融合FastDTW与SBD的稀有时间序列分类方法

稀有时间序列分类(RTSC)在天文观测等领域有广泛应用。针对目前稀有时间序列方法处理大规模数据集存在准确率低和时间成本高的问题,以天文观测中的短时标稀有天体光变事件——耀发现象为研究对象,提出改进的稀有时间序列分类方法RTSC-FS。该方法融合动态时间弯曲(DTW)的改进FastDTW和SBD度量序列距离,同时具有FastDTW计算复杂度低、衡量精度高和SBD计算速度快的特点,采用滑动窗口过滤、重采样、窗函数平滑、标准化数据等数据预处理技术进一步降低时间成本。在由地基广角相机阵(GWAC)记录到的星等变化的时间序列数据集上,所提方法从约791万天次的光变数据中发现具有耀发特征的曲线44条,召回率60.27%,查准率达34.65%,相比Baseline发现数量更多,召回率、查准率有所提升。

基于FastDTW案例检索的台风灾害应急方案生成

为提高台风案例检索的效率,研究台风灾害时空性、案例属性的重要性差异和信息完整性。通过FastDTW算法测算台风灾害时空轨迹相似度,构建与目标台风路径相似的历史案例集;为凸显不同案例属性间的重要性差异,采用关联系数标准差(CCSD)方法的优化模型来确定案例属性权重,并集结案例属性相似度,得到案例相似度;综合考虑时空轨迹相似度和基于灾害信息的案例相似度,检索相似历史案例集,得到最相似历史台风灾害,进而生成目标台风的应急方案;再对该方法进行实例应用。结果表明:该方法通过对台风的时空轨迹相似度测算、属性权重确定和信息合成,可检索到最相似历史案例,生成的应急方案更加全面、精确,贴近目标台风。

基于FastDTW的道岔故障智能诊断方法

道岔控制列车的行驶方向,是轨道交通系统的关键设备.文中采用ZD7型号道岔转辙机动作电流数据,提出基于快速动态时间规整算法(FastDTW)的道岔故障智能诊断方法.根据原始电流曲线特性将曲线分段处理,通过FastDTW计算待诊断电流曲线与模板电流曲线的扭曲路径距离,根据动态确定的最优阈值诊断故障.实验表明,该方法可适用于单动、双动型号道岔故障诊断问题,仅需200条道岔动作电流历史数据.该方法诊断准确率较高,时间较短,也适用于准确性、实时性要求较高的新型列控系统.

基于FastDTW-LSH的shapelet筛选方法

针对LSHST(Locality Sensitive Hashing Shapelet Transform)局部敏感哈希的shapelet转换方法中随机筛选造成更具差异性特征的子序列漏选,从而影响shpelets最终筛选质量的问题,提出了基于FastDTW-LSH的shapelet筛选方法,通过局部敏感哈希函数将高维空间中的子序列一一映射到各自对应的哈希桶中,对每个哈希桶进行FastDTW二分类判别;在各类中随机筛选出候选子序列,以供下一次哈希计算,经过多次哈希操作筛选出解释性更强的shapelets.实验结果表明,与LSHST相比,在shapelets转换时间未显著增加的前提下,FastDTW-LSH方法筛选出来的shapelets在8个数据集(UCR)上分类精度明显优于LSHST,尤其在CricketZ和FiftyWords数据集上分别最高提升了11.57%和9.16%.

基于Hadoop的水文时间序列相似性研究与应用

传统DTW算法复杂度高,特别当处理海量数据时,耗时长。为了从算法和实现手段两方面同时入手,提高DTW运算效率,提出基于Hadoop平台,以FastDTW方法实现的水文时间序列相似性查找方法。首先利用小波变换对数据去噪,接着对水文时间序列进行语义化,然后在Hadoop的MapReduce过程中调用FastDTW方法实现DTW距离的云计算,得出与查询序列最相似的匹配序列。通过实验与串行查找进行对比,验证该方法用时短,匹配效果好,能够满足实际应用需求。

基于RGB-D信息的动态手势识别方法

针对现有的动态手势识别方法在复杂环境下,易受无关肤色、光照变化等因素的影响,识别率低、实时性差等问题进行了研究,提出一种动态手势识别方法。该方法首先利用K-均值聚类算法和YCr'Cb'(由YCr Cb变换得到)椭圆肤色模型对RGB-D图像完成手势分割;然后将深度信息引入到传统卡尔曼滤波算法中,作为其跟踪参数之一,并在跟踪过程中对检测范围进行加窗处理;最后结合快速动态时间规整算法和突出关键特征点的思想,改进传统动态时间规整算法,并利用改进后的动态时间规整算法完成手势识别。实验表明:提出的手势识别方法在复杂背景下的识别率较高(96.8±1.5%),实时性较好(识别时间1.86±0.02 ms)。

基于目标检测和模板匹配的交警手势识别研究

交警手势识别在自动驾驶和驾驶辅助方面具有较高的应用价值。为解决在人群中定位交警位置以及分析其手势含义的问题,对一种基于目标检测和模板匹配相结合的方法进行研究,以捕捉和识别道路中交警的手势。首先利用YOLOv5s将交警和行人进行区分并将交警区域的尺寸变换后导出,然后使用Mediapipe从导出的交警区域中提取交警的身体关键点,经进一步处理得到交警手势的时间序列模板,最后使用FastDTW进行特征的匹配即可实现对交警手势的识别。实验结果表明,该方法可以在人群中定位到交警,并识别出动态的交警手势。

基于MR框架的不确定时间序列相似性计算方法

为了更好地适应大规模不确定时间序列数据的相似性耗时多、计算效率低的问题,基于传统的动态时间规整(DTW)相似性计算算法,在FastDTW算法已经进行粗细粒度化剪枝节省部分运算时间的情况下,通过融入MapReduce计算框架,提出一种不确定时间序列的相似性计算算法MR-FastDTW。该算法在FastDTW算法执行递归返回阶段时需要计算的递归矩阵,用MapReduce的思想分成多个子矩阵。同时对求得的路径周围的子矩阵进行并行计算,最后汇总范围内子矩阵的结果,得出最终路径。实验结果表明,MR-FastDTW算法解决了FastDTW在递归返回段执行到一定程度后计算量大的问题,提高了计算速度和计算准确性;相比于经典的DTW及其改进的FastDTW算法,具有更高的效率。

基于多项式最小二乘滤波的时间序列相似性度量

生产实践中会产生大量的时间序列数据,而通过对时间序列数据的挖掘可以指导生产实践.时间序列数据通常维度高,为了保证原始序列的变化形态,有研究提出了时间序列重要点表示,但是选取重要点后,序列仍然受到噪声点的影响.为此首次提出在预处理阶段对时间序列进行多项式平滑滤波(Savitzky-Golay),然后对平滑后的序列选取重要点.重要点的选取使用连续三点取值的算法,为了更大程度上降低时间序列的长度,对极值点的选取增加了新的约束条件.时间序列相似性度量使用快速动态时间规整算法(FastDTW),实验表明所提算法具有可行性和有效性.

一种改进的航迹聚类方法

针对现有处理轨迹数据的聚类算法大多数存在时间复杂度高,聚类效果达不到处理预期的情况,提出一种基于快速DTW距离度量的并行剪枝层次聚类算法。在计算不同轨迹之间的相似度过程中采用快速DTW算法取代计算效果较差的欧氏距离度量算法;合并簇与更新距离矩阵由单步运算改为批次运算,加快收敛速度;对于远离聚类中心的离群轨迹及时剪枝,减少不必要的合并簇与更新距离矩阵操作。通过处理大规模航迹数据,可视化聚类过程,相较于目前常用的层次聚类算法时间复杂度降低20%,基于真实飞行数据验证该算法的有效性。