导读:本文包含了时序符号化论文开题报告文献综述及选题提纲参考文献，主要关键词:数据压缩,桥梁结构健康监测,时间序列挖掘,符号化聚合近似
时序符号化论文文献综述
马小洁[1]（2018）在《基于时序符号化的桥梁结构损伤状态分步识别方法》一文中研究指出随着大型桥梁结构数目与日俱增,以及大型桥梁结构健康监测系统的广泛应用,桥梁结构健康监测时序数据呈现数据量巨大、种类多、增长快等显着的“大数据”特征。为了有效分析“桥梁结构大数据”,数据存储传输成本、计算效率和准确度等是目前桥梁结构健康数据分析亟待解决的关键问题。本文通过研究桥梁结构健康监测信息大数据特征,提出一种高效、灵活的基于时间序列分析的桥梁结构损伤状态分步识别方法框架。本文首先提出了基于训练集优化的桥梁结构损伤预警方法,通过对原始训练集使用聚类方法,在对原始训练集进行精炼的同时不损失其主要信息,提升训练集质量,减少训练集的规模,提升时序数据挖掘效率。使用精炼的训练集数据分析测试集中的数据,判断其分类,评估桥梁结构健康状态。之后通过对ASCE Benchmark结构数据集的实验证明了此方法的可行性与有效性。本文使用符号聚合近似方法表达原始时间序列并将其应用至桥梁结构健康监测中,提出了一种新的桥梁结构损伤识别方法。利用符号化聚合近似时序模型将原始桥梁结构数据分段聚合并符号化表示,相比离散小波变换和离散傅立叶变换等传统技术,SAX具有存储容量小、可将原始数据表示为不同粒度等显着优势。因此,在对桥梁监测数据进行压缩处理时可根据具体需求选择压缩比,结构数据处于健康状态时可采用低粒度数据模型实现高压缩比的数据表示,并传输到数据处理中心进行存储,而对损伤状态的数据采用高粒度数据模型更详细地表示监测数据,并存储在本地方便实时处理和分析,从而有效解决大数据环境下桥梁结构监测数据压缩问题。通过在ASCE Benchmark结构数据集上的良好表现,证明了该方法可有效提升桥梁结构损伤识别状态效率。最后本文整合了之前两种方法,提出了基于训练集优化与时序符号化的桥梁结构损伤状态分步识别方法,并通过在哈尔滨工业大学提供的实桥结构数据集进行实验验证该方法对桥梁结构监测数据分析的有效性,及其在工程应用中的可行性,并通过进一步的对比实验证明该框架较之传统结构损伤识别方法具有更高的效率和精度。(本文来源于《重庆大学》期刊2018-04-01）
李晓翠,张新玉,罗庆云,任长安[2]（2015）在《基于统计特征向量的时序符号化改进算法》一文中研究指出传统基于统计特征向量的时间序列符号化算法不能较好地保留时序数据的特征信息,且不支持多维时间序列的符号化。为此,提出一种改进算法。对于单维时间序列,引入特殊点时间序列分割方法,在其基础上实施符号化。对于多维时间序列,在利用基于加权属性的主成分分析方法将多维时间序列转化为单维时间序列后,再实施符号化。实验结果表明,与传统算法相比,改进算法具有较高的精确度,且能保留时序特征点,同时支持多维时间序列的符号化。(本文来源于《计算机工程》期刊2015年10期）
杨慧,窦红霞,张国振[3]（2012）在《基于符号化方法的飞行时序数据相似性搜索》一文中研究指出以航空公司的维修现状为出发点,根据时间序列搜索的特点,采用SAX符号化方法将飞行数据线性分段并离散化成字符序列,保留特定分析的数据,并建立相应的索引树对查询序列进行相似性搜索,确保不会出现遗漏。根据专家提供的故障模型对进行序列变换后的飞行数据进行相似性搜索,从而确定故障点,为维修提供方案建议。采用实际飞行数据进行验证,表明该算法高效、简便。(本文来源于《航空维修与工程》期刊2012年01期）
夏建明,杨俊安,张琼[4]（2010）在《基于数据符号化表示和云模型的时序数据生成方法》一文中研究指出为得到可靠的仿真数据,提出一种基于数据符号化表示和云模型的时序数据生成方法。首先用SFVS算法将原数据或是数据的先验知识(很多时候仅能获得相关领域的一些知识而非数据)表达为一个符号矢量,然后用定性定量转换工具——云模型利用符号矢量产生相应的时序数据。仿真实验表明,该方法产生的数据具有与原数据一样的结构特征、知识蕴涵,并具有可控的随机性、复杂性。(本文来源于《计算机应用研究》期刊2010年10期）
于雪红[5]（2009）在《基于符号化矩的互连线统计时序建模》一文中研究指出制造过程中的工艺偏差不能忽略,使得互连线延迟也成为具有一定概率分布的随机变量.为了快速准确地得到该概率分布,提出了一种新颖高效的符号化矩算法,并结合基于矩的延迟算法,得到了互连线延迟关于互连线物理参数偏差随机变量的闭合形式表达式,进而通过泰勒展开采用二阶非线性模型进行近似,最后运用特征函数和傅里叶变换直接计算得到互连线延迟的概率分布.该方法高效准确,避免了低效的蒙特卡罗模拟.实验表明,统计建模算法得到的延迟概率分布与蒙特卡罗结果相比有很好的精度,误差在0.000093656%以内.(本文来源于《微电子学与计算机》期刊2009年07期）
刘万伟[6]（2009）在《扩展时序逻辑的推理及符号化模型检验技术》一文中研究指出随着计算机软、硬件系统复杂性的日益增长,系统设计和实现的正确性越来越难以得到保证。因此,用以检验系统正确性的形式化方法亟待出现。上个世纪80年代提出的模型检验方法被证明是行之有效的系统正确性验证手段。执行模型检验的算法,对所采用规约语言的类型十分敏感。由于线性框架下的时序逻辑(如LTL),具有表达能力(相对)较强、直观、兼容性好等特点,使得这类时序逻辑在实际应用中被使用的相对广泛。但是,在工业界应用中,许多重要的时序性质无法采用LTL表达。因此,若干LTL的扩展被陆续提出,它们大致分为两类。1.一种方法是向时序逻辑中添加无穷多个时序连接子或者正规表达式,以期获得等价于ω-正规语言的表达能力。这类逻辑如ETL、FTL、PSL等。2.另一种方法是向时序逻辑中添加二阶量词或者不动点算子。这类时序逻辑诸如MSOL、QTL、线性μ-演算等。这些LTL的扩展,都与ω-正规语言等价。对于这些逻辑本身,人们比较关心下列问题:1.判定问题。即:逻辑的(可满足)判定性及其复杂度。这是在这些逻辑被提出时首先要解决的问题。2.公理化问题。即:能否给出一套针对该种逻辑的可靠完备的公理系统。公理系统往往由若干公理和推理规则构成。这些公理/规则刻画了该种逻辑的实质。3.模型检验问题。对于某种特定的时序逻辑,开发其高效的模型检验算法是人们追求的核心目标之一。同时,有无高效的检验算法也直接影响该种逻辑能否得到广泛应用。对于时序逻辑的各类ω-扩展,其公理化以及符号化模型检验算法的研究还具有另外的特殊意义。在线性结构上,等价于ω-正规语言的时序逻辑具有足够强的能力表达工业界实际应用中用到的各种性质。各种线性时间的时序逻辑,可以看作它们的逻辑片断或者子逻辑。因此,这些逻辑的公理化以及符号化模型检验算法可以派生出它的子逻辑或者实例的的公理系统和符号化模型检验算法。本文主要工作如下:1.给出了叁类ETL(ETLl、ETLf、ETLr)的可靠完备的公理系统,同时给出了基于时序算子编码的ETL逻辑片段可靠完备公理化方法。2.基于博弈方法,给出了μ-演算的公理系统的新的完备性证明。同已有的方法相比,该证明相对直观、简洁。3.基于tableau方法,给出了叁类采用交错自动机作为连接子的ETL(ATLf、ATLl、ATLr)以及PSL的某个变种(APSL)的基于BDD的符号化模型检验算法。4.分别给出了具有一般形式和特定形式(ν-范式)的线性μ-演算的基于BDD的符号化模型检验算法。5.基于上述算法,在模型检验工具NuSMV的基础上,实现了支持扩展时序逻辑的符号化模型检验工具ENuSMV。它允许用户通过描述自动机的方式自定义时序连接子,能够检验全部的ω-正规性质。(本文来源于《国防科学技术大学》期刊2009-04-01）
于雪红[7]（2008）在《互连线统计时序的符号化分析方法》一文中研究指出在深亚微米特别是纳米级工艺下,制造过程中的工艺偏差不能被忽略,物理版图中的互连线物理参数必须被建模为随机变量,从而使得互连线延迟也成为具有一定概率分布的随机变量。为了快速准确的得到延迟的概率分布,本文提出了一种高效准确的互连线延迟统计建模算法,基于创新性的符号化延迟算法,得到互连线延迟关于互连线物理参数偏差的闭合形式表达式,进而采用二阶非线性模型进行近似,最后运用特征函数和傅立叶变换直接计算得到互连线延迟的概率分布。该算法高效准确,避免了低效的蒙特卡罗模拟。实验证明,该算法可以处理含有叁十万个以上节点的大规模互连线网络结构,得到的延迟概率分布与蒙特卡罗结果相比有很好的精度,误差稳定在1%以内。(本文来源于《上海交通大学》期刊2008-12-01）
徐迪[8]（2008）在《树状RC电路的符号化矩量计算与时序估计应用》一文中研究指出随着集成电路领域芯片加工工艺技术向深亚微米领域发展,特征尺寸变得越来越小,模型降阶技术在电路模拟中的作用也越来越重要。随着L.T.Pillage提出的AWE算法对模型降阶技术的研究,模型降阶技术逐渐成为近年来在电路问题研究中的重要课题之一。而其中,矩对于模型降阶技术的求解起到了关键作用,迅速有效的得到电路矩就能有效的完成的模型降阶问题。另一方面,由于一阶矩和Elmore延时的特殊关系,使得矩在估计电路时序估计方面也起到了极为重要的作用,而为了更精确的得到电路的时序,不少学者已用2阶甚至3阶矩来近似延时。由于电路矩的重要性,已有很多各方面关于矩的研究。本文针对典型的RC树状电路,通过与二叉判定图算法(BDD)和图的拓扑结构的研究,提出了一种精确快速得到电路各阶矩量的方法,从而提高了模型降阶技术的效率。在本文中,利用这种符号化计算矩的方法,验证了在估计时序方面的有效性。还通过具体分析矩的表达式来测试矩对于电路中电阻、电容以及各点前一阶矩的敏感性。(本文来源于《上海交通大学》期刊2008-11-01）
钟清流,蔡自兴[9]（2008）在《基于统计特征的时序数据符号化算法》一文中研究指出为克服SAX(符号聚合近似)算法对时序信息描述不完整的缺陷,提出基于统计特征的时序数据符号化算法,与SAX不同的是,该算法将时序符号看作矢量,而各时序子段的均值和方差则分别作为描述其平均值及发散程度的分量.由于该算法能够比SAX提供更多的描述信息,因而在时序数据挖掘应用中能够获得比SAX更精确的结果.大量的实验也证实了它的出色表现.(本文来源于《计算机学报》期刊2008年10期）
钟清流,蔡自兴,陈明权,杨先芬[10]（2008）在《时序数据的动态有界符号化方法》一文中研究指出提出了一种时序符号化方法.根据数据集极值来确定最佳字符集及时序数据的划分基准,通过估算最大压缩比来指导降维,从而实现了与SAX同样的符号化时序转换和相同的距离计算方式.与SAX不同的是,该时序符号化方法可以有效防止极值信息的丢失,因而在一些与极值相关的时序分析中有出色的表现.(本文来源于《控制与决策》期刊2008年10期）
时序符号化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
传统基于统计特征向量的时间序列符号化算法不能较好地保留时序数据的特征信息,且不支持多维时间序列的符号化。为此,提出一种改进算法。对于单维时间序列,引入特殊点时间序列分割方法,在其基础上实施符号化。对于多维时间序列,在利用基于加权属性的主成分分析方法将多维时间序列转化为单维时间序列后,再实施符号化。实验结果表明,与传统算法相比,改进算法具有较高的精确度,且能保留时序特征点,同时支持多维时间序列的符号化。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时序符号化论文参考文献
[1].马小洁.基于时序符号化的桥梁结构损伤状态分步识别方法[D].重庆大学.2018
[2].李晓翠,张新玉,罗庆云,任长安.基于统计特征向量的时序符号化改进算法[J].计算机工程.2015
[3].杨慧,窦红霞,张国振.基于符号化方法的飞行时序数据相似性搜索[J].航空维修与工程.2012
[4].夏建明,杨俊安,张琼.基于数据符号化表示和云模型的时序数据生成方法[J].计算机应用研究.2010
[5].于雪红.基于符号化矩的互连线统计时序建模[J].微电子学与计算机.2009
[6].刘万伟.扩展时序逻辑的推理及符号化模型检验技术[D].国防科学技术大学.2009
[7].于雪红.互连线统计时序的符号化分析方法[D].上海交通大学.2008
[8].徐迪.树状RC电路的符号化矩量计算与时序估计应用[D].上海交通大学.2008
[9].钟清流,蔡自兴.基于统计特征的时序数据符号化算法[J].计算机学报.2008
[10].钟清流,蔡自兴,陈明权,杨先芬.时序数据的动态有界符号化方法[J].控制与决策.2008