检索结果

Select

1. 基于区间相似度的模糊时间序列预测算法

刘芬郭躬德

计算机应用 2013, 33 (11): 3052-3056.

摘要（604）

PDF （743KB）（413）

针对现有模糊时间序列预测算法无法适应预测中新关系出现的问题，提出了一种基于区间相似度的模糊时间序列预测（ISFTS）算法。首先，在模糊理论的基础上，采用基于均值的方法二次划分论域的区间，在论域区间上定义相应模糊集将历史数据模糊化；然后建立三阶模糊逻辑关系并引入逻辑关系相似度的计算公式，计算未来数据变化趋势值得到预测的模糊值；最后对预测模糊值去模糊化得到预测的确定值。由于ISFTS算法是预测数据变化趋势，克服了目前预测算法的逻辑关系的缺陷。仿真实验结果表明，与同类的预测算法相比，ISFTS算法预测误差更小，在误差相对比(MAPE)、绝对误差均值(MAE)和均方根误差(RMSE)三项指标上均优于同类的对比算法，因此ISFTS算法在时间序列预测中尤其是大数据量情况下的预测具有更强的适应性。

相关文章 | 多维度评价

Select

2. 基于符号化聚合近似的时间序列相似性复合度量方法

刘芬郭躬德

计算机应用 2013, 33 (01): 192-198. DOI: 10.3724/SP.J.1087.2013.00192

摘要（1112）

PDF （914KB）（691）

基于关键点的符号化聚合近似(SAX)改进算法(KP_SAX)在SAX的基础上利用关键点对时间序列进行点距离度量，能更有效地计算时间序列的相似性，但对时间序列的模式信息体现不足，仍不能合理地度量时间序列的相似性。针对SAX与KP_SAX存在的缺陷，提出了一种基于SAX的时间序列相似性复合度量方法。综合了点距离和模式距离两种度量，先利用关键点将分段累积近似(PAA)法平均分段进一步细分成各个子分段；再用一个包含此两种距离信息的三元组表示每个子分段；最后利用定义的复合距离度量公式计算时间序列间的相似性，计算结果能更有效地反映时间序列间的差异。实验结果显示，改进方法的时间效率比KP_SAX算法仅降低了0.96%，而在时间序列区分度性能上优于KP_SAX算法和SAX算法。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于改进的各向异性扩散方程的医学超声图像降噪方法

李振恒孙丰荣刘芬王庆浩耿俊卿秦晓红

计算机应用 2009, 29 (12): 3369-3371.

摘要（1646）

PDF （429KB）（1375）

提出了一种基于各向异性扩散方程的改进方法。通过将Perona和Malik各向异性扩散模型(P-M模型)中的扩散方向由四方向扩展到八方向,使图像细节信息得到增强,并提出一种新的扩散系数计算方法,克服了以往方法中收敛速度过快的问题,且新的梯度算子能更好地区分噪声点和检测边缘区域。仿真医学超声图像降噪实验表明,该方法的滤波效果和保边性能优于经典的P-M方程和林石算子,同时迭代时间也大大减少,是一种有效地医学超声图像降噪方法。