通过最大化实现数据流算法中的可变滑动窗口(英文)

数据流挖掘中很多算法是基于定长滑动窗口的,定长滑动窗口的缺点是很难设置窗口的大小,而且对数据流分布的不同类型不存在最优大小的窗口,因此算法的性能较差。提出了可变滑动窗口算法,通过高效维护一个静态的最大范化均值完成。该常量在全部时间窗口中被最大化因而使用变长窗口。其他算法可以用该方法重新描述。实验表明了范化均值的有效性。

干扰控制K均值序贯泛化二维地震信号去噪

K均值序贯泛化(SGK)去噪算法在字典更新阶段会引入噪声干扰。为了控制噪声干扰对字典原子的影响,构建一种干扰控制K均值序贯泛化(C-SGK)地震信号去噪算法。该算法在字典更新阶段通过判断信噪比值与设定阈值间的大小来决定是否更新原子。若信噪比值大于设定阈值,则顺序更新原子,反之则不更新原子。对人工合成和实际地震信号的去噪结果表明,本算法能够很好地控制噪声干扰,且与传统SGK算法比较发现,本文算法对地震信号的去噪效果更优。