一种适用于生活电器功率曲线的在线自适应分段算法

    公开(公告)号:CN109857978B

    公开(公告)日:2024-03-26

    申请号:CN201910045572.4

    申请日:2019-01-17

    Abstract: 本发明公开了智能家居数据压缩领域的一种适用于生活电器功率曲线的在线自适应分段算法,通过逐个计算数据点的幅度误差与角度误差判断分段点,分段性能优且分段具备更明确得物理含义,反映了数据时间序列本身的特征。同时利用增量处理技术,在每次新的数据点到达时,线性拟合函数可以仅基于拟合直线的斜率、点数、时间均值、时间方差和数值均值进行计算,而不是针对所有数据点来进行重新计算,并能结合相邻拟合直线的斜率、点数、时间均值、时间方差和数值均值使两端拟合直线生成新的拟合直线,大大减小了计算的复杂程度,有利于提高运算效率。

    一种适用于生活电器功率曲线的在线自适应分段算法

    公开(公告)号:CN109857978A

    公开(公告)日:2019-06-07

    申请号:CN201910045572.4

    申请日:2019-01-17

    Abstract: 本发明公开了智能家居数据压缩领域的一种适用于生活电器功率曲线的在线自适应分段算法,通过逐个计算数据点的幅度误差与角度误差判断分段点,分段性能优且分段具备更明确得物理含义,反映了数据时间序列本身的特征。同时利用增量处理技术,在每次新的数据点到达时,线性拟合函数可以仅基于拟合直线的斜率、点数、时间均值、时间方差和数值均值进行计算,而不是针对所有数据点来进行重新计算,并能结合相邻拟合直线的斜率、点数、时间均值、时间方差和数值均值使两端拟合直线生成新的拟合直线,大大减小了计算的复杂程度,有利于提高运算效率。

    一种基于分段统计特征距离的聚类方法

    公开(公告)号:CN109829487B

    公开(公告)日:2021-05-14

    申请号:CN201910039709.5

    申请日:2019-01-16

    Abstract: 本发明公开了数据压缩领域的一种基于分段统计特征距离的聚类方法,步骤一:将分段统计距离作为相似性度量;步骤二:通过k‑中心点聚类算法生成模式模板;步骤三:从聚类结果的性能中提取学习最优权重向量Wopt,并引入宏‑F1指标作为聚类一个性能度量指标,将最优的决定权重值的问题转化为有约束的最优化问题。本发明提供的一种基于分段统计特征距离的聚类方法能可以用于提升聚类的效果,使得反映电器相似工作状态的子序列可以被聚类到一起。并且,相比于基于DTW和DDTW的相似性度量,基于分段统计距离的相似性度量在模式发现方面有显著的效果提升。

    一种基于分段统计特征距离的聚类方法

    公开(公告)号:CN109829487A

    公开(公告)日:2019-05-31

    申请号:CN201910039709.5

    申请日:2019-01-16

    Abstract: 本发明公开了数据压缩领域的一种基于分段统计特征距离的聚类方法,步骤一:将分段统计距离作为相似性度量;步骤二:通过k-中心点聚类算法生成模式模板;步骤三:从聚类结果的性能中提取学习最优权重向量Wopt,并引入宏-FI指标作为聚类一个性能度量指标,将最优的决定权重值的问题转化为有约束的最优化问题。本发明提供的一种基于分段统计特征距离的聚类方法能可以用于提升聚类的效果,使得反映电器相似工作状态的子序列可以被聚类到一起。并且,相比于基于DTW和DDTW的相似性度量,基于分段统计距离的相似性度量在模式发现方面有显著的效果提升。

Patent Agency Ranking