搜索结果: 1-15 共查到“信息与通信工程 时间序列”相关记录28条 . 查询时间(0.178 秒)
针对现有直觉模糊时间序列模型中直觉模糊关系组和确定性转换规则过度依赖训练数据规模的问题，提出一种基于动态时间弯曲（DTW, dynamic time warping）距离的长期直觉模糊时间序列预测模型。通过直觉模糊C均值（IFCM, intuitionistic fuzzy C mean）聚类构建直觉模糊时间序列片段库，动态更新和维护规则库，减少系统复杂度。提出基于DTW距离的直觉模糊时间序列片段...
高阶直觉模糊时间序列预测模型
高阶 直觉模糊时间序列 预测模型 直觉模糊推理
<
2016/7/13
提出一种高阶直觉模糊时间序列预测模型。模型首先应用模糊聚类算法实现论域的非等分划分；然后，针对直觉模糊时间序列的数据特性，提出一种更具客观性的直觉模糊集隶属度和非隶属度函数的确定方法；最后，利用直觉模糊多维取式推理建立高阶模型的预测规则，进行预测。在Alabama大学入学人数和北京市日均气温2组数据集上分别与典型方法进行对比实验，结果表明该模型有效提高了预测精度，证明了模型的有效性和优越性。
基于时间序列分析的微博突发话题检测方法
突发话题 微博 突发特征 时序分析
<
2016/5/11
针对微博信息噪音大、新颖度难以判断的问题，在动量模型的基础上进行优化，提出了基于时序分析的微博突发话题检测方法。通过动量模型提取候选突发特征后，对特征的动量时间序列分别借鉴信号频域分析理论和股票趋势分析理论进行建模，分析特征的频域特性来识别频繁伪突发特征，分析特征的新颖程度来识别间歇性伪突发特征，合并过滤后的有效突发特征形成突发话题。微博数据实验表明，该方法有效提高了突发话题检测的准确率和F值。
传感器网络环境监测时间序列数据的高斯过程建模与多步预测
传感网环境监测 时间序列 高斯过程 多步预测
<
2015/12/21
针对传感网环境监测应用采集的时间序列数据,提出了一种新的基于高斯过程模型的多步预测方法,实现了对未来时刻的环境监测数据的预测。高斯过程模型通过核函数描述数据的特性,通过对环境监测数据的经验模态分解,以及对其内在物理特性的分析,构建了针对环境监测数据的高斯过程核函数,实现了对数据变化模式的描述。在基于3个数据集的5个种类、20 000多个环境监测数据上进行了性能对比实验,结果表明,与对比预测方法相比...
对角型广义RBF神经网络与非线性时间序列预测
RBF神经网络 贝叶斯阴阳和谐学习 非线性时间序列 预测
<
2014/2/6
径向基函数（RBF）神经网络在非线性时间序列预测方面发挥着重要作用。本文提出了对角型广义RBF神经网络模型，并利用贝叶斯阴阳（BYY)谐和学习算法进行隐层单元个数的选择和参数初始值的设置，且建立了同步LMS算法进行参数学习。进一步，将对角型广义RBF神经网络应用于非线性时间序列预测，得到了预测准确率高和速度快的效果。
区间时间序列的混合预测模型
区间分析 时间序列 混合模型 ARIMA 模型 人工神经网络 城市轨道交通 Monte Carlo方法
<
2014/2/25
提出一种基于自回归求和移动平均(ARIMA) 与人工神经网络(ANN) 的区间时间序列混合模型, 并用混合模型分别对区间中值序列和区间半径序列建模. 采用Monte Carlo 方法生成模拟区间序列, 分别用ARIMA、ANN和混合模型3 种方法进行建模和预测实验, 并用统计学方法检验模型误差. 最后分别采用3 种方法对H市轨道交通某号线牵引能耗区间序列进行了建模和预测, 实验结果表明混合模型的建...
最小二乘支持向量机用于时间序列叶面积指数预测
最小二乘支持向量机(LS-SVM) 支持向量机(SVM) 叶面积指数 时间序列 MODIS
<
2016/8/17
遥感反演的叶面积指数（LAI）时间序列被广泛应用于气候模拟、作物长势监测等研究。但遥感数据受天气等因素影响，时间序列的LAI 数据存在缺失。支持向量机（SVM）是一种有效的数据分类和回归预测工具，而最小二乘支持向量机（LS-SVM）是对SVM 的有效改进。以西藏那曲县为例，使用2003-2011 年MODIS LAI 产品，分别用LS-SVM 和SVM 两种方法对研究区域2011 年LAI 时间序...
无线传感器网络离群时间序列检测研究
离群数据 无线传感器网络 时间序列 切比雪夫多项式
<
2014/4/22
基于无线传感器网络的环境监测系统中，广泛存在着离群数据。目前，一个有趣但还没有被广泛讨论的问题是离群时间序列的检测问题。为了满足大规模数据集快速离群数据检测的需求，本文提出了一种新的无线传感器网络离群时间序列检测算法，通过引入切比雪夫多项式实现离群数据快速检测。通过NS2仿真实验,证明了该算法的可行性和有效性。
认知无线网络中基于时间序列预测的冲突分解算法
认知无线网络 时间序列 冲突分解
<
2012/4/12
针对认知无线网络提出了一种新的基于业务模型预测的冲突分解算法，该算法利用认知节点对用户业务的感知能力对业务进行建模，使用模型预测冲突报文数，同时结合树形分解算法来分解报文冲突。理论分析和仿真结果都表明，在真实的自相似业务背景下，该算法能提高认知网络的系统吞吐率和降低平均分解周期，从而使得系统的整体性能得到改善。
基于粒子滤波优化的滚动式时间序列多步预测
时间序列 多步预测 粒子滤波 Box-Jenkins建模
<
2013/9/3
针对复杂的应用环境下，时间序列建模不易准确，多步预测精度不高的问题，提出基于粒子滤波（particle filter, PF）优化的滚动式时间序列（roll time series, RTS）多步预测算法(PF_RTS)。采用Box-Jenkins方法对时间序列滚动自适应建模，所建模型作为粒子的状态转移方程，利用粒子滤波算法实时动态修正预测数据，逼近状态的最优估计。本文算法具有自学习能力，适合实时...
针对现有链路质量预测算法不适用于实际通信场景的问题，该文提出一个不依赖于任何特定信号传输模型和节点移动模型、低复杂度的实时链路质量预测算法，并将其应用于稳定路由协议设计。通信节点存储并更新其邻节点的接收信号强度集合以构成时间序列，将时间序列分析中的局部线性核平滑方法和滑动窗口局部多项式预测方法引入链路质量判断及预测。在此基础上，结合跨层协作思想，提出了节点移动自适应的提前路由修复机制。仿真结果表明...
时间序列的近似表示和相似度量是时间序列数据挖掘的重要任务之一，是进行相似匹配的关键。该文针对现有的各种基于分段线性表示(Piecewise Linear Representation，PLR)相似度量方法存在的序列长度依赖和多分辨率条件下的潜在识别误差等缺点，提出了一种序列分段线性弧度表示和基于弧度距离的相似度量方法，实现了序列的快速在线分割和相似度计算。该方法简洁直观，利用分段弧度对分段趋势进行...
基于Kalman滤波的储备池多元时间序列在线预报器
卡尔曼滤波 递归网络 回声状态网络
<
2009/9/9
针对多元非线性时间序列,结合回声状态网络和Kalman滤波提出一种新的在线自适应预报方法. 该方法将Kalman滤波应用于回声状态网络储备池高维状态空间中, 直接对网络的输出权值进行在线更新, 省去了传统递归网络扩展Kalman滤波中Jacobian矩阵的计算, 在提高预测精度的同时令算法的适用范围得到扩展. 在回声状态网络稳定时给出所提算法的收敛性证明. 仿真实例验证了所提方法的有效性.
...
基于Kalman滤波的储备池多元时间序列在线预报器
卡尔曼滤波 递归网络 回声状态网络
<
2009/9/9
针对多元非线性时间序列,结合回声状态网络和Kalman滤波提出一种新的在线自适应预报方法. 该方法将Kalman滤波应用于回声状态网络储备池高维状态空间中, 直接对网络的输出权值进行在线更新, 省去了传统递归网络扩展Kalman滤波中Jacobian矩阵的计算, 在提高预测精度的同时令算法的适用范围得到扩展. 在回声状态网络稳定时给出所提算法的收敛性证明. 仿真实例验证了所提方法的有效性.
...