排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
作为在时间序列数据挖掘中广泛使用的主要符号化表示方法，符号聚合近似（SAX）使用段的平均值作为符号表示，由于无法区分具有不同趋势但具有相同平均值符号的不同时间序列，某些情况下可能会导致错误的分类。提出了一种改进的符号表示——趋势符号聚合近似（TrSAX），集成SAX与最小二乘法，用以描述时间序列的均值和斜率，并由此构建出BOTS分类器。此外，对卫星的模拟量遥测时序数据中的角度序列、转速序列、电流序列进行分析，并从UCR公开数据集中筛选出与3种序列类似的3个数据集进行分类实验验证。与应用了SAX和2个改进的SAX、经典的欧氏距离（ED）、动态时间规整（DTW）的1-NN分类方法进行对比，结果表明:提出的BOTS分类方法的分类错误率明显低于其他5种分类方法。 相似文献
2.
利用理工类专业课堂开展课程思政教育能够有效弥补思政课程在落实立德树人根本任务方面的不足.本文首先介绍课程思政建设背景及意义,分析思政教育现状,以"能源与动力装置基础"为例,探讨课程思政建设方法,提出构建和落实课程思政,要从课程本身出发,深挖思政元素,通过顶层设计和育人理念融合,依托知识的传授来落实育人目标. 相似文献
1