时间序列数据的相似模式抽取

提出一种基于多项式回归分析的相似性度量和时间序列相似模式抽取的系统化方法,其基本思路是用一个分段多项式回归模型近似一个时间序列,把原始序列映射到多项式系数张成的特征空间,并推导出此特征空间的欧几里德距离作为相似性度量,从而自然地把原始序列分为一个不重叠的有序子序列集合,然后对这个子序列集合进行聚类,得到一组不重叠的模式.所提方法还定义了不等长度时间序列相似的概念.说明了一些著名的分段直线表示(PLR)法是所提方法的特例,并给出了理论分析和实验结果.

基于小波变换和反馈的时间序列相似模式搜索算法

为得到有价值的相似时间序列,分析小波变换及其在寻找相似时间序列上的优越性;指出了现有的基于小波变换的相似时间序列搜索算法的2个缺点,提出了基于小波变换和加权反馈的时间序列相似模式匹配算法和基于验证深度的验证方法;通过实验证明了算法的有效性和实用性.

图像相似模式挖掘中的颜色-位置直方图方法

颜色直方图计算简单快捷 ,对大小、方向、物体移动和视点等不敏感而在基于内容的图像检索中得到了广泛的应用 .然而 ,由于它只包含颜色的总体信息而没有反映其相对位置 ,检索精度受到了一定的限制 .针对这个问题 ,提出了一种颜色 -位置直方图 ,该直方图在不失传统直方图鲁棒性的前提下 ,将颜色和位置信息有机地融合起来 ,同时考虑它们对图像内容的表征作用 .由于该直方图在反映颜色频率的同时也记录其分段虚拟边界的位置信息 ,因而较好地解决了传统直方图存在的问题 .对合成图像和实际图像所做的实验结果表明 ,该方法是有效的 ,具有一定的实用价值 .

基于相似模式聚类的电子商务网站个性化推荐系统研究

保证个性化推荐系统产生高质量的推荐结果的重要因素是:系统必须要确定访问者在访问行为的相似程度,从而能预测访问者的访问和购买兴趣。实现此功能的关键技术是计算访问者对象在整个或者部分属性空间的相似距离,从而得到访问行为的相似程度。该文首先分析了目前在推荐系统中常用的用于计算访问行为相似程度的距离函数,发现它们是测定访问者对象在所有测试属性空间上的平均测定,而在属性集的子维空间上的相似模式并没有有效地挖掘出来。然后提出一种新的基于相似模式聚类算法的电子商务个性化推荐系统,综合考虑可供挖掘的数据源(如:网站内容,网站的超链接结构,顾客访问网站的行为,以及商业的实际购买情况,顾客的身份数据等)获取用户访问电子商务网站的访问页面序列,构建较高购买者的顾客行为的矩阵模型,高效地得到访问者对象在整个或者部分属性空间的相似访问行为,然后通过挖掘潜在购买者与较高购买者的相似模式特征,帮助顾客发现他所希望购买的产品信息,用于提高实际购买量,实验数据表明,该系统高效并可广泛使用。

CoClique:从生物网络中挖掘频繁关联相似模式

以前的许多研究已经充证明了挖掘频繁子图是非常有意义的。从单个图中很难挖掘出一些潜在的很有意义的频繁模式,因而应该从多个图中去挖掘频繁模式。以前的研究诸如相似模式(Quasi-Clique)不能解决图中的中心问题。介绍了一个新的概念关联相似模式(Correlated-Quasi-Clique)同时也介绍了一个有效的算法,CoClique,该算法可以解决挖掘过程中所存在的中心问题并且提高挖掘频繁关联相似模式的效率。同时,也提出了一些有效的剪枝策略来缩小搜索空间。在真实数据集上的实验分析结果证明了所提出的算法比以前的算法更有效,结果更好。

一种多尺度的时间序列相似模式匹配算法

提出一种多尺度的时间序列相似模式匹配算法 .该算法用离散小波变换对时间序列进行多分辨分析 ,在多尺度上提取序列的形状特征 ,然后在不同的尺度上找出相似的序列和子序列模式 .该算法可以匹配不同长度的序列 。

个性化推荐系统中相似模式聚类研究

分析了目前在推荐系统中常用的用以计算访问行为相似程度的距离函数,发现它们仅是测定访问者对象在所有测试属性空间上的平均测定,而在属性集的子维空间上的相似模式并没有有效地挖掘出来。给出一种新的相似模式聚类算法,能高效地得到访问者对象在整个或者部分属性空间的相似访问行为模式。实验系统是高效的。

多重纹理图像相似模式精确识别方法仿真

图像相似程度识别是图像高效利用的基础,针对当前相关成果存在的问题,提出基于LBP的多重纹理图像相似模式识别方法.引入模糊松弛迭代法进行图像增强,根据图像基本信息,设置图像模糊松弛参数,设计构建模糊松弛相应映射函数,实现图像可控迭代式增强,并以适当迭代次数当作增强结束条件.基于增强后图像提取纹理特征,对增强后的图像进行粒的划分,依据图像区域分割结果提取出粒边缘,得到粒边缘详细信息,将合并后的粗糙粒边缘当作图像纹理特征.结合特征提取结果,采用LBP算子对图像进行精细划分,得到LBP直方图分布情况,并基于训练模型及测试样本特征,通过加权特征向量之间的距离计算得到图像相似模式识别分类最终结果.仿真结果表明,上述方法识别率高,且识别过程能耗低.

基于颜色和局部二值相似模式的背景减除

针对视觉背景提取(Visual Background Extractor,ViBe)算法对光照变化和动态背景适应性差、鬼影消除时间长的缺点,提出了一种改进的ViBe算法。该算法使用颜色特征与局部二值相似模式(Local Binary Similarity Pattern,LBSP)特征进行背景建模,增加了对光照变化的鲁棒性。在模型更新阶段,引入二次空间传播机制,以加快消除鬼影的速度。根据当前像素与空间邻域像素的标准差获得自适应判决阈值,以较快的时间响应速度抑制动态背景的干扰。在Change Detection dataset数据集上的实验结果表明,改进后的算法能较快地抑制鬼影,同时能保证慢速和静止目标不会很快地融入背景,对复杂动态场景和光照变化有较好的适应性,其F-measure指标较ViBe算法提升了19.29%。

相似模式类鉴别分析方法

针对多类识别时原始特征空间中相近的类经过线性鉴别分析（LDA）降维后，在低维空间中易被混淆，不利于识另4的问题，提出了一种通过对相似类对抽取鉴别向量构成特征变换矩阵的相似模式类鉴别分析（SPDA）方法，并将该方法与LDA降维相结合，应用于级联改进二次鉴别函数（MQDF）分类器中，实现了对手写汉字识别性能的进一步提高。在脱机手写汉字字符集2000（HCL2000）上的识别率为98．82％，识别结果高于可查文献中相应的识别结果，这表明该方法是有效的。

水文时间序列相似模式搜索的研究

水文数据量大,类型复杂,将时间序列相似模式搜索运用于水文时间序列,采用DTW方法计算得到水文时间序列的累积距离矩阵,再利用最短距离聚类,得到不同时期相似的水文过程,可以有效地回答防汛指挥中经常问到的"当前水文过程相当于历史上哪一时期的同类过程"等问题。

建构相似模式 求解最值问题

在数学思维的相似性观点下 ,利用学生建立起来的不等式求最值的认知系统 ,构造与题目相适应的不等式公式或建构适合不等式公式的形式 。

运动模型学习结合局部二值相似模式的间歇性测量目标跟踪方法

针对摄像机的有限视野导致测量可能只是间歇性可用的问题,提出了一种运动模型学习结合局部二值相似模式的间歇性测量目标跟踪方法。首先,开发了一种新型估计器和预测器,实现同时学习运动模型;其次,利用局部二值相似模式编码判断每个像素点属于背景还是运动目标,从而实现像素级别的运动目标检测;然后,从运动的摄像机来估计运动目标的位姿,提供稳定性分析以证明位姿估计和函数近似的收敛,而不需要限制性持续激励条件。最后,实验结果证明了所提方法可以有效地追踪多个目标状态的可行性并且对估计器增益不敏感。

基于神经网络的时间序列相似模式发现方法

基于无监督学习神经网络聚类原理,提出一种时间序列相似模式发现方法.通过快速离散余弦变换将序列映射到相应的特征模式空间,不但实现维数简约,而且克服传统神经网络不能处理过程序列的局限性.分析人工神经网络作为相似性度量模型的优越性,用"黑箱式"的网络权值代替传统的距离度量方法,并在此基础上实现相似模式的全部配对发现算法.对实际飞行数据仿真结果表明该方法的正确性,同时具有多尺度特性,可有效反映不同分辨率下序列间的相似程度.

网络信息审计系统中的多模式相似匹配算法

针对网络信息审计系统的需要,提出一种新颖的基于Episode距离的快速多模式相似串匹配算法.该算法把模式串集合转换为多个有限自动机,然后利用模式串集合建立一个状态驱动器.依次用待匹配串的字符驱动状态驱动器,由状态驱动器驱动各个有限自动机,实现了中英文混合的允许插入错误的相似多模式匹配.该算法不需要匹配每个字符,能充分利用匹配过程中本次匹配不成功的信息并结合改进的文本窗机制,跳过尽可能多的字符;能够控制每个模式串的允许错误上限;匹配速度与允许插入的错误字符数k无关.该算法在信息审计、数据库、信息检索等领域有着广阔的应用前景.

基于模式相似度和LZW压缩编码的电能质量数据压缩方法

针对电能质量数据多数情况下具有周期性、对称性、奇偶性等特点,提出了一种基于模式相似度和LZW压缩编码的电能质量数据压缩处理方法。在该压缩算法中,利用模式相似度归一化距离测度良好的畸变识别能力,对畸变和非畸变数据分别进行无损和有损压缩;合理引入LZW编码压缩,进一步提高算法的压缩比。依据IEEE电能质量标准,在MATLAB7.10环境下对6种典型的电能质量扰动信号建模后,设计仿真实验,完成了归一化距离测度畸变检测能力的检验,并通过与一维离散小波变换数据压缩算法的性能比较,验证了该算法的压缩性能和可行性。

基于模式相似性测度的电能质量数据压缩方法

针对电能质量信号中单次电能质量事件内各个周期信号相同的特点,设计一种基于模式相似性测度的电能质量信号压缩方法。首先,建立6种典型电能质量信号的数学模型,生成仿真信号进行实验,选择适合电能质量信号畸变检测的相似性测度。在判定新电能质量事件发生后,记录发生畸变的相邻两个周期的电能质量信号,并使用其中第2个周期的信号代替该次电能质量事件中的其他周期波形,从而达到压缩信号的目的。新方法可以对电能质量信号进行非降采样率的全时数据压缩。与小波等压缩方法比较,新方法的压缩与重构过程计算简单、对硬件要求低,同时避免了压缩过程中高频信号成分特征的丢失。仿真实验表明,新方法失真度低、计算时间短、压缩比高,能够满足电能质量数据压缩与分析的需要。

基于时间序列的相似子模式发现算法

基于时间序列的数据挖掘时,一般需要对时间序列离散化,再聚类成不同的子模式。已有的方法常忽略时间序列本身的位置和整体特征,并且计算量大。针对其不足,文中提出一种检索时间序列分段关键点的算法,以关键点为边界分段,使用形态距离测度和快速剪除的算法,高效简便地检索出相似子模式。

数据库营销中序列模式的相似性分析

序列相似性模式搜索是营销数据仓库中知识发现领域的一个研究热点。本文利用小波工具提出了一个基于Hurst指数的序列相似性判别标准和算法,新方法在某一分辨率层次上进行曲线形状的相似性搜索和度量,从而可以提高营销相似性模式查询的效率。最后用算例对方法的有效性加以验证。

从卢梭、杜威的教育观到相似诱导教学模式——谈人本化教育思想的发展

学习是儿童成长的一种必需;教育应以人为本,适应儿童个体的成长;相似诱导教学在植根本土文化的基础上接纳了卢梭、杜威的教育理论,提出的学习观、教育观体现了人本化教育思想。