期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于u-shapelets聚类的刀具剩余寿命预测方法
被引量:
1
1
作者
王妍
胡小锋
刘颖超
《计算机集成制造系统》
EI
CSCD
北大核心
2024年第4期1286-1295,共10页
针对不同刀具的性能衰退规律呈现出多种趋势,单一固定的全局模型难以对不同性能衰退规律的刀具进行准确剩余寿命预测的问题,提出一种基于u-shapelets聚类与长短时记忆网络(LSTM)模型相结合的刀具剩余寿命预测方法。首先,对刀具加工过程...
针对不同刀具的性能衰退规律呈现出多种趋势,单一固定的全局模型难以对不同性能衰退规律的刀具进行准确剩余寿命预测的问题,提出一种基于u-shapelets聚类与长短时记忆网络(LSTM)模型相结合的刀具剩余寿命预测方法。首先,对刀具加工过程监控信号提取u-shapelets集合,并计算各u-shapelet与时间序列的距离得到距离矩阵;其次,通过基于密度聚类方法对距离矩阵进行聚类,得到聚类结果;最后,根据聚类结果基于各类别数据分别训练长短时记忆网络模型进行刀具剩余寿命的预测。以轮槽铣刀加工过程监控数据进行验证,并与Kmeans聚类、谱聚类、层次聚类、DBSCAN聚类方法进行比较,验证了所提方法的有效性。
展开更多
关键词
过程监控数据
u-shapelets
聚类
聚类算法
长短时记忆网络
刀具剩余寿命预测
在线阅读
下载PDF
职称材料
基于最佳u-shapelets的时间序列聚类算法
被引量:
7
2
作者
余思琴
闫秋艳
闫欣鸣
《计算机应用》
CSCD
北大核心
2017年第8期2349-2356,共8页
针对基于u-shapelets的时间序列聚类中u-shapelets集合质量较低的问题,提出一种基于最佳u-shapelets的时间序列聚类算法Div Ushap Cluster。首先,探讨不同子序列质量评估方法对基于u-shapelets的时间序列聚类结果的影响;然后,选用最佳...
针对基于u-shapelets的时间序列聚类中u-shapelets集合质量较低的问题,提出一种基于最佳u-shapelets的时间序列聚类算法Div Ushap Cluster。首先,探讨不同子序列质量评估方法对基于u-shapelets的时间序列聚类结果的影响;然后,选用最佳的子序列质量评估方法对u-shapelet候选集进行质量评估;其次,引入多元top-k查询技术对u-shapelet候选集进行去除冗余操作,搜索出最佳的u-shapelets集合;最后,利用最佳u-shapelets集合对原始数据集进行转化,达到提高时间序列聚类准确率的目的。实验结果表明,Div Ushap Cluster算法在聚类准确度上不仅优于经典的时间序列聚类算法,而且与Brute Force算法和SUSh算法相比,Div Ushap Cluster算法在22个数据集上的平均聚类准确度分别提高了18.80%和19.38%。所提算法能够在保证整体效率的情况下有效提高时间序列的聚类准确度。
展开更多
关键词
时间序列
聚类
u-shapelets
内部聚类评价指标
多元化top-k查询
在线阅读
下载PDF
职称材料
基于关键点引导的u-shapelet时间序列聚类算法
3
作者
陈梅
王钰
《控制与决策》
北大核心
2025年第10期3117-3126,共10页
针对大多数基于u-shapelet的时间序列聚类方法未能同时兼顾u-shapelet提取效率和质量的问题,提出一种基于关键点引导的u-shapelet时间序列聚类算法UKey.首先,从时间序列数据集中随机采样一个时间序列子集,采用所提出两步法识别采样时间...
针对大多数基于u-shapelet的时间序列聚类方法未能同时兼顾u-shapelet提取效率和质量的问题,提出一种基于关键点引导的u-shapelet时间序列聚类算法UKey.首先,从时间序列数据集中随机采样一个时间序列子集,采用所提出两步法识别采样时间序列中的关键点;然后,利用这些关键点提取子序列得到u-shapelet候选集,这一策略不仅确保所提取的候选子序列包含关键波动区域,还能有效减少候选子序列的数量;接着,引入Davies-Bouldin(DB)指数作为一种新的子序列质量评估方法,旨在通过综合考虑类间分离度与类内紧凑性,以确保所获取的u-shapelet集合具有较高的质量;最后,采用k-Means算法对基于u-shapelet集合构建的距离矩阵进行聚类.在10个不同数据集上的实验结果表明,UKey算法的性能优于14种对比算法,具有较高的准确性和可解释性.
展开更多
关键词
时间序列
u-shapelet
聚类
关键点
子序列提取
原文传递
题名
基于u-shapelets聚类的刀具剩余寿命预测方法
被引量:
1
1
作者
王妍
胡小锋
刘颖超
机构
上海交通大学机械与动力工程学院
上海精密计量测试研究所
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2024年第4期1286-1295,共10页
基金
上海市科学技术委员会资助项目(19511105302)
国防基础科研资助项目(JCKY2021110B048)。
文摘
针对不同刀具的性能衰退规律呈现出多种趋势,单一固定的全局模型难以对不同性能衰退规律的刀具进行准确剩余寿命预测的问题,提出一种基于u-shapelets聚类与长短时记忆网络(LSTM)模型相结合的刀具剩余寿命预测方法。首先,对刀具加工过程监控信号提取u-shapelets集合,并计算各u-shapelet与时间序列的距离得到距离矩阵;其次,通过基于密度聚类方法对距离矩阵进行聚类,得到聚类结果;最后,根据聚类结果基于各类别数据分别训练长短时记忆网络模型进行刀具剩余寿命的预测。以轮槽铣刀加工过程监控数据进行验证,并与Kmeans聚类、谱聚类、层次聚类、DBSCAN聚类方法进行比较,验证了所提方法的有效性。
关键词
过程监控数据
u-shapelets
聚类
聚类算法
长短时记忆网络
刀具剩余寿命预测
Keywords
process monitoring data
u-shapelets
clustering
clustering algorithm
long short-term memory network
tool remaining useful prediction
分类号
TH166 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于最佳u-shapelets的时间序列聚类算法
被引量:
7
2
作者
余思琴
闫秋艳
闫欣鸣
机构
中国矿业大学计算机科学与技术学院
出处
《计算机应用》
CSCD
北大核心
2017年第8期2349-2356,共8页
基金
国家自然科学基金资助项目(51674255)
江苏省自然科学基金资助项目(BK20140192)~~
文摘
针对基于u-shapelets的时间序列聚类中u-shapelets集合质量较低的问题,提出一种基于最佳u-shapelets的时间序列聚类算法Div Ushap Cluster。首先,探讨不同子序列质量评估方法对基于u-shapelets的时间序列聚类结果的影响;然后,选用最佳的子序列质量评估方法对u-shapelet候选集进行质量评估;其次,引入多元top-k查询技术对u-shapelet候选集进行去除冗余操作,搜索出最佳的u-shapelets集合;最后,利用最佳u-shapelets集合对原始数据集进行转化,达到提高时间序列聚类准确率的目的。实验结果表明,Div Ushap Cluster算法在聚类准确度上不仅优于经典的时间序列聚类算法,而且与Brute Force算法和SUSh算法相比,Div Ushap Cluster算法在22个数据集上的平均聚类准确度分别提高了18.80%和19.38%。所提算法能够在保证整体效率的情况下有效提高时间序列的聚类准确度。
关键词
时间序列
聚类
u-shapelets
内部聚类评价指标
多元化top-k查询
Keywords
time series
clustering
u-shapelets
internal clustering evaluation measurement
diversified top-k query
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
基于关键点引导的u-shapelet时间序列聚类算法
3
作者
陈梅
王钰
机构
兰州交通大学电子与信息工程学院
出处
《控制与决策》
北大核心
2025年第10期3117-3126,共10页
基金
国家自然科学基金项目(62266029)
甘肃省高等教育产业支撑计划项目(2022CYZC-36)
甘肃省重点研发计划项目(24YFGA036)。
文摘
针对大多数基于u-shapelet的时间序列聚类方法未能同时兼顾u-shapelet提取效率和质量的问题,提出一种基于关键点引导的u-shapelet时间序列聚类算法UKey.首先,从时间序列数据集中随机采样一个时间序列子集,采用所提出两步法识别采样时间序列中的关键点;然后,利用这些关键点提取子序列得到u-shapelet候选集,这一策略不仅确保所提取的候选子序列包含关键波动区域,还能有效减少候选子序列的数量;接着,引入Davies-Bouldin(DB)指数作为一种新的子序列质量评估方法,旨在通过综合考虑类间分离度与类内紧凑性,以确保所获取的u-shapelet集合具有较高的质量;最后,采用k-Means算法对基于u-shapelet集合构建的距离矩阵进行聚类.在10个不同数据集上的实验结果表明,UKey算法的性能优于14种对比算法,具有较高的准确性和可解释性.
关键词
时间序列
u-shapelet
聚类
关键点
子序列提取
Keywords
time series
u-shapelet
clustering
key points
subsequences extraction
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于u-shapelets聚类的刀具剩余寿命预测方法
王妍
胡小锋
刘颖超
《计算机集成制造系统》
EI
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于最佳u-shapelets的时间序列聚类算法
余思琴
闫秋艳
闫欣鸣
《计算机应用》
CSCD
北大核心
2017
7
在线阅读
下载PDF
职称材料
3
基于关键点引导的u-shapelet时间序列聚类算法
陈梅
王钰
《控制与决策》
北大核心
2025
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部