漂移特征流式数据事件实时判识方法的研究

发布时间：2021-10-11 12:01

　　近年来,传感器网络应用越来越广泛,传感器网络中的实时感知数据多为流式数据,利用传感网络收集的实时数据流研究其中包含的特定流式数据事件已日益成为安全监测系统的主要手段。受传感器部署外部环境及人为干扰等因素影响,流式数据在时间域上传播常常会出现减缓或加剧等数据漂移现象,使得同一信号源发出的同一段流式数据信号在经过不同传播路径到达不同位置时,相应的传感器接收到的信号序列并不完全一致,甚至可能会出现较大的偏差。因此,数据漂移特征已成为流式数据识别领域内研究的热点与难点,而现有的流式数据事件判识方法多采用时间序列直接匹配的方式,导致判识漂移特征事件的准确率极低,并且这些方法在获取完整事件前,不能得出判识结果,判识均为滞后判识,无法满足监测系统实时性需求。综上所示,针对流式数据的漂移特征和现有流式数据识别方法存在的判识准确率与效率低等问题,本文基于对流式数据的深入研究,提出一种漂移特征流式数据事件的实时判识方法。本文的主要研究内容如下:a)针对漂移数据无法与事件模板进行直接匹配的问题,构建基于动态时间规整的反走样模型,将实时流式数据与事件模板进行矩阵扭曲,实现相似性匹配识别;b)针对事件在流式数据... 

【文章来源】：辽宁大学辽宁省 211工程院校

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 问题提出
    1.3 研究内容
    1.4 本文组织结构
第2章 相关工作
    2.1 神经网络判识法
    2.2 阈值判识法
    2.3 模板判识法
    2.4 本章小结
第3章 漂移事件初至域的相似判识
    3.1 问题描述及相关定义
    3.2 漂移特征流式数据序列判识方法
        3.2.1 基于3-layer-NN的流式数据序列分类判识
        3.2.2 基于动态时间规整的流式数据序列相似匹配
    3.3 基于滑动窗口的事件初至域实时获取
    3.4 实例
    3.5 本章小结
第4章 漂移事件实时分阶判识方法
    4.1 问题描述和相关定义
    4.2 基于分段累积近似的数据压缩优化
    4.3 基于判识比例权重分配的事件实时分阶判识
        4.3.1 事件初实时快速判识
        4.3.2 事件终实时精确判识
    4.4 本章小结
第5章 实验与分析
    5.1 实验设置
        5.1.1 实验环境及实验方案设计
        5.1.2 实验数据集
    5.2 算法判识性能受自身参数设置影响的实验结果与分析
        5.2.1 匹配比例增量?R对算法性能的影响分析
        5.2.2 窗口滑动距离?t对算法的性能影响分析
    5.3 不同算法判识性能对比实验分析
        5.3.1 ?R改变时算法性能对比
        5.3.2 ?t改变时算法性能对比
    5.4 算法判识性能仿真对比实验分析
    5.5 本章小结
第6章 结论与展望
    6.1 结论
    6.2 展望
致谢
参考文献
攻读学位期间发表的学术论文及参加科研情况



本文编号：3430471