多时间序列关联规则分析的论坛舆情趋势预测

为了预测论坛舆情及其动态演变趋势,基于多时间序列的关联分析,集中分析了论坛中3个量的时间序列之间的关联规则:活跃者之间的关系强度的时间序列、坚定支持者人数的时间序列以及坚定支持者成员的变化频度的时间序列。然后给出了一种新的基于多时间序列关联分析的论坛舆情预测算法(Forum sentiment trend prediction based on multi time series association rule analysis,TPMTSA),并在真实数据集和拟合数据集上进行了大量的实验。结果表明:TPMTSA算法具有有效性和较高的运行效率。研究结果可用于论坛舆情预警监控。     

时间序列三角极值点线性分段算法

文章在时间序列逐段线性描述方法基础上提出三角极值点分段算法.通过考察时间序列相邻极值点之间幅度变化大小来确定关键点序列.该算法较好地处理了时间序列局部噪声和数据压缩问题.并通过实验说明了算法的有效性.     

混沌在测量中的应用

将混沌对初始条件的敏感特性应用到测量领域中，提出了一种基于符号序列的通用编码方法，并给出了符号序列同初始条件之间的数学关系，讨论了基于混沌的测量系统的一些特性。理论分析，数字仿真及试验结果表明，混沌在测量领域中的应用具有很大的潜力，为混沌的工程应用开辟了新的方向。     

基于混沌特性的网络流量预测

高速网络中存在着以自相似为特征的多种业务流量,这种自相似特征和混沌现象的吸引子有着紧密的联系。本文基于混沌时间序列重构相空间理论,根据最大Lyapunov指数,分别采用W o lf原始算法和改进算法,对高速网络中自相似信源的速率进行了预测,并给出了最大可预报时间。仿真结果表明,W o lf改进算法预测精度及可靠性更高。     

序列图像背景重建方法

研究了基于Kalman滤波理论的有色噪声滤波,探讨了其在序列图像背景重建中的应用。首先针对光线变化对背景的影响,建立背景的二阶滤波方程和观测方程,然后给出有色噪声滤波模型,利用Kalman滤波器对背景进行预测更新。试验结果表明,该方法能迅速更新背景,对光线变化具有良好的适应能力。     

基于序列图象的三维刚体运动估计研究进展

序列图象运动估计是动态场景分析的基础,它主要研究如何从变化场景的一系列不同时刻的图象中,提取出有关场景中物体的位置、运动和结构等信息。在综述了基于序列图象运动分析的传统方法及其技术特点和存在的问题后,分析了基于序列图象的三维刚体运动估计研究的发展趋势。     

多序列激光阴影成像技术研究及应用

为获取超高速碰撞过程中弹丸的飞行姿态及碰撞所产生的碎片云特性,开展了多序列激光阴影成像技术研究。利用多光源空间分离、偏振分光、光束角放大和补偿滤光等技术解决了单色光带来的衍射和干涉噪声以及碰撞瞬间强烈的自发光干扰问题,并先后在碰撞靶上建立了2序列、4序列和8序列激光阴影成像系统。该系统可以获得最小间隔1μs、曝光时间10ns、像素1000万的多个不同时刻的超高速瞬态变化过程图像,并在超高速碰撞靶试验中得到应用,获得了2~7km/s 撞击速度时碎片云的多序列阴影图像,该序列图像清晰地描述了碎片云的轮廓发展变化过程。该技术以低成本的方式实现了超高速摄影机的功能,满足目前碰撞试验粒子的飞行姿态及碎片云显示需要,并可以应用于其它超高速瞬态过程测量及流场结构显示。     

基于时间序列数据挖掘的旋转机械故障预报

提出一种基于时间序列数据挖掘的故障预报新方法。把故障前兆因子作为一种暂态,根据旋转机械轴承振动的实验数据建立时间序列．利用时延嵌入的方法重构状态空间,在状态空间中使用遗传算法搜寻最优暂态束．组成暂态集。用暂态集对旋转机械轴承振动的测试数据进行分析．判断是否为故障前兆因子．从而实现故障预报。     

基于小波神经网络的混沌时间序列预测及应用

根据相空间重构理论,探讨了一种基于小波神经网络(WNN)的混沌时间序列预测方法。根据G-P算法和Takens理论,计算出混沌时间序列相空间重构所需的最小嵌入维数,以此作为网络的输入节点数。通过时频分析,使得隐节点数的选取也有了可靠的理论依据。最后对Lorenz仿真信号和滚动轴承信号进行仿真和预测,验证了方法的有效性。结果表明,对于混沌时间序列的预测,WNN网络比BP网络表现出更理想的预测效果,为非线性动态系统的预测提供了一种有效的途径。     

基于矩阵的装配过程建模方法

装配型生产是一种典型的离散型生产,装配生产过程是装配状态在装配作业的驱动下不断发生转移而持续更新至完成状态的一个过程,本文提出了一种基于矩阵运算的装配过程建模方法,对这种由装配状态转移组织起来的生产过程进行了建模。文中给出了装配作业、装配状态以及作业有序关系等元素对象的矩阵表示方法;以矩阵的运算过程来表述生产流程,包括作业可操作性测试、装配状态转移、作业有序矩阵更新等;产品结构的层次性使得装配过程也会具有一定的层次性,对装配过程进行子装配划分,用分块矩阵表达装配过程与其子装配之间的层次关系,建立分层的装配过程模型。该模型通过装配过程的矩阵表示,最终可获得装配体的可行装配序列,为装配序列选优提供数据基础。     

航材消耗的时间序列分析

本文采用时间序列分析法对某种航材故障率进行预测,用移动平均法消除时间序列的长期趋势和周期变动,然后按月平均法求出季节指数,并对季节指数进行调整,然后根据拟合的趋势方程对此种航材的故障率进行预测.其结果能为航材的可靠性保障提供理论依据.     

基于特征点分布的多元灰色绝对关联度(英文)

针对多元灰色绝对关联度存在分析结果与定性判断相矛盾的问题,探讨一种基于点分布特征的灰色绝对关联分析模型。该模型依据多元序列的几何描述,分区域提取邻域极值,构造多元序列的特征点集;然后根据特征点的分布特性获取反映多元序列几何特征的特征点序列;将多元序列的关联分析转化为特征点序列间的相关性分析,从而建立关联度模型。该模型具有平移不变性、转置和行列变换不变性、满足灰色关联分析公理要求。最后,通过两个实例验证了该模型的有效性。     

时序多相关-经验模式分解方法及其对车辆振动信号的分析

振动信号的特征提取由于受强背景噪声的干扰往往具有很大的困难。在作者提出的时序多相关-经验模式分解方法的基础上,提出了一种相应的改进方法,将其扩展到一般振动信号的特征提取。先对采集到的时间序列作多相关处理,在时序多相关处理时,为了达到克服噪声干扰的目的,取一段采样序列,对其作周期延拓,使得在多相关处理后,噪声仅仅体现在多相关序列的常数项里面。再对得到的多相关数据作经验模式分解,选择满足要求的本征模式函数并作边际谱分析,以达到提取强噪声背景下的特征信号的目的。仿真分析表明了该方法的有效性。最后将它应用到实际某特种车辆振动信号的特征提取中,得到了满意的结果。     

声发射信号的时序分析法在磨削烧伤预报中的应用研究

高温合金、表面硬化钢、钛合金等难加工材料，由于具有热稳定性好、热强度高、耐腐蚀、抗磨损性能好等特点，因而被广泛应用于航空航天等工业部门中。但该类材料在磨削加工中极易出现磨削烧伤现象，降低了工件表面完整性，对零件的使用性能产生不利的影响，制约生产率的提高。本文在对高温合金（ＤＺ４）磨削过程中产生的声发射信号特性进行深入分析的基础上，应用时序分析法，建立起关于磨削过程中声发射信号的自回归时序模型，探讨磨削烧伤的在线监测和预报。研究结果表明，声发射信号功率谱结构变化能真正反映磨削烧伤发生与否，自日归时序模型参数及残差方差对工件表面状态变化敏感，均可作为特征参量进行磨削烧伤在线预报。     

中介粗集及其在数据挖掘中的应用

粗集理论已成功应用于数据挖掘,如基于粗集方法的属性发现和决策规则的约简等。中介集合论是以中介逻辑为基础,也可以用于数据挖掘。文中将两者相结合,提出了中介粗集的概念。中介粗集是普通粗集的推广,为不完全信息系统的数据挖掘提供了新的工具,不仅可用于一般的信息系统,还适用于数据取空值的信息系统（允许结论取空值）。利用中介粗集进行数据挖掘不但可以得出粗集理论中的约简,还能得到更为简洁的中介约简。文中还给出了     

周期序列正交分解和离散傅里叶级数

本文试图用信号线性逼近的方法和正交分解的理论导出周期序列离散傅里叶级数DFS关系式。推导过程表明,在N维序列空间上,用N维复指数序列集线性逼近任一周期序列,在方均误差最小的条件下,其表达式就是DFS关系式;同时说明,周期序列的DFS部分展开式在方均误差准则下线性逼近误差最小。     

复合材料层合板疲劳寿命分析的系列单元失效模型

采用有限元方法发展了一个复合材料层合板疲劳寿命分析的系列单元失效模型,模型给出了复合材料层合板刚度退化、内部损伤和损伤累积规律,把层合板的失效过程模拟成单元刚度逐步退化、应力不断重新分布、单元损伤不断累积的动态过程。利用ANSYS软件进行了两个算例分析,分析预测结果与试验结果吻合较好。