-
公开(公告)号：CN112115989A
公开(公告)日：2020-12-22
申请号：CN202010922633.3
申请日：2020-09-04
申请人： 西安外事学院
摘要： 本发明公开了一种蠕虫时间序列分类典型样本确认方法，首先，进行时序的类内欧氏距离计算，获得小于距离平均值的备选时序组和距离平均值；新时序进入类内训练，根据距离结果，确认该时序是否满足时序组距离要求，达到要求，进入时序组；其次，对备选时序组与其它类型时序之间的类间距离进行计算；对新时序与其它类的典型时序组进行计算，确定与类间距离的关系，大于类间距离则新时序完全符合典型时序样本的要求；最后，检验其分类准确率，作出相应的标记；采用公认时序数据库进行实验验证，结果证明，蠕虫时间序列分类典型样本确认方法可以获得每个类型的典型样本，确保样本的有效性，类型划分更清晰。
-
公开(公告)号：CN112035718A
公开(公告)日：2020-12-04
申请号：CN202010814796.X
申请日：2020-08-13
申请人： 西安外事学院
IPC分类号： G06F16/906 , G06F16/2458 , G01N21/3563 , G06Q30/00
摘要： 本发明公开了基于趋势一致性匹配的时间序列分类方法的肉类检测方法，包括S1:训练时序距离分类计算，获得依据类内弯曲距离最小的最优时序和相应的距离阈值；S2：对最优时序进行趋势化表示；S3：对测试时序与最优时序之间的时间弯曲距离进行计算，依据距离阈值对时序进行筛选，获得备选集；S4：对时序备选集内的时序进行趋势化表示，进行与最优时序趋势化表示结果的一致性计算；S5：根据与多个类型最优时序匹配一致性计算结果，最终确定测试时序的类型；采用公认时序数据库的实验结果证明，该分类的准确率和召回率等指标都有显著的提高，分类结果不受时序类型多和数据长度的影响，分类的基准明确，不需要进行多次训练模型学习。
-
公开(公告)号：CN111783567B
公开(公告)日：2023-07-25
申请号：CN202010549308.7
申请日：2020-06-16
申请人： 西安外事学院
摘要： 本发明提供了一种基于极值标识的时间序列分类方法,采用符号化的方式标明时间序列的变化趋势，在进行机器学习、模式识别等半监督场景学习过程中，对手部动作和手语标志进行分类时，可以根据用户的实际需要，从时间序列本身固有的最值特征出发，以趋势判定作为时间分类的基准，采用分级描述的方式，确定相应的多级形态表；在形态表参数的获取过程中，采用线段延长线相交的方式，最终判断线段集所属段的趋势；本方法可以更准确的定位线性化特征，获得更优的线性拟合结果；非相邻的线段间的趋势表达的更加全面；具有适应范围广，实用性强的特点。
-
公开(公告)号：CN109951266A
公开(公告)日：2019-06-28
申请号：CN201910060317.7
申请日：2019-01-22
申请人： 西安外事学院
摘要： 本发明公开了一种基于QAM调制的全双工双向中继方法，其步骤为：在每帧的第1个时隙，用户A和B在QAM信号的同向分量上同时发送各自的第一比特信息，中继R接收混合信息并解码；在每帧的第n个时隙，用户A和B、中继R分别在QAM信号的同向和正交分量上进行信息的收发；在每帧的第N个时隙，中继R转发上一时隙的再生信息，用户A和B接收到中继R的转发信号后，进行解码，分别得到对方上一时隙的发送信息。本发明能够较好地消除中继协作中的互干扰和自干扰问题，实现一种双向中继系统的全双工工作模式，从而提升系统通信的有效性和时延性能；本发明技术实现简单、成本低、配置灵活，既可单独使用，也可与传统全双工技术配合使用。
-
公开(公告)号：CN109831238A
公开(公告)日：2019-05-31
申请号：CN201910032801.9
申请日：2019-01-14
申请人： 西安外事学院
IPC分类号： H04B7/08
摘要： 本发明公开了一种基于最大比的选停分集合并方法，其步骤为：1）开始时，合并器首先选出两条分集支路中SNR较高的一路作为输出；2）合并器停留于所选出的支路上，同时持续监测其SNR的变化，若当前支路的SNR小于预先确定的某一门限值，则合并器对两个支路的信号进行MRC合并输出；3）此时，合并器工作于MRC模式，相应地会同时监测两条分集支路，当发现任一支路的SNR大于预先确定的门限值时，合并器采用SC方式选出信道质量较好的支路作为合并输出，随即，合并器切换到TSC工作模式，并转到2）。本发明利用MRC技术分集增益突出的优点，有效增强了分集系统的整体性能。
-
公开(公告)号：CN113514258A
公开(公告)日：2021-10-19
申请号：CN202110802391.9
申请日：2021-07-15
申请人： 西安外事学院
IPC分类号： G01M17/007 , G01C9/00
摘要： 一种汽车主销参数的联合测量方法，包括以下步骤；首先，通过直接测量获得所需的基础数据；然后，利用对称性条件，推导出主销后倾角的计算公式，并代入基础数据，间接测得主销后倾角γ；最后，利用非对称性条件，推导出主销内倾角的计算公式，同样代入基础数据，间接测得主销内倾角β。本发明在充分挖掘和利用汽车主销与转向节之间的几何依赖关系的基础上，能够提升测量效率和降低测试成本的同时提高测量精度。
-
公开(公告)号：CN111783851A
公开(公告)日：2020-10-16
申请号：CN202010550472.X
申请日：2020-06-16
申请人： 西安外事学院
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于中枢点的时间序列趋势动态分段方法，针对时间序列数据库建立有效的索引，能更好地对时序进行分类。在模式分类领域，对心电图中心跳正常和异常等情形进行自动区分，需定性研究时间序列的趋势特性，在保留数据的总体趋势和测量误差的基础上，动态确定时间序列趋势分段结果。首先，根据时间序列的参数变化规律，获得有效中枢点；再根据中枢点的生成方式，获得时间序列的动态分段，确定分段的起始、终止位置和区间趋势特性；最后，每段时间序列的趋势索引连接，建立趋势段索引表。本发明在快速分段的基础上建立时序索引，并对段内的区间趋势进行有效描述，给模式分类挖掘中的相似性模式匹配研究提供具有全局能力的索引表。
-
公开(公告)号：CN111783567A
公开(公告)日：2020-10-16
申请号：CN202010549308.7
申请日：2020-06-16
申请人： 西安外事学院
IPC分类号： G06K9/00
摘要： 本发明提供了一种基于极值标识的时间序列分类方法,采用符号化的方式标明时间序列的变化趋势，在进行机器学习、模式识别等半监督场景学习过程中，对手部动作和手语标志进行分类时，可以根据用户的实际需要，从时间序列本身固有的最值特征出发，以趋势判定作为时间分类的基准，采用分级描述的方式，确定相应的多级形态表；在形态表参数的获取过程中，采用线段延长线相交的方式，最终判断线段集所属段的趋势；本方法可以更准确的定位线性化特征，获得更优的线性拟合结果；非相邻的线段间的趋势表达的更加全面；具有适应范围广，实用性强的特点。
-
公开(公告)号：CN110647647A
公开(公告)日：2020-01-03
申请号：CN201910826882.X
申请日：2019-09-03
申请人： 西安外事学院
IPC分类号： G06F16/583 , G06K9/62
摘要： 本发明提供了一种基于时间序列复杂度差异性的封闭图形相似性搜索方法，包括以下步骤：S1、观测封闭图形，获得封闭图形的时间序列。S2、设定两个时间序列的复杂度差异性CO；S3、设定复杂度时间度量标准TSD；S4、采用穷近法对S3中的复杂度时间度量标准完成近邻搜索；S5、采用三角不等式对距离值进行修正；S6、在系列化的索引数据结构中获得二维相对图的封闭位置，解决了现有的图形相似性搜索方法无法实现二维图形的相似性搜索，同时时间序列的时间维度武大得到解决，确保图形旋转在度量过程中的有效性，对不同复杂度的时间序列给出度量标准，最终实现二维封闭图形的相似性搜索。
-
公开(公告)号：CN111783851B
公开(公告)日：2023-08-11
申请号：CN202010550472.X
申请日：2020-06-16
申请人： 西安外事学院
IPC分类号： G06F18/21
摘要： 本发明公开了一种基于中枢点的时间序列趋势动态分段方法，针对时间序列数据库建立有效的索引，能更好地对时序进行分类。在模式分类领域，对心电图中心跳正常和异常等情形进行自动区分，需定性研究时间序列的趋势特性，在保留数据的总体趋势和测量误差的基础上，动态确定时间序列趋势分段结果。首先，根据时间序列的参数变化规律，获得有效中枢点；再根据中枢点的生成方式，获得时间序列的动态分段，确定分段的起始、终止位置和区间趋势特性；最后，每段时间序列的趋势索引连接，建立趋势段索引表。本发明在快速分段的基础上建立时序索引，并对段内的区间趋势进行有效描述，给模式分类挖掘中的相似性模式匹配研究提供具有全局能力的索引表。
-
-
-
-
-
-
-
-
-
搜索结果
27 条记录 (耗时 0.022 秒)
