波形进行相似度测量;此外还引入了动态滑动窗口算法,解决了被测波形与模板波形的相位对齐问题;对比实验结果表明,与区域相关法、动态时间归正法以及骨架树匹配法相比,该相似性度量方案更加有效、实用。

基于电压波形相似度测量的十二相不控整流装置故障诊断

为实现十二相整流发电机整流装置故障准确定位,首先对正常和故障情况下的整流二极管两端电压进行解析分析,得到两种情况下整流二极管两端波形的解析表达式;其次,建立了十二相不可控整流装置的仿真模型,仿真验证解析表达式的正确性,并指出了整流二极管在故障前后的电压波形变化规律;再次,基于向量夹角余弦提出了十二相不可控整流装置故障诊断算法,并通过动态滑动窗口算法解决了电压波形的相位对齐问题;最后,以十二相同步整流发电机整流装置中整流二极管两端的实际电压波形试验验证了该方法的有效性。

基于DSMI算法和GPU加速的大规模视频检索系统

本视频检索系统围绕如何处理大规模数据和在线实时检索来展开研究。基于互信息量的镜头边界检测算法检索性能较好,但计算量较大,针对此问题,提出了一种基于动态滑动窗口算法与互信息量相结合的分割算法(DSMI算法),系统运用GPU的并行计算能力来实现加速检索。实验结果表明,DSMI算法能够加快系统中镜头边界检测的运行效率;同时GPU加速使用户在线检索时间成功达到20倍加速比,满足了项目的实时性要求,具有较高的可扩展性。

VBA和EXCEL函数结合编程在数据处理中的应用

为了降低重复性的数据操作,提高工作效率,引入利用VBA和EXCEL函数来进行编程。系统的介绍了利用VBA和EXCEL的函数如何来进行编程,指出通过WorksheetFunction对象引用Excel函数是实现动态滑动窗口的关键。通过对数据进行平滑滤波和中值滤波的分析对比得出利用Excel的函数来进行编程可提高程序的可读性,降低程序的复杂性。充分利用EXCEL具有非常强大的图像文字显示功能,可对VBA和EXCEL函数结合编程对数据的处理结果能够得到更好的分析,对从事地质和地球物理研究的人具有非常重要的意义。

基于人工蜂群优化的数据流聚类算法

在传统分段式数据流聚类算法中,在线部分中的微簇阈值半径T取值不精确以及离线部分对微聚类的处理相对简单,导致了聚类质量不高.针对这一缺点,在现有动态滑动窗口模型基础上,提出了一种针对离线部分处理的基于人工蜂群优化的数据流聚类算法.该算法包括两部分:(1)在线部分根据数据在窗口内停留的时间长短来动态调整窗口的大小和改进微簇阈值半径T的取值,逐步得到微簇集.(2)离线部分利用改进的蜂群算法不断动态调整来求出最优聚类结果.实验结果证明,本文算法不但有较高的聚类质量,而且有较好的延展性和稳定性.

基于波形相似性度量的雷达辐射源分选方法研究

针对基于提取雷达参数特征的分选方法中存在的特征提取困难、受噪声影响大以及对波形变化敏感等问题,依据相似性度量理论,文中提出了一种基于波形相似度测量的雷达辐射源分选方法。在完成对已有相似性度量算法研究的基础上,采用将夹角余弦算法、平均绝对差算法、动态滑动窗口算法相结合的方法,分别从雷达波形的整体和局部测量波形的相似度,实现雷达辐射源信号的配对分选。仿真结果表明,该方法能够克服传统分选方法的缺陷,相比基于信号互相关的分选算法,有效提高辐射源信号分选的准确率,对先验知识的依赖性不强,具有一定的抗噪能力。

面向时序的相似重复数据清洗算法优化

针对海量时序数据集提出了一种相似重复数据检测算法。该算法以传统近邻排序算法SNM为基础,增加了对窗口大小的动态调整策略,新增了窗口跳跃滑动策略。新策略大大减少了相似重复数据清洗过程中的比对次数。该算法的提出,对时序数据集中的相似重复记录清洗效果带来了极大的提升,尤其是对于相似重复记录较稀疏的数据集,在理论和实验结果中均表明该算法在提高相似重复数据的检测性能上有显著效果。

一种基于深度学习的时序病变数据段分类方法

针对在大规模时序医疗数据的分析中现有检测方法检测精度低、检测速度慢等问题,文中提出了一种基于深度学习的时序病变数据段分类方法。该方法在TSTKS(Ternary Search Trees and modified Kolmogorov-Smirnov)算法和滑动窗口理论的基础上,利用深度学习技术实现了对病变数据段的快速准确分类。文中以利用该方法对病变数据段进行分类的结果作为依据,实现了滑动窗口大小的动态调整。通过对真实癫痫脑电信号(Electroencephalogram,EEG)进行分析,证明了所提病变数据段分类方法和基于该分类方法的滑动窗口动态调整机制具有检测速度快、精度较高等优点,可以为大规模时序数据的快速分析研究提供一种新选择。