为了解决10 kV馈线的线变关系问题,提出基于动态时间规整(dynamic time warping,DTW)联合贝叶斯压缩感知算法的配变线变关系辨识方法。首先,分析线变不一致的运行场景,建立配变线变关系的辨识模型——电压、电量混合模型;其次,采用DTW...为了解决10 kV馈线的线变关系问题,提出基于动态时间规整(dynamic time warping,DTW)联合贝叶斯压缩感知算法的配变线变关系辨识方法。首先,分析线变不一致的运行场景,建立配变线变关系的辨识模型——电压、电量混合模型;其次,采用DTW算法辨识母线与配变的隶属关系,实现配变线变关系的初步快筛;然后,采用贝叶斯压缩感知算法求解混合模型中的电量方程,求解隶属矩阵的值,实现配变线变关系的辨识;最后,采用实际运行数据验证该算法辨识的准确性与普遍性。展开更多
针对人类示教轨迹样本存在的时间和空间不对齐导致难以提取运动特征的问题,首先提出了基于典型时间规整(Canonical Time Warping,CTW)算法用于多条轨迹对齐的方法,并将其引入到软-动态时间规整(soft-dynamic time warping,soft-DTW)算...针对人类示教轨迹样本存在的时间和空间不对齐导致难以提取运动特征的问题,首先提出了基于典型时间规整(Canonical Time Warping,CTW)算法用于多条轨迹对齐的方法,并将其引入到软-动态时间规整(soft-dynamic time warping,soft-DTW)算法中以提取轨迹模板,其次在CTW算法中引入了一个新的变量,以提升CTW算法在对齐多条轨迹方面的能力;最后,在实验中利用多种轨迹验证了所提出的轨迹模板提取方法,实验结果表明所提出的方法可以从人类示教轨迹中快速地提取共有的运动特征,并且对示教轨迹在时间和空间上的差异具有较好的鲁棒性.展开更多
用户用电行为异常检测是保障电网安全运行、减少电力企业经济损失的关键环节。用户用电行为具有高度动态性和复杂性:不同用户、季节及时段的负荷曲线存在显著差异,正常波动与异常模式往往边界模糊,导致异常行为判断存在一定难度。为此,...用户用电行为异常检测是保障电网安全运行、减少电力企业经济损失的关键环节。用户用电行为具有高度动态性和复杂性:不同用户、季节及时段的负荷曲线存在显著差异,正常波动与异常模式往往边界模糊,导致异常行为判断存在一定难度。为此,本文提出一种基于动态时间规整(Dynamic Time Warping,DTW)算法的用户用电行为异常检测方法。利用欧氏距离定义电力用户用电数据类簇中心,并对类簇中心不断更新,实现用户用电行为数据的聚类。基于此,利用基于深度信念网络(Deep Belief Networks,DBN),提取用户用电行为特征,将该特征作为DTW算法的输入依据,度量用户用电行为的时间序列相似性,判断用户用电是否存在异常,最终完成用户用电行为异常检测。实验测试结果表明:所提方法检测出的异常用电行为数量与实际数量一致,且异常检测的召回率、F1分数指标均显著高于现有方法。展开更多
时间序列匹配技术广泛应用于车辆操纵一致性评价。针对某型教练车在协同驾驶过程中的动作匹配度评判问题,提出一种基于分段式动态时间弯曲距离的车辆油门操纵动作一致性评估方法。在有效解决教练车协同操控试验过程中样本数据点数量不...时间序列匹配技术广泛应用于车辆操纵一致性评价。针对某型教练车在协同驾驶过程中的动作匹配度评判问题,提出一种基于分段式动态时间弯曲距离的车辆油门操纵动作一致性评估方法。在有效解决教练车协同操控试验过程中样本数据点数量不一致问题的基础上,根据动态弯曲路径的斜率约束条件,将传统的动态时间弯曲距离(Dynamic Time Warping,DTW)矩形搜索区域通过改变路径搜索斜率方式转变为平行四边形搜索区域,以缩小搜索区域面积,从而极大程度地减小计算量。选取4组典型的油门动作曲线组进行50轮迭代实验进行验证,通过分段式DTW方法计算得到实车A、教练车B动作曲线之间的DTW距离矩阵,利用最小离差平方法对A、B两车动作进行聚类对象合并,从而完成油门动作数据的一致性评判。实验结果表明,改进后的动态时间弯曲算法在各油门动作的平均匹配精度可达89.2%,相较于单一的DTW算法提升约3.2%,平均匹配时间约为92.45 s,降低约12.6%,从而验证了分段式DTW算法在油门动作一致性评判的可行性和优越性。展开更多
时间序列聚类中的相似度度量方法选择已成为研究热点。目前大多数的聚类方法使用欧式距离进行相似性度量,但欧式距离进行度量对结构复杂的时间序列适用性较差,不能很好的提高聚类的准确性。提出一种基于动态时间弯曲(Dynamic Time Warpi...时间序列聚类中的相似度度量方法选择已成为研究热点。目前大多数的聚类方法使用欧式距离进行相似性度量,但欧式距离进行度量对结构复杂的时间序列适用性较差,不能很好的提高聚类的准确性。提出一种基于动态时间弯曲(Dynamic Time Warping)的PAM(Partitioning Around Medoids)算法,该方法在PAM算法的基础上引入DTW,以发现时间序列中的相似模式,增强对时间序列的偏移、振幅变化等情况的鲁棒性。在UCR数据集上的实验结果验证了PAM-DTW的准确率和稳定性优于传统算法。展开更多
针对体育教学过程中,单纯依靠教师人工观察识别学生的体育动作容易出现反馈不及时、主观评价等问题,提出一种基于融合姿态特征与动态时间规整算法(dynamic time warping,DTW)的体育动作识别方法.基于OpenPose的骨骼点特征输出,融合学生...针对体育教学过程中,单纯依靠教师人工观察识别学生的体育动作容易出现反馈不及时、主观评价等问题,提出一种基于融合姿态特征与动态时间规整算法(dynamic time warping,DTW)的体育动作识别方法.基于OpenPose的骨骼点特征输出,融合学生在体育动作中的重心、肢体角度、朝向等特征,并采用DTW进行规整和评价.实验结果显示,在训练数据集的400份动作样本中,OpenPose+DTW模型正确识别样本数为372,总识别率为93%.高于其他模型.同时广播体操教学的50个动作实验中,OpenPose+DTW模型的误判样本为5个,识别精度为90%.结果表明,基于融合姿态特征以及DTW的体育动作识别模型具备优秀的识别性能,能够满足在线体育教学的应用场景.展开更多
文摘为了解决10 kV馈线的线变关系问题,提出基于动态时间规整(dynamic time warping,DTW)联合贝叶斯压缩感知算法的配变线变关系辨识方法。首先,分析线变不一致的运行场景,建立配变线变关系的辨识模型——电压、电量混合模型;其次,采用DTW算法辨识母线与配变的隶属关系,实现配变线变关系的初步快筛;然后,采用贝叶斯压缩感知算法求解混合模型中的电量方程,求解隶属矩阵的值,实现配变线变关系的辨识;最后,采用实际运行数据验证该算法辨识的准确性与普遍性。
文摘针对人类示教轨迹样本存在的时间和空间不对齐导致难以提取运动特征的问题,首先提出了基于典型时间规整(Canonical Time Warping,CTW)算法用于多条轨迹对齐的方法,并将其引入到软-动态时间规整(soft-dynamic time warping,soft-DTW)算法中以提取轨迹模板,其次在CTW算法中引入了一个新的变量,以提升CTW算法在对齐多条轨迹方面的能力;最后,在实验中利用多种轨迹验证了所提出的轨迹模板提取方法,实验结果表明所提出的方法可以从人类示教轨迹中快速地提取共有的运动特征,并且对示教轨迹在时间和空间上的差异具有较好的鲁棒性.
文摘用户用电行为异常检测是保障电网安全运行、减少电力企业经济损失的关键环节。用户用电行为具有高度动态性和复杂性:不同用户、季节及时段的负荷曲线存在显著差异,正常波动与异常模式往往边界模糊,导致异常行为判断存在一定难度。为此,本文提出一种基于动态时间规整(Dynamic Time Warping,DTW)算法的用户用电行为异常检测方法。利用欧氏距离定义电力用户用电数据类簇中心,并对类簇中心不断更新,实现用户用电行为数据的聚类。基于此,利用基于深度信念网络(Deep Belief Networks,DBN),提取用户用电行为特征,将该特征作为DTW算法的输入依据,度量用户用电行为的时间序列相似性,判断用户用电是否存在异常,最终完成用户用电行为异常检测。实验测试结果表明:所提方法检测出的异常用电行为数量与实际数量一致,且异常检测的召回率、F1分数指标均显著高于现有方法。
文摘时间序列匹配技术广泛应用于车辆操纵一致性评价。针对某型教练车在协同驾驶过程中的动作匹配度评判问题,提出一种基于分段式动态时间弯曲距离的车辆油门操纵动作一致性评估方法。在有效解决教练车协同操控试验过程中样本数据点数量不一致问题的基础上,根据动态弯曲路径的斜率约束条件,将传统的动态时间弯曲距离(Dynamic Time Warping,DTW)矩形搜索区域通过改变路径搜索斜率方式转变为平行四边形搜索区域,以缩小搜索区域面积,从而极大程度地减小计算量。选取4组典型的油门动作曲线组进行50轮迭代实验进行验证,通过分段式DTW方法计算得到实车A、教练车B动作曲线之间的DTW距离矩阵,利用最小离差平方法对A、B两车动作进行聚类对象合并,从而完成油门动作数据的一致性评判。实验结果表明,改进后的动态时间弯曲算法在各油门动作的平均匹配精度可达89.2%,相较于单一的DTW算法提升约3.2%,平均匹配时间约为92.45 s,降低约12.6%,从而验证了分段式DTW算法在油门动作一致性评判的可行性和优越性。
文摘时间序列聚类中的相似度度量方法选择已成为研究热点。目前大多数的聚类方法使用欧式距离进行相似性度量,但欧式距离进行度量对结构复杂的时间序列适用性较差,不能很好的提高聚类的准确性。提出一种基于动态时间弯曲(Dynamic Time Warping)的PAM(Partitioning Around Medoids)算法,该方法在PAM算法的基础上引入DTW,以发现时间序列中的相似模式,增强对时间序列的偏移、振幅变化等情况的鲁棒性。在UCR数据集上的实验结果验证了PAM-DTW的准确率和稳定性优于传统算法。
文摘针对体育教学过程中,单纯依靠教师人工观察识别学生的体育动作容易出现反馈不及时、主观评价等问题,提出一种基于融合姿态特征与动态时间规整算法(dynamic time warping,DTW)的体育动作识别方法.基于OpenPose的骨骼点特征输出,融合学生在体育动作中的重心、肢体角度、朝向等特征,并采用DTW进行规整和评价.实验结果显示,在训练数据集的400份动作样本中,OpenPose+DTW模型正确识别样本数为372,总识别率为93%.高于其他模型.同时广播体操教学的50个动作实验中,OpenPose+DTW模型的误判样本为5个,识别精度为90%.结果表明,基于融合姿态特征以及DTW的体育动作识别模型具备优秀的识别性能,能够满足在线体育教学的应用场景.
