多变量时间序列相关论文
随着各种传感器的硬件技术的高速发展,尤其是多传感器技术,相关器件可以记录并存储大量的数据信息,多传感器记录的时序数据通常都......
时间序列早期分类问题是当前数据分析领域热门研究方向之一,通过分析部分可观测的时间序列信息,在保证分类准确率的同时,尽早的给......
时间序列预测作为一种根据已有的历史信息对事物的未来走向进行预测的手段,为决策的制定和采取提供了参考的可能,也因此越来越成为......
随着高铁规模的发展,现应用的异常检测方法已经不能满足牵引系统的安全需求。近几年,深度学习逐渐应用于异常检测任务,不仅能动态......
时间序列是对一个系统中的变量按照时间顺序观测,按照单位时间进行记录得到的观测值。根据系统中被观察的变量个数,可以将时间序列......
随着数据采集设备智能化及自动化的不断发展,数据采集更加方便,数据采集的内容更具多样性,数据维度不断增加,采集频次也在不断增强......
针对当前多变量时间序列分类方法未考虑降维处理多变量时间序列,导致多变量时间序列分类精度较低,分类时间较长的问题,提出了基于......
输电线覆冰严重威胁到电网的安全运行,严重的覆冰可能引起导线舞动、绝缘子闪冰、断线、倒塔等事故,造成整个输电网络瘫痪,给整个......
多变量时间序列是一种当今普遍存在的数据形式,如生物医学、气象预报、网络入侵检测和移动对象模拟等。多变量时间序列的分类和聚......
轨道动态检测数据是反映轨道健康状况的一种多变量时间序列数据,对其进行挖掘与分析,有助于研究轨道状况的变化,对进一步的养护维......
时间序列数据的挖掘是一个重要且成熟的研究主题,解决了很多现实问题。多变量时间序列(MTS)在众多领域应用广泛,如何对MTS准确高效......
挖掘多变量时间序列中的有用信息是许多科学应用邻域的一项共同任务,包括网络服务,工业系统,医疗健康,航空航天,金融学,气象学,生......
多变量时间序列(MTS:multivariate time series)分类是根据已知MTS提取特征或者训练模型将未知的MTS标记上已知标签的过程,该工作......
时间序列是指按时间排序的一组观察值集合,并广泛应用于金融、医疗等众多领域,同时时间序列也存在维数高、规模大、结构复杂和噪声......
多变量时间序列数据在日常生活中分布广泛,并且多变量时间序列预测的重要性日益显现,在交通、金融、能源等众多领域中持续得到广泛......
网络是世界物质存在的基本形态,是描述与刻画复杂系统的有力工具。真实系统具有本质的时变特性,系统的结构与功能往往随时间而变化......
该文运用非线性动力学分析方法研究多变量时间序列的非线性特性,并给出了一种多变量时间序列的非线性检验方法,经过有效性检验后用......
在现实问题中，复杂系统随处可见，通常，复杂系统都涉及许多变量，例如气候系统。在现实情形，由于这些系统的结构非常错综复杂，所能得到的信......
为提高电力推进船舶电力负荷预测精度,提出电力推进船舶电力负荷的多变量混沌局部预测.将相空间重构由单变量时间序列拓展到多变量......
在非线性动力系统中,邻域预测法已经很广泛地应用于单变量时间序列,本文将这些方法,特别是COM法和LL法,推广应用于多变量时间序列.......
探讨了多变量时间序列模式挖掘在中医药临床疗效评价中的作用,在"十五"课题所取得的数据基础上,构建多变量疗效矩阵,用Frobenius范......
根据单变量时间序列计算最大Lyapunov指数的算法思想,本文提出了一种于多变量时间序列最大Lyapunov指数计算的方法.针对原有算法需......
集成学习是分类多变量时间序列的有效方法。然而集成学习对基分类器性能要求较高,基分类器组合算法优劣对分类效果影响较大。为此,......
