【摘 要】
：
多元时间序列广泛存在于金融、气象、航天等社会生产和生活中，时间序列的分析具有重要的研究和应用价值。本文研究分析多元时间序列相似性度量方法和多元时间序列异常检测问题，主要涉及相似性度量方法和异常检测算法两个方面的研究。
在多元时间序列相似度分析中，选用标准数据集仿真实验，对比分析几种常见的多元时间序列相似度度量方法的性能。在多元时间序列相似度应用研究中，基于传统离群检测算法的相似性度量方法忽略了时间弯曲等相关因素，无法确保多元时间序列中异常检测结果的准确性。针对这一问题，本文对传统的离群检测算法进
论文部分内容阅读
多元时间序列广泛存在于金融、气象、航天等社会生产和生活中，时间序列的分析具有重要的研究和应用价值。本文研究分析多元时间序列相似性度量方法和多元时间序列异常检测问题，主要涉及相似性度量方法和异常检测算法两个方面的研究。
在多元时间序列相似度分析中，选用标准数据集仿真实验，对比分析几种常见的多元时间序列相似度度量方法的性能。在多元时间序列相似度应用研究中，基于传统离群检测算法的相似性度量方法忽略了时间弯曲等相关因素，无法确保多元时间序列中异常检测结果的准确性。针对这一问题，本文对传统的离群检测算法进行优化改进，提出了一种基于改进距离的离群检测算法，并选用多元时间序列标准数据集验证基于改进距离的离群检测算法的有效性和优越性。针对时间序列数据集权重对检测结果的影响，论文进一步提出了基于加权优化距离的离群检测算法。该算法通过主成分分析对每个多元时间序列数据进行降维；其次通过夹角公式计算每个多元时间序列的特征矩阵与其正交坐标系之间的距离，并利用匈牙利算法得到对多元时间序列的加权最小距离；最后构建基于加权优化距离的离群算法来实现多元时间序列异常检测。
选取四种多元时间序列数据集和变压器实测振动数据集，对基于加权优化距离的离群检测算法完成实验仿真，同时将该算法与传统的离群检测算法、黎曼流形算法进行对比分析，实验结果表明本文提出的算法具有更好的检测性能。
其他文献
随着网络、大数据和多媒体技术的发展，越来越多的多媒体信息通过网络进行传输。人们可以便捷地下载数字信息，这为人们的生活提供了极大的便利。但是不法分子也可以轻易地对数字信息进行修改并发布，这不仅损害了版权所有者的合法权益，也会引发关乎国家安全、企业机密和个人隐私等一系列信息安全问题。信息隐藏是一种隐蔽通信、版权保护和内容完整性认证的有效技术手段。近年来提出的可逆信息隐藏技术能够将特定信息嵌入到载体中，并允许合法用户在提取该信息后无失真地恢复出原始载体，因而在军事、医学、司法等对图像内容敏感的领域受到了广泛关注
摘 要：由于受外界因素的影响，GNSS自动化监测设备在滑坡位移监测应用中监测数据存在波动性，采用未经检验、处理的监测数据进行滑坡趋势分析会产生偏差影响，因此采用“四分位数法”对GNSS监测数据进行整理，划分内限，“甄别”异常值后，将进一步降噪后的GNSS监测数据进行处理、曲线拟合，进行长期趋势项与周期性趋势分析，并将拟合长期趋势函数曲线与规范变形曲线进行对比，进而判断滑坡体处于的变形阶段，而且通过
路由器作为电力数据网互联与数据转发的关键节点，其各项指标是否符合标准关系到电力数据网的性能好坏，因此对路由器各项指标进行测试是必要的。传统单一的手工测试方法存在工作量大、测试费用高、无法保证测试一致性等局限性，难以满足越来越复杂的测试需求。有必要采用自动化测试技术提高电力数据网路由器测试效率，提高资源利用率，节约测试成本。
针对目前面临的问题，依托于本人所参加项目，本文通过理论分析设计了一种电力数据网路由器自动化测试方案，并设计一种自动化测试任务调度方法。首先，对自动化测试技术、自动化测试优缺点
分布式光纤传感系统是以光纤作为传感介质，利用光纤中的传输光特性的变化来实现对外界物理量的监测，由于其具有长距离传感、全尺度连续性、抗干扰能力强等特点，目前已经广泛应用于土木、电力、通信等行业。本文主要基于相位敏感光时域反射技术(Phase-sensitiveOpticalTimeDomainReflectometer，φ-OTDR)对光纤振动监测和干式空心电抗器的振动监测开展了实验与仿真研究。
本文简述了分布式光纤传感技术基本原理，综述了φ-OTDR系统的研究现状，从光的瑞利散射出发，从理论上分
电气设备在运行中受环境、安装等因素的影响会产生放电现象，长期的放电会增加故障的发生概率，威胁电力和铁路的安全稳定运行。紫外成像仪作为一种探测微弱电晕放电的精密仪器近年来逐渐被应用到电力巡检中。紫外成像仪可分别对放电产生的紫外光信号及周围背景的可见光信号进行成像，并对两图像进行融合以达到定位放电位置的目的。本文主要针对图像融合的相关技术和紫外成像仪中的实时视频图像融合进行研究。
本文主要从基于特征和基于互信息两方面研究了紫外光与可见光图像的配准。分析了基于特征的图像配准流程，并通过Scale-in
在这样一个无线通信技术飞速发展的时代，各种新兴业务接连出现，人们对于移动通信流量的需求呈现指数增长的姿态。大规模多输入多输出(Missive MIMO)技术通过在基站侧部署大量天线，增加天线维度，可以在相同时频资源上服务多个用户，从而大幅度提高系统频谱效率和信道容量。然而，实现MissiveMIMO技术性能优势必须获得准确的信道状态信息(Channel State Information，CSI)，但由于导频资源有限，相邻小区用户之间复用相同导频所引起的导频污染问题严重干扰基站获取准确的CSI。因此，如何
电力变压器是电力系统中的重要设备之一，其运行状态关系整个电网的安全。基于振动法分析变压器运行状态，是变压器在线监测的一种有效方法。变压器振动在线监测过程中，振动监测数据量巨大导致数据存储和处理不便，特别是由于数据样本不完备、故障模式稀缺问题，使得变压器振动异常检测困难重重。
针对变压器振动数据特征提取问题，提出一种基于特征信息增益的无监督特征选择算法。利用互信息理论分析特征之间的相关性与冗余性，提出并应用特征重要度作为评价特征重要性的依据，并给出一种基于关联信息熵的特征排序算法。在标准数据集和变
缺陷螺栓非常容易引起输电线路异常甚至故障，缺陷螺栓自动识别对于保障输电线路安全稳定运行具有重要意义，然而大量的缺陷数据难以获得。因此本文使用生成式对抗网络(Generative Adversarial Networks, GAN)生成螺栓图像，研究基于相对均值生成式对抗网络(Relative average Generative Adversarial Networks, RaGANs)的输电线路螺栓图像生成方法，针对生成过程中存在的问题做了以下工作：
由于目前深度学习的生成图像领域中没有螺栓图
输电线路在安全稳定的状态下持续运行是电能传输的重要前提，目前主要通过定期的巡检维修来保证。螺栓作为输电线路上数量最庞大的故障高发紧固件，如何安全的实现其自动缺陷视觉巡检，到达及时高效的排除螺栓缺陷，是电力系统长久致力研究的难点问题。利用计算机视觉的手段准确地检测出图像中的螺栓缺陷，对保障电网安全与有效的运行具有重大意义。本文使用更快的基于区域的卷积神经网络(Faster Regions with Convolution Neural Network features, Faster R-CNN)实现对航拍
生物光声层析成像(Photoacoustic Tomography, PAT)是一种多物理场耦合的新型复合功能成像方法。具有不同成分的组织的声学特性往往存在很大差异，且其空间变化是未知的，难以在成像前测定。而且不均匀性的声学特性还会造成超声波在组织中传播时存在反射、散射、扩散和吸收等现象，导致光声信号的衰减，并且频率越高衰减越严重。因此对于成像组织声学特性的理想化假设(如组织是声学特性均匀的非衰减介质、超声波在组织中的传播速度是恒定的、不考虑声散射等)通常会导致重建图像产生伪影和模糊，降低图像质量以及成像