《在弱标记的传感器时间序列上基于突变的事件分类》PDF+DOC
作者:汪雅雯,王鹏,汪卫
单位:上海市计算技术研究所;上海计算机软件技术开发中心
出版:《计算机应用与软件》2017年第07期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFJYRJ2017070370
DOC编号:DOCJYRJ2017070379
下载格式:PDF + Word/doc 文字可复制、可编辑
《面向海上传感器网络的数据与信息框架构建》PDF+DOC2015年第07期 孙睿,王爱强
《NI与Hewlett Packard Enterprise公司携手开发完整的Big Analog Data~(TM)大数据解决方案》PDF+DOC2016年第09期
《基于长短时记忆网络的人体姿态检测方法》PDF+DOC2018年第06期 郑毅,李凤,张丽,刘守印
《一种基于K近邻和多元回归的传感器缺失值预测算法》PDF+DOC2019年第03期 关伟,李先通
《传感器数据证实技术应用研究》PDF+DOC2004年第05期 吴祖堂,王群书,蒋庄德
《基于神经网络预测器的传感器数据证实技术研究》PDF+DOC 吴祖堂
《分布式传感器网络混合探测信号分类方法》PDF+DOC2012年第S1期 李侃,许航,黄忠华
《加拿大 CP-140 反潜巡逻机多传感器数据融合系统分析》PDF+DOC1997年第03期 王忆锋,张海联,李灿文,李茜
《可移动桶型基础平台负压贯沉过程中的多传感器数据融合》PDF+DOC2001年第02期 邱丹丹,阙沛文,李韧
《基于Kalman滤波的多传感器信息融合研究》PDF+DOC2013年第11期 刘洲洲
随着传感器广泛应用于各个领域,在传感器生成的时间序列上识别事件越来越受到广泛的关注。针对震荡的传感器时间序列,提出事件分类算法BEC。对于原始长时间序列和标记时间点作为类标签,BEC主要解决了两个问题。首先是将标记时间点扩展为包含充分信息的子序列以分类,再者是提取基于突变的特征以训练分类模型。实验结果证明,无需大部分时间序列分类问题中不现实的假设和太多人力干预,BEC提取的基于突变的特征能够充分描述事件,极大保留事件中关键信息,在现实数据集上的表现优于现有的时间序列分类算法。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。