导读:本文包含了时序数据论文开题报告文献综述、选题提纲参考文献，主要关键词:时序,数据,时间,动态,序列,数据存储,厦门市。
时序数据论文文献综述写法
杨昌群,蔡其星,汪涛,马楠桦,孔伟阳[1]（2019）在《运用于Kubernetes实现的弹性时序数据存储》一文中研究指出随着云计算服务的逐步落地,越来越多的传统企业信息化改造倾向于应用云技术来构建自身的信息化系统。对于典型的工业应用领域来说,时序类过程控制系统和生产运行状态监测系统属于被广泛应用的数据系统之一,而存储是数据处理中最为关键的一环。随着容器技术标准的确立,以及以Kubernetes为代表的CNCF基金会的成立,对作为以现代主流云技术代表的Kubernetes容器编排管理服务来说,构建基于Kubernetes容器服务架构下的数据存储系统将作为以工业数据采集和数据监控系统的基石之一,如何实现大规模高、可靠性、高性能以及弹性扩展能力的实时数据存储系统是进行工业大数据分析以及智能制造的前提。因此如何通过Kubernetes设计、实现和扩展现有存储系统,充分利用云计算原生技术带来的技术优势,扩展并实现数据分布弹性存储,是典型工业化私有云的基石之一。(本文来源于《工业控制计算机》期刊2019年12期）
舒伟博[2]（2019）在《基于微局部特征的时序数据二分类算法》一文中研究指出在诸多时序数据分类算法中,有一类算法借助时序数据的局部特征对时序数据进行分类,它们取得了不错的分类结果,然而其时间复杂度以及分类精度依旧存在可见的提升空间.本文提出的微局部特征二分类算法,着眼于局部特征本身的性质,对局部特征集进行限制,进而改进现有的基于局部特征的分类算法.新算法通过理论分析支撑,将经典算法的局部特征集大幅缩小,进而显着提升了分类算法的时间性能.另一方面通过重定义局部特征的评价标准,新算法选出性质更为优良的局部特征,提升了分类精度.(本文来源于《计算机系统应用》期刊2019年11期）
褚洪涛,徐洪侠[3]（2019）在《基于自适应神经网络的时序数据n步预测算法》一文中研究指出由于时间序列的非线性和时变性,以往的神经网络预测方法都无法获得理想的效果。基于自适应神经网络的时序数据n步预测算法,可以让计算机利用时序的历史数据自动构建结构最优和得到最佳训练的神经网络模型,能够准确地拟合出隐藏在时序数据中的时变的非线性映射关系。这一算法应用于股市中的时序预测与实证分析后,收到了较好预测效果。(本文来源于《图书馆建设》期刊2019年S1期）
李晖,彭韧超,李万凯,朱晓铃,黄于同[4]（2019）在《厦门典型树种的HJ-1A/B NDVI时序数据滤波算法及物候特性》一文中研究指出植被指数具有明显的季节节律,归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列可以获取地表植被物候信息,HJ-1 A/B兼具高空间分辨率和高时间分辨率的特点,为中小尺度范围树种物候特性应用与分析提供了丰富的时间序列数据。本文针对厦门市8个典型树种,选择Savizky-Glolay (S-G)滤波法和时间序列谐波分析法(Hants)对58景HJ-1 A/B NDVI曲线进行滤波重构,选用平均值、平均绝对误差和相关系数等指标对滤波结果进行定量评价,结合NDVI比率对8个树种的物候特性进行分析,最后探讨了气温和降水等气象因子对树种NDVI时序波动的影响。结果表明:S-G和Hants滤波方法均能很好地还原物候特征变化明显的植被,Hants谐波的平滑程度最好; 7个树种(尾叶桉除外)的NDVI值均处于较高的水平,NDVI时序年内波动并不剧烈,双峰形态表现明显,NDVI值在5、6月达到顶峰,7、8月下降,10月达到第二个峰值,第二个峰值比第一个峰值低; 8个树种的生长期持续时间较长,持续7～8个月,除尾叶桉的生长起始时间为2月底外,其他树种均在4月底进入生长期,11月生长期结束,在7月达到生长顶峰;生长期内出现生长期减缓的情况,8月出现生长谷值,生长曲线表现为双峰形态;树种的生长对7月降水量骤减有很明显的响应,不同树种的滞后期不同,生长降低的速度存在一定的差异,但大多表现为8月NDVI比率谷值。研究成果为亚热带地区HJ-1 A/B NDVI时间序列数据的滤波方法选择、典型树种物候特性及树种精细分类研究提供了一定的参考。(本文来源于《生态学杂志》期刊2019年11期）
闫吉顺,方海超,张盼,王鹏,林霞[5]（2019）在《基于时序和空间子集的水深数据优化方法研究》一文中研究指出从时间序列和空间分布2种不同角度,确立了水深数据的子集分割思想并展开了子集分割的方法研究,同时研究了基于时间序列的单子集水深数据线性回归优化方法(LO-TS)和基于空间分布的单子集水深数据特征反距离优化方法(IDC-SD),并结合2种方法自身特点对优化结果进行分析。研究发现2种方法均不改变测区的整体水深分布趋势,而基于时间序列的单子集水深数据线性回归优化方法,优化幅度较大,主要影响因子是波浪起伏,更能表现出测量断面特征,缺点是在水深值变化幅度较大区域容易出现优化率较高的情况。基于空间分布的单子集水深数据特征反距离优化方法,优化幅度较为平稳,一般不会出现优化过度的情况,主要影响因子是邻近区域的水深空间分布特征,能够充分表现出子集的水深分布特征,缺点是没有充分考虑波浪干扰影响。(本文来源于《地理空间信息》期刊2019年10期）
张凯斐[6]（2019）在《分布式网络动态数据异常区域时序挖掘仿真》一文中研究指出为改善当前分布式网络异常区域动态时序数据挖掘过程中受冗余、干扰数据影响,造成挖掘准确率不高、误检率和漏检率居高不下的问题,提出了基于小波发分析的分布式网络异常区域动态时序数据挖掘方法,该方法通过采用小波分析的方法对分布式网络中产生的动态时序数据进行多尺度分解和平滑滤波处理,消除了冗余和干扰数据影响;在此基础上,引入网格作为索引计算将分布式网络中的动态时序数据活动空间进行网格划分,同时结合二元正态密度核函数和二进制序列法挖掘分布式网络异常区域以及异常区域动态数据的活动周期规律,实现了分布式网络异常区域动态时序数据挖掘。在MATLAB软件环境下模拟分布式网络场景,选取检测率、误检率、漏检率作为评价指标,测试了注入不同异常类型后所提方法的挖掘性能,并对比了注入不同比例异常动态时序数据时所提方法与其它方法的挖掘准确性,充分证明了所提方法的有效性与优越性。(本文来源于《计算机仿真》期刊2019年09期）
汪小钦,邱鹏勋,李娅丽,茶明星[7]（2019）在《基于时序Landsat遥感数据的新疆开孔河流域农作物类型识别》一文中研究指出快速、准确地获取农作物类别信息对农业部门的生产管理、政策制定具有重要作用。目前基于时间序列数据进行农作物分类主要是采用长时间序列的中低分辨率影像,大量的混合像元限制了农作物的分类精度。在农作物分类的特征选择方面主要是采用归一化植被指数(normalized differential vegetation index, NDVI),而其他特征量的应用还相对较少。该文以新疆开孔河农业区为研究区域,利用2016年的Landsat7 ETM+、Landsat8 OLI影像数据集,基于时间加权的动态时间规整(time weighted dynamic time warping,TWDTW)方法开展农作物类型识别研究,主要包括香梨、小麦、辣椒、棉花等。根据野外采集的样本点构建主要农作物的NDVI和第一主成分(principal component analysis 1,PCA1)时间序列,以反映不同农作物间的物候差异。基于NDVI数据分别利用DTW和TWDTW算法计算各未知像元序列与标准序列间的相似性程度,得到农作物的分类结果,2种方法的分类精度分别为65.69%、82.68%,表明时间权重的加入提高了DTW算法识别不同农作物的能力。结合NDVI与PCA1后,TWDTW的分类精度又提高了2.61个百分点,部分农作物的误分现象明显减少,说明PCA1能够进一步扩大作物间的差异性,提高分类精度。同时,还通过选取有限时相的影像组合进行分类,试验结果表明TWDTW算法在中高分辨率数据较少的情况下能够得到较为满意的分类结果,说明TWDTW算法在中高分辨率影像越来越丰富的时代具有应用潜力。(本文来源于《农业工程学报》期刊2019年16期）
纪连恩,孔雨萌,王炎林,王中原,田彬[8]（2019）在《面向系统辨识的火电控制时序数据可视分析》一文中研究指出对火电控制历史数据进行分析和建模,能有效地帮助用户实现更优的机组运行控制.由于这类控制数据的复杂性,传统系统辨识过程非常烦琐,甚至难以得到有效结果.为此,将可视分析技术引入系统辨识中,与自动建模算法集成,设计了面向系统辨识的可视分析系统imDCS,在时序数据特征分析、模型建立和筛选评估以及模型迭代优化等各阶段支持控制系统建模的全过程.通过多种可视化映射技术和交互联动视图支持多层次模型筛选过程;通过分组视图与堆迭视图展示高维多元模型结构;通过精度评估组合视图支持用户从不同侧面评估模型性能.与领域专家合作,基于电厂真实控制数据和运行优化需求进行了案例分析和评估,结果表明,该系统在工业控制数据分析和建模中具有更高的有效性和可用性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年10期）
王一博,彭广举,何远舵,王亚沙,赵俊峰[9]（2019）在《基于领域偏好的可变时间窗口时序数据主题模式识别算法》一文中研究指出随着传感器的普及,智慧城市、普适计算等领域应用不断涌现,对时序数据处理的需求也在不断增长。时序数据中反复出现的高度相似的模式被称为主题模式。时序数据的主题模式蕴含有了大量的信息,对主题模式的识别是时序数据处理的重要分支领域。现有主题模式识别算法无法根据特定应用或领域的知识来指定主题模式识别的偏好,从而难以发现对分析领域问题最具价值的模式。针对这一问题,文中给出了一种可以根据领域偏好定义子序列相似性的机制,并设计了一种针对上述相似性度量机制的可变时间窗口主题模式识别加速剪枝算法。实验证明,所提方法在多个公开数据集上,能高效且准确地发现具有领域偏好的主题模式。(本文来源于《计算机科学》期刊2019年11期）
陆世民,李作康,刘璐,刘文,王禹林[10]（2019）在《数控机床时序数据存储与查询系统研究》一文中研究指出针对大部分数控机床状态信息都为时序数据这一特点,设计了一套数控机床时序数据存储与查询系统。对不同采集频率的机床状态时序数据进行分类,基于Socket通讯协议分别采集。基于时序数据写入和查询需求分析,应用TimescaleDB数据库实现时序数据存储。进一步对TimescaleDB数据库信息进行存储和查询测试,验证了时序数据存储与查询系统能严格按照设定频率采集及存储数据,相比PostgreSQL平均缩短了31.3%查询时间。最后搭建了Web端的状态监测界面,实现数控机床状态实时监测。(本文来源于《组合机床与自动化加工技术》期刊2019年07期）
时序数据论文开题报告范文
（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：
在诸多时序数据分类算法中,有一类算法借助时序数据的局部特征对时序数据进行分类,它们取得了不错的分类结果,然而其时间复杂度以及分类精度依旧存在可见的提升空间.本文提出的微局部特征二分类算法,着眼于局部特征本身的性质,对局部特征集进行限制,进而改进现有的基于局部特征的分类算法.新算法通过理论分析支撑,将经典算法的局部特征集大幅缩小,进而显着提升了分类算法的时间性能.另一方面通过重定义局部特征的评价标准,新算法选出性质更为优良的局部特征,提升了分类精度.
（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。
时序数据论文参考文献
[1].杨昌群,蔡其星,汪涛,马楠桦,孔伟阳.运用于Kubernetes实现的弹性时序数据存储[J].工业控制计算机.2019
[2].舒伟博.基于微局部特征的时序数据二分类算法[J].计算机系统应用.2019
[3].褚洪涛,徐洪侠.基于自适应神经网络的时序数据n步预测算法[J].图书馆建设.2019
[4].李晖,彭韧超,李万凯,朱晓铃,黄于同.厦门典型树种的HJ-1A/BNDVI时序数据滤波算法及物候特性[J].生态学杂志.2019
[5].闫吉顺,方海超,张盼,王鹏,林霞.基于时序和空间子集的水深数据优化方法研究[J].地理空间信息.2019
[6].张凯斐.分布式网络动态数据异常区域时序挖掘仿真[J].计算机仿真.2019
[7].汪小钦,邱鹏勋,李娅丽,茶明星.基于时序Landsat遥感数据的新疆开孔河流域农作物类型识别[J].农业工程学报.2019
[8].纪连恩,孔雨萌,王炎林,王中原,田彬.面向系统辨识的火电控制时序数据可视分析[J].计算机辅助设计与图形学学报.2019
[9].王一博,彭广举,何远舵,王亚沙,赵俊峰.基于领域偏好的可变时间窗口时序数据主题模式识别算法[J].计算机科学.2019
[10].陆世民,李作康,刘璐,刘文,王禹林.数控机床时序数据存储与查询系统研究[J].组合机床与自动化加工技术.2019