动态时间规整

摘要： 电能计量系统误差估计是针对由电能表、电流互感器(Current Transformer,CT)、电压互感器(Voltage Transformer,VT)和二次回路组成的电能计量装置潜在危害的有效手段。电能表和二次回路的计量误差可以在线监测,但CT和VT的计量误差不能直接测量,且随温度、泄漏电流等因素的变化而变化。文中提出了一种利用隶属云(Membership Cloud,MC)和动态时间规整(Dynamic Time Warping,DTW)连续估计CT和VT变比和相位误差的方法。该方法构造了一个新的混合半梯形MC生成器(MC Generator,MCG),以解决在不同影响因素下误差偏差的随机性和模糊性问题。利用改进的DTW算法(Modified DTW,MDTW),可以根据误差时间序列与量化影响因素之间的相似性,估计CT和VT误差。将电能表和二次回路的测量误差与估计的电流互感器和电压互感器误差相结合,便可得到电能计量系统的综合误差。通过110 kV变电站电能计量装置的现场测试数据,验证了所提方法的有效性。

摘要： 针对传统谐波监测数据预警方法仅考虑短时或单一时刻的数值大小分布,未关注到长期趋势变化的问题,文章提出了基于谐波监测数据相关性分析的趋势预警方法:在分析了长期运行过程中谐波监测数据随时间变化趋势的周期规律性以及相似性基础上,对比实时监测数据与正常状态数据的变化趋势,若趋势差异大,则预警。使用滑动均值法提取数据整体趋势变化,避免短时波动等干扰对整体趋势分析的影响;根据动态时间规整算法,量化不同时段数据变化规律的差异,并进行异常趋势预警;利用现场实测数据,验证了文章方法的正确性和有效性。

摘要： 目前,尚未明确轨道动静态检查结果间的匹配关系,其直接影响轨道不平顺的评价与维修。为实现动检与静检高低、轨向在数据层面的匹配,从动静检不平顺的定义出发,以矢距构造高低、轨向的查询序列与匹配序列。利用动态时间规整计算序列间的规整路径,并由规整路径的稳健估计修正里程基准,以缩减搜索空间。对修正后的序列再次进行动态时间规整,得到最优规整路径,实现动静检高低、轨向不平顺在数据层面的识别与对齐。采用Pearson相关系数、锁相值及平均绝对误差对匹配的一致性、同步性及准确性进行评价。以某高铁的左高低动静检数据为例,对上述方法进行验证。验证结果显示,动静检匹配波形的一致性、同步性及准确性良好,其匹配后序列间相关系数为0.970,锁相值为0.954,平均绝对误差0.215 mm,优于单纯的里程基准修正的匹配结果。通过矢距序列的动态时间规整-里程基准修正-二次时间规整,可实现轨道动静检高低、轨向数据的匹配。上述方法为深入讨论不平顺的动静映射问题提供了技术依据,并可用于轨道状态信息的深度挖掘。

摘要： 针对列车丢失卫星信号无法定位的问题,提出了一种基于动态时间规整(DTW)算法的列车平顺度信息匹配的方法。借助传感器对列车的在线的平顺度信息进行采集,利用基于DTW-KF(卡尔曼滤波)的方法对采集到的数据进行处理与规整匹配。基于列车自身速度传感器等的数据作为模板变量与在线测量数据作为测试数据进行匹配,根据DTW的最优匹配路径、失真度和匹配结果可以在列车在丢失卫星信号,无法定位的情况下给出列车离线定位信息。对模板数据进行分块处理(二均分,四均分)与测试数据进行实时匹配,根据DTW算法匹配结果对惯性导航系统(INS)进行误差校正可以使列车在丢失卫星信号的情况下得到列车的在线定位信息。

摘要： 时间序列分类问题是时间序列数据挖掘中的一项重要任务,近些年受到了越来越广泛的关注.该问题的一个重要组成部分就是时间序列间的相似性度量.在众多相似性度量算法中,动态时间规整是一种非常有效的算法,目前已经被广泛应用到视频、音频、手写体识别以及生物信息处理等众多领域.动态时间规整本质上是一种在边界及时间一致性约束下的点对点的匹配算法,能够获得两条序列间的全局最优匹配.但该算法存在一个明显的不足,即不一定能实现序列间的局部合理匹配.具体的讲,就是具有完全不同局部结构信息的时间点有可能被动态时间规整算法错误匹配.为了解决这个问题,提出了一种改进的基于局部梯度和二进制模式的动态时间规整算法LGBDTW(local gradient and binary pattern based dynamic time warping),通过考虑时间序列点的局部结构信息来强化传统动态时间规整算法.所提算法虽然实质上是一种动态时间规整算法,但它通过考虑序列点的局部梯度和二进制模式值来进行相似性加权度量,有效避免了具有相异局部结构的点匹配.为了进行全面比较,将所提出的算法应用到了最近邻分类算法的相似性度量中,并在多个UCR时间序列数据集上进行了测试.实验结果表明,所提出的方法能有效提高时间序列分类的准确率.此外,实例分析验证了所提出算法的可解释性.

摘要： 针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题,提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先,采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次,对采集得到的原始数据预处理后提取健康因子,将训练用数据和测试数据分别构成参考数据集和目标数据集。然后,以参考数据集为基础,利用动态时间规整算法扩增目标数据集数据。最后,使用数据扩增后的测试数据训练BLSTM网络,利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明,基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据,扩增性能退化过程相似的滚动轴承运行数据,利用扩增数据训练BLSTM网络,能够有效提高性能退化趋势预测能力,进而提高剩余寿命预测精度。

摘要： 针对居民空调用电行为分类中存在事件型数据,导致分类分析耗时长、结果不准确等问题,提出一种基于函数型数据分析(FDA)模型的居民空调用电行为分类分析方法。该方法采用多重分形理论提取居民用电行为特征,使用函数型数据分析算法对居民空调用电行为进行聚类后获取居民空调用电行为类别,采用改进动态时间规整算法对居民空调用电行为实施分类处理,得到居民空调用电行为。根据非介入式设备采集到的实际居民用电行为信息检验该方法的有效性,实验结果表明:该方法可以较好地提取居民用电行为特征,且可有效提高用户空调用电行为分类精度以及缩短分类耗时,可充分描述居民空调开启情况以及消耗电量,具备较好的应用效果。

摘要： 为了解决各信号系统间潜在的安全隐患,急需开展安全信息监督相关技术的研究。为此,通过对各信号系统间结合部数据的监督分析,对系统间数据采样时间可能不同步的场景,利用动态时间规整技术,以规整后的源头和终点数据为边界,重点监督分析几类影响列车安全运行的场景,及时发现系统结合部信息不一致的异常情况,对潜在的隐患进行预警,从而助力高铁行车更安全,调度指挥更高效。

摘要： 同步相量测量单元(PMU)能为电力系统监测和控制提供实时数据。然而,PMU连续坏数据与扰动数据高度相似,可能会导致控制中心做出错误的决策。针对PMU连续坏数据难以与扰动数据区分的问题,提出了一种基于局部离群因子(LOF)的连续坏数据检测算法。通过大量现场数据分析得出连续坏数据空间相似性差、扰动数据空间相似性强的结论,依据此结论提出了基于动态时间规整(DTW)的空间相似性评估方法。通过评估不同PMU的空间相似性来计算每台PMU的LOF值,进一步,提出了基于箱线图的阈值确定方法。通过比较当前窗口每台PMU的LOF值是否超过阈值,在线识别连续坏数据。仿真和测试结果表明,所提方法能有效实现连续坏数据的辨识和检测,并区分扰动数据。

摘要： 为解决低压配电网络户变关系不准确带来的台区线损统计、排查困难等问题,根据电力大数据技术,提出了基于变压器低压侧和用户侧电压时序数据聚类的配电台区户变关系智能识别方法。首先,采用改进的动态时间规整算法计算用户时序电压序列的相似度;其次,提出基于自组织特征映射算法与K-means算法相结合的两阶段聚类方法,结合时序数据相似度实现基于形状的快速聚类,将连接同一变压器同相位下的用户聚成一类,实现台区户变关系的智能识别;最后,利用实际配电网的台区量测数据进行仿真验证和分析,仿真结果证明了本文所提方法的有效性。

摘要： 本研究利用试品升、降压过程中的视在放电量–施加电压序列作为局部放电特征量,并将动态时间规整(DTW)分类算法引入局部放电模式识别中。算法在训练阶段首先利用矢量量化方法构造码本,并以码本码字代替原始特征矢量实现数据压缩,同时采用训练样本构造DTW参考模板。在测试阶段,计算测试样本与每类放电参考模板的平均DTW距离,并利用快速匹配(FM)算法加快DTW运算过程,最后应用最近邻识别准则得到识别结果。对5类放电的200个样本的测试结果表明,DTW算法能够有效识别不同放电源与DTW算法相比,DTW-FM算法具有更高识别率和节省56%计算量的优点。

摘要： 由于光学遥感容易受到云雨天气的影响,难以获取有效长时间序列的光学影像.基于Sentinel-1SAR时间序列数据,提出了一种基于优化动态时间规整(Dynamic Time Warping,DTW)的水稻种植区提取方法.首先根据物候特征构建Sentinel-1SAR时间序列数据,分别基于像元和对象构建后向散射系数(σ0)时间序列曲线;然后利用优化的动态时间弯曲(Dynamic time warping,DTW)算法,计算σ0时序曲线与标准σ0的相似性;最后以此为依据提取水稻种植区,并与传统DTW算法提取的结果进行对比.以江苏省东台市为研究区开展实验,结果表明,优化的DTW算法解决了全局寻优导致的时间位移不一致、时间跨度大问题,比传统DTW算法的正确率提高了1.38％;采用面向对象分类方法可以避免逐像元提取过程中出现的椒盐现象,正确率和完整率分别提高了2.48％和3.58％.

摘要： 由于地下介质通常具有各向异性和非均质性,导致常规速度分析及动、静校正难以拉平地震同相轴,常规处理后的地震道集仍然存在剩余时差,这对AVO属性分析和叠前反演非常不利.为了解决这一难题,提出了一种基于形状上下文(Shape Context,简写为SC)和动态时间规整(Dynamic Time Warping,简写为DTW)的叠前道集剩余时差校正方法.该方法利用叠前道集内各地震道波形的相似性,优选出参考道,并在计算时窗内将道集中的每一道都与参考道进行SC-DTW计算,求取其动态规整路径,进行剩余时差校正.数值模拟(模型)和实例分析结果表明,基于SC-DTW的叠前道集剩余时差校正方法具有较好的抗噪声能力,对地震波形畸变具有较好的鲁棒性,能够有效消除叠前地震道的剩余时差,处理后的地震同相轴波形连续,振幅特征未改变,可以提高AVO属性分析、叠前反演等地震资料处理解释的准确性.该剩余时差校正方法具有较好的实用性和推广价值.

摘要： 近年来,针对少资源语言的语音关键词检出技术受到了国内外研究机构的广泛关注.本文在基于动态时间规整(Dynamic Time Warping,DTW)的关键词检出框架下,提出了基于音素边界的局部匹配策略,用以解决基于样例的语音关键词检出任务中的近似查询问题.在QUESST2014评测数据上采用多种特征进行了实验验证.实验结果显示,基于音素边界的局部匹配策略不仅在近似查询(T2和T3)任务上的检出效果明显提升,在精确查询(T1)任务上也获得了有效提升.随后的系统融合实验表明,基于音素边界的局部匹配策略能够大幅提升融合系统的性能.

摘要： 由于墙体空鼓声无损检测信号中时频特征的不稳定性,传统的频谱特征和人工神经网络模式识别方法需要大量训练样本且识别性能有限.本文利用敲击墙体声信号的人耳听觉特性,提出利用信号Mel频率倒谱系数(MFCC)特征和动态时间规整(DTW)模板匹配的方法进行分类识别,提高检测系统性能.在实体墙体与空鼓墙体的检测实验表明,本文方法在仅需少量训练样本的条件下检测识别率达到90%以上,可满足实际检测需求.

摘要： 模式识别是人工智能研究领域的一项重要课题,对于目标物在射影变换、仿射变换下的识别,尤其是严重变形情况下的识别和匹配更是该领域的研究热点和难点.针时仿射变换下的平面目标识别问题,提出了一种新的几何特征不变量——特征比,并以此为基础构造了一种新的仿射不变图像特征描述符.该描述符通过构造一系列与目标图像相交的直线,将图像用一系列共线点的位置关系进行表示.进而,将点的位置关系转化为特征比并表示成一系列的特征比谱;最后,通过动态时间规整(dynamic time warping,DTW)算法比较特征比谱间的距离得出图像间的相关性,从而进行目标识别.实验表明,该算法不仅对严重的仿射变形有较高的识别率,对相似度较高的图像也有很好的区分效果。

摘要： 提出了一种基于浮点数字信号处理器TMS320C6713 的实时语音识别系统。该系统以TMS320C6713 DSP 芯片和MSP430F149 低功耗单片机为核心进行设计，实现了对非特定人、孤立词的语音信号的采集、识别和输出结果显示及外围设备的控制等功能。采用了Mel 频率倒谱系数作为特征参数进行特征提取和动态时间规整（DTW）算法进行模式匹配。该系统具有良好的灵活性和实时性，在抗噪声、鲁棒性和识别率等方面也有明显的提高，在许多领域可作为实用化的一种参考。

摘要： 本文研究了网络音乐哼唱检索引擎中的常用算法,并对算法在大型音乐哼唱检索系统中的性能进行了评测。为了支持对于多种近似匹配算法的比较研究,开发了一个独立于算法的网络测试平台用于测试多种算法的性能。所研究的基本算法包括后缀树方法、隐马尔科夫模型（HMM）方法、近似旋律算法、动态时间规整（DTW）方法和相似度匹配算法。对其中的近似旋律算法、动态时间规整（DTW）方法和相似度匹配算法进行了大量实验,分析评价了它们的性能。实验结果表明,相似度匹配算法是适用于网络音乐哼唱检索引擎的查询算法。

摘要： 研究基于大型音乐乐曲库的常用哼唱检索(QBH)算法，并对算法的性能进行评测。为了支持对这些算法的比较研究，开发了一个测试平台用于测试多种算法的性能。常用算法包括近似旋律算法、动态时间规整(DTW)方法和作者提出的相似度匹配算法。对这些算法进行了大量实验，分析评价了它们的性能。实验结果表明，相似度匹配算法不仅查询速度快，而且在大型乐曲库条件下用户哼唱查询的准确率在85％以上，是一种适用于大型音乐库的哼唱检索算法。

摘要： 随着电力信息化的深化应用,电力信息数据呈现爆炸式增长趋势,电力行业的大数据时代已经到来.传统的在小规模数据量下对客户用电行为进行统计分析,具备一定的指导价值,但在海量数据情况下的应用效果不是很理想.与传统的客户用电行为分析相比,基于大数据的客户用电行为分析更注重对客户用电价值的挖掘,可以实现对海量客户用电行为的定量分析,提高客户行为定位的准确度,为更有效地开展客户服务、提高客户满意度、降低运营风险提供决策参考.rn 本文在研究电力业务的基础上，提出了一种面向削峰填谷的海量电力客户用电行为分析方法，为解决海量电力客户的削峰填谷问题，需要分析电力客户的用电行为特征与主网负荷特征的匹配关系。首先基于EM算法对主网历史1年的日负荷曲线数据进行聚类分析，得到不同时期主网的负荷特征，再分别利用分布式k-means算法对每一时期的海量电力客户的日负荷曲线数据进行聚类分析，得到不同主网特征对应电力客户的负荷特征。对比主网负荷特征曲线与客户负荷特征曲线可以得到电力客户的用电行为类型，如迎峰型（用户负荷特征曲线与主网负荷特征曲线走势相同，应该采取削峰填谷措施）、逆峰型（用户负荷特征曲线与主网负荷特征曲线走势相反，应该鼓励客户保持用电习惯）等，从而建立主网和电力客户群体的削峰填谷匹配模式。最后利用DTW对未来目标日和历史日进行日期匹配，分析未来目标日主网与用电客户的削峰填谷匹配关系，以确定电力客户群体在目标日的削峰填谷模式，进而对不同模式的客户群体采取不同的削峰填谷措施。

摘要： 本发明揭示了一种基于动态时间规整与长短时间记忆的负荷预测方法，包括如下步骤：S1、从电力系统中获取用户短期负荷预测所需的基本数据：S2、根据用户的历史负荷数据，使用动态时间规整法将用电行为类似的用户进行聚类；S3、对同一类别的用户数据进行池化处理；S4、选取训练数据，进行预处理后作为输入；S5、构建基于深度长短期记忆循环神经网络的短期负荷预测方法，并验证有效性。本发明针对待预测用户基数大的特点，将具有相似用电行为的用户进行聚类，提高了预测效率。同时，本发明通过将同一类别内的数据进行池化处理，增加了训练数据的多样性，提高了短期负荷预测精度，具有一定的工程应用意义。

摘要： 本发明公开了基于动态时间规整的车辆终点及行程时间计算方法，本发明方法采用半正矢公式计算两点间实际距离，更加符合实际地理空间情景；结合GPS数据呈时间序列的特点，使用适用于时间序列相似性度量的动态时间弯曲算法，有效地缩短了特征量的搜索比对时间，克服了GPS历史值序列与实时参考序列尺度不能完全一致的问题，具有概念简单和算法鲁棒性好的特点；通过特征工程处理使用高性能、适合模型的特征集，同时结合机器学习算法进一步使得预测过程更为准确。本发明作为基于动态时间规整的车辆终点及行程时间计算方法可广泛应用于交通领域。

摘要： 本发明揭示了一种基于动态时间规整与长短时间记忆的负荷预测方法，包括如下步骤：S1、从电力系统中获取用户短期负荷预测所需的基本数据：S2、根据用户的历史负荷数据，使用动态时间规整法将用电行为类似的用户进行聚类；S3、对同一类别的用户数据进行池化处理；S4、选取训练数据，进行预处理后作为输入；S5、构建基于深度长短期记忆循环神经网络的短期负荷预测方法，并验证有效性。本发明针对待预测用户基数大的特点，将具有相似用电行为的用户进行聚类，提高了预测效率。同时，本发明通过将同一类别内的数据进行池化处理，增加了训练数据的多样性，提高了短期负荷预测精度，具有一定的工程应用意义。

摘要： 本发明公开了基于动态时间规整的车辆终点及行程时间计算方法，本发明方法采用半正矢公式计算两点间实际距离，更加符合实际地理空间情景；结合GPS数据呈时间序列的特点，使用适用于时间序列相似性度量的动态时间弯曲算法，有效地缩短了特征量的搜索比对时间，克服了GPS历史值序列与实时参考序列尺度不能完全一致的问题，具有概念简单和算法鲁棒性好的特点；通过特征工程处理使用高性能、适合模型的特征集，同时结合机器学习算法进一步使得预测过程更为准确。本发明作为基于动态时间规整的车辆终点及行程时间计算方法可广泛应用于交通领域。

摘要： 本申请涉及语音识别技术领域，提供一种改良式动态时间规整系统及方法，包括二维矩阵转换模块以及路径运算模块。二维矩阵转换模块接收第一信号以及第二信号，并将第一信号映射至横轴、将第二信号映射至纵轴以获得空矩阵。路径运算模块以空矩阵的矩阵原点为初始的参考矩阵元素依序基于邻近的候选矩阵元素的加权后的路径数值选择下一矩阵元素作为下一参考矩阵元素，并依据路径数值计算下一参考矩阵元素的路径累进值，最终在空矩阵终点位置上的矩阵元素计算获得最终累进值以依据最终累进值评估第一信号及第二信号的信号相似度。本申请能使动态时间规整系统的相似度比对效率提高，并且在所需运算的矩阵越大时，效率提高越多。

摘要： 本发明提出了一种基于动态时间规整的轨迹样式识别方法及设备。所述方法包括：对给定的轨迹点进行均匀的重采样获得重采样点，使得每连续两点之间沿轨迹距离相等；将重采样点移动一个固定向量，使得移动后的点的重心位于原点；将移动后的点按指定方向旋转指定角度值，其中指定角度值为第一点的幅角值；对旋转后的点进行缩放，使得缩放后的点位于指定大小的正方形内；将处理后的轨迹数据与模板库中的每一轨迹进行DTW算法比较，选取DTW距离最小的模板作为其轨迹样式。本发明可以实现对二维轨迹的样式识别。

摘要： 本发明公开了一种基于均值动态时间规整的车辆轨迹运动模式提取方法。该方法先对原始轨迹进行初始化和重采样，获取重采样轨迹集合；根据重采样轨迹，计算基于均值动态时间规整的轨迹间距离；基于均值动态时间规整的轨迹间距离度量方法，并运用聚类算法进行聚类，得到聚类簇集合；最后为每个簇分别提取特征运动模式，得到特征运动模式集合。本发明通过采用限定的技术，可以准确地度量相似轨迹间距离，对长序列轨迹间距离度量更精准，适用于长序列轨迹的车辆行为分析，还可以从车辆轨迹数据集中提取特征运动模式；每一条提取的特征运动模式轨迹都可以直观地反映车辆的运动模式，更易于赋予运动模式语义赋予和可视化展示。

摘要： 本发明提供了基于轨迹重建和动态时间规整的塔机驾驶员行为评价系统，包括工控机、若干传感器、显示器、云服务器、无线通讯模块。主要软件部分包括基于轨迹重建的局部准确度判别系统和基于动态时间规整的整体相似度判别模型。行为评价模型由历史数据训练生成，并随着即时数据进行模型更新与优化，在驾驶室屏幕上和云端访问中显示空间三维轨迹和实时行为评价结果，能够及时预警异常操作行为，对操作行为进行量化评判，从而提高驾驶员培训和考核的效率，实现操作评价机制的客观和标准化。

摘要： 本发明公开一种基于局部自适应动态时间规整的航空器轨迹聚类方法，首先，获取进离港航迹数据，并对航迹数据进行质量分析；并对航迹数据进行预处理；其次，对跑道进行区分，为每条轨迹分配跑道，并将在同一个跑道起降的轨迹再按照走廊口继续分类；然后构建局部自适应动态时间规整模型，找出最优路径以及该路径的总体距离；最后，基于划分方法对航空器轨迹进行聚类。本发明借鉴直观视觉区分轨迹的思想，通过人为施加较大权重的方式充分放大轨迹中相似度较低的部分，使得相似度较低部分的相似度更低，且不考虑相似部分对整个轨迹相似度的影响，使得聚类结果更加精确、具有解释性及更加具有针对性。

摘要： 本说明书涉及地震勘探采集、处理与解释技术领域，具体地公开了一种基于神经网络和动态时间规整的地震层位拾取方法及装置，其中，该方法包括：获取多个二维地震剖面数据以及多个二维标签数据；将多个二维地震剖面数据以及多个二维标签数据输入至预设的数据与模型联合驱动模型中；调取神经网络子模型，以利用多个二维地震剖面数据与多个二维标签数据之间的非线性映射关系生成二维层位概率图；调取动态时间规整子模型对神经网络子模型输出的二维层位概率图进行局部修正，以提取出目标层位，得到二维层位数据；对数据与模型联合驱动模型进行多次分批式迭代训练，得到训练好的数据与模型联合驱动模型。上述方案可以提高层位拾取的准确性和效率。