专利交易市场

一种时变数据的特征提取与追踪方法，首先让用户在时变数据某个时间步的两张切片上选择他们感兴趣的特征，基于此构造出一系列算法来获得可用于提取该特征的一组最佳化GMM准则；其次，利用最佳化GMM准则，从时变数据的每个时间步中提取出与用户选择特征相似的所有特征；再次，对于所提取出的所有时间步中的所有特征，构造一张全局追踪图来记录它们之间的所有追踪信息；最后，利用体绘制算法以动画形式可视化出追踪特征及其所处环境。本发明只需用户提供少量的特征信息(仅两个切片上的特征信息)，便可在整个时变数据中追踪该特征；能够从全局角度追踪提取的特征，从而能够避免利用局部追踪方法所产生的追踪错误，提高了特征追踪的精度。

本发明公开了一种基于时间序列的水库水位趋势预测方法包括：获取水库的水位数据构成训练集和测试集；对水位数据进行滤波处理；对滤波处理后的训练集按照趋势和残差进行数据序列的区分，分别计算趋势序列和残差序列的差分阶数、自相关系数和偏相关系数；根据趋势序列和残差序列的差分阶数、自相关系数和偏相关系数建立长期时间序列趋势模型、季节性时间趋势模型、周期性时间趋势模型和残差项模型；根据长期时间序列趋势模型、季节性时间趋势模型、周期性时间趋势模型和残差项模型构建水库水位趋势预测模型采用滤波处理后的测试集验证水库水位趋势预测模型的相对误差和命中率；采用最优的水库水位趋势预测模型预测水库的水位变化趋势。

本发明公开了一种基于时间序列的水库水位趋势预测方法包括：获取水库的水位数据构成训练集和测试集；对水位数据进行滤波处理；对滤波处理后的训练集按照趋势和残差进行数据序列的区分，分别计算趋势序列和残差序列的差分阶数、自相关系数和偏相关系数；根据趋势序列和残差序列的差分阶数、自相关系数和偏相关系数建立长期时间序列趋势模型、季节性时间趋势模型、周期性时间趋势模型和残差项模型；根据长期时间序列趋势模型、季节性时间趋势模型、周期性时间趋势模型和残差项模型构建水库水位趋势预测模型采用滤波处理后的测试集验证水库水位趋势预测模型的相对误差和命中率；采用最优的水库水位趋势预测模型预测水库的水位变化趋势。

本发明涉及数据挖掘技术领域，尤其涉及一种时间序列的有序分类方法、装置、计算机设备以及存储介质，方法包括，获取M个对象中每个对象的时间序列数据，得到时间序列数据集；从时间序列数据集中随机选取目标对象，并从目标对象的时间序列数据中随机选取目标子序列数据；获取目标子序列数据的覆盖集中度和优势度评估值；基于目标子序列数据的覆盖集中度和优势度评估值，得到目标时间序列特征集；基于目标时间序列特征集和时间序列数据集，转换得到时间序列特征集的特征空间；基于特征空间，训练得到有序分类器；获取待测对象的时间序列数据，基于有序分类器对待测对象的时间序列数据进行分类，进而可有效避免由于错分类别而导致的严重后果。