时间序列趋势分析方法的一种改进

对时间序列数据进行趋势分析,是最基本最常用的处理。趋势分析的方法有多种。在对其中几个具有代表性的方法进行深入分析的基础上,综合其思想并加以改进,得到了基于插值法的趋势分析方法。分析了该方法的特点,指出时间序列趋势分析的难点所在。     

时间序列趋势分析方法的一种改进

对时间序列数据进行趋势分析，是最基本最常用的处理。趋势分析的方法有多种。在对其中几个具有代表性的方法进行深入分析的基础上，综合其思想并加以改进，得到了基于插值法的趋势分析方法。分析了该方法的特点，指出时间序列趋势分析的难点所在。     

一种基于时间序列面向预警的警报分析方法

本文通过对警报数据的观察和分析,提出了一种基于时间序列分析理论适合对大规模网络IDS警报数据进行实时宏观分析的新方法。该方法利用正常情况下每天IDS警报数的自相似性来建立IDS警报数的季节模型,并利用该模型和警报数在宏观上的关系对网络中出现的像DDoS和蠕虫等大规模入侵进行预警。理论分析和实验结果表明,此方法能及时发现网络中的大规模网络入侵并进行预警,并具有比基于网络流量异常的入侵预警方法准确和与IDS集成好的优点。     

一种新的因特网拓扑的序列分析方法:dM序列分析方法

网络拓扑研究的一项重要内容是分析网络拓扑的特征并生成满足这些特征的拓扑图。拓扑图特征的dK序列分析技术是一种系统化的拓扑分析技术,它能够以不同的精度描述拓扑图的特征,随着d的增加,其生成的拓扑图能够在各种重要的拓扑度量方面越来越接近原始拓扑图,因而对因特网拓扑研究具有重要意义。dK序列分析技术的问题在于状态数较多,生成算法复杂,当d>2时没有直接的生成算法。本文提出了一种新的基于邻接图分布的拓扑图特征的序列分析技术:dM序列分析技术。与dK序列分析技术相比,dM序列分析技术具有状态数少、生成算法简单的优势,因此更适合于大规模拓扑图如因特网AS拓扑的研究。     

时间序列相似性分析方法研究

在经典的时间序列相似分析方法基础上,论文讨论了一些有代表性的现代时间序列相似性分析方法,对其基本思想加以分析和提炼,总结了这些方法的优缺点,为时间序列分析研究提供了较为完整的成果概览。     

一种带有时间约束故障树分析方法

 在时间域内的行为对安全苛求系统往往是至关重要的,若出现故障,则大量的故障描述都涉及事件之间的时间因素。针对传统故障树不能直观描述和分析这种时间因素的问题,在原有故障树定义的基础上增加时间约束故障树的语义描述,并根据故障树的扩展语义提出时间约束故障树分析方法。给出时间约束逻辑门和事件平均转移率、输入事件到输出事件传播率和到达率的计算方法。设计故障树基本事件和最小割集到达顶事件的传播率和到达率的算法,该算法遍历故障树中每个节点获得基本事件时间重要度和最小割集到达率,从时间重要度角度对基本事件和最小割集的重要度比较。实验结果表明提出的时序分析方法可以为故障诊断和预防提供理论基础。     

改进KNN的时间序列分析方法

近年来,随着数据挖掘和机器学习的兴起,基于时间序列分析方法的研究愈加丰富.作为机器学习的经典方法,KNN(K-Nearest Neighbor)因其简单、准确度高等特性被广泛应用于时间序列分析的各个领域.然而,使用原始的KNN回归方法预测时间序列具有一定的局限性,直接使用欧氏距离作为相似度度量方法的预测效果并不理想,无...     

一种精确程序最坏执行时间分析方法

Java语言的动态特性使程序的最坏执行时间分析较悲观和难以预测,提出一种精确最坏执行时间分析方法,在高层分析中,引入一种标记方法,对带有标记的Java类文件进行反编译提取控制流程,得到每一个基本块中的Java 字节码指令的最坏情况下的执行次数,在底层分析中,建立结合流水线和高级缓存影响的时间模型,得到每条指令所对应的执行时间,最后结合高层分析和底层分析的结果得到程序的最坏情况下的执行时间。实验表明,该方法可以使对实时Java 程序的最坏情况执行时间预测更加安全和精确。     

一种改进的动态时间戳分析方法

在计算机取证中涉及到取证事件因果关联分析时,特定事件的产生时间是重点关注的因素.本文在分析动态时间戳方法的基础上,提出一种利用异常检测方法确定文件产生真实时间范围的改进方案,为计算机取证提供了有效依据.     

时间序列分析方法及ARMA，GARCH两种常用模型

证券市场具有数据单一性（大量不需要经过特殊处理的数据）、分析手段多样性和隐蔽性的特点,且与其飞速发展不相称的是证券分析技术进展的缓慢。股市系统中时间序列的预测问题具有重要的理论及实际意义,时间序列的获取是通过对数据库中数据进行分类汇总分析而获得。获取时间序列数据以后可以对它进行预测分析,从而较准确地预见系统的演进。文中介绍了时间序列的基本知识,同时比较了ARMA和GARCH两种常用模型,得出对于中国股市,GARCH模型性能优于ARCH模型。     

时间序列分析方法及ARMA,GARCH两种常用模型

证券市场具有数据单一性（大量不需要经过特殊处理的数据）、分析手段多样性和隐蔽性的特点,且与其飞速发展不相称的是证券分析技术进展的缓慢。股市系统中时间序列的预测问题具有重要的理论及实际意义,时间序列的获取是通过对数据库中数据进行分类汇总分析而获得。获取时间序列数据以后可以对它进行预测分析,从而较准确地预见系统的演进。文中介绍了时间序列的基本知识,同时比较了ARMA和GARCH两种常用模型,得出对于中国股市,GARCH模型性能优于ARCH模型。     

非线性时间序列的符号化分析方法研究

符号时间序列分析方法是近年来新兴的一种数据处理方法,已经被广泛的应用于各个领域．采用符号化分析方法能够从动力系统中快速有效地提取有用定量信息,计算简单快捷,而且能够有效的抑制噪声．本文采用三种统计量用于表征符号化时间序列的特性,用Henon方程作为算例验证了该方法的可靠性,并且将此方法应用于垂直上升管中油水两相流流型分析,结果表明从符号时间序列计算的统计量对油水两相流过渡流型变化敏感．     

软件老化的多元时间序列分析方法

针对目前软件老化分析中的单参数模型,以及未考虑变量间关联性和影响性的多参数模型的不足,提出了运用多元时间序列模型分析软件老化的方法。通过对实验采集的HelixServer-VOD服务器性能数据的分析,运用格兰杰因果性检验,证实了软件老化发生和发展过程中各个性能参数间存在显著的相互影响性。引入向量自回归模型对软件老化进行建模,给出了软件老化在多个参数维度的联合预测以及参数间相互影响方式的定量描述。通过模型的迭代计算,比较了向量自回归模型与现行的未考虑参数间相互影响的模型对多个性能参数变化曲线的拟合及预测情况,证实了VAR模型更接近软件老化的本质。     

一种周期时间序列的预测算法

时间序列分析作为现代数据分析处理的有效方法之一,目前广泛地应用于商业、金融、证券、电信等领域,由于人们生活及消费模式的自然规律性,时间序列往往呈现出明显的周期变化趋势。论文依据移动通信网管测量数据,提出了一种针对周期时间序列的线性预测算法——自循环算法,实验表明预测精度高于传统的线性预测分析方法。     

一种时间序列相似匹配新算法

为提高时间序列相似匹配的精度和效率，提出一种基于小波包变换的时间序列相似匹配算法．首先利用小波包可对信号进行精细分析的特点，对时间序列进行维数约简，用变换后的低频系数和部分高频均值系数作为特征向量表示原始序列；然后用多维索引结构R树存储这些特征向量，将欧几里德距离作为相似尺度，在此基础上实现了范围查询和k近邻查询，对电力负荷时间序列数据的仿真实验结果表明了算法的有效性。     

一种新的时间序列线性拟合方法

提出一种新的时间序列线性拟合方法.通过判断连接相邻点所成线段的斜率变化,选择时间序列中的转折点,将这些点与时间序列的极值点合并作为关键点,利用这些关键点组成的序列拟合原时间序列.该线性拟合方法在剔除噪声的同时,能更精确地定位时间序列中的关键点.实验结果表明,与已有方法相比,该方法能近似表示原时问序列,且拟合后的时间序列...     

一种改进的时间序列建模方法

使用动态数据建模(DDS)法与Box-Jenkins建模法相结合的方法建立时间序列模型,使两种方法的优点互相结合起来,简化了现有的建模过程.在使用MATLAB进行仿真后,快速、方便地得到了相应的模型.该方法能较快地完成建模,较适用于对模型精度要求不太高的地方.     

时间序列特征抽取的一种新方法

在地震、语音、心电等时间序列信号的识别问题中,常需对时间序列进行特征抽取。本文提出一种时间序列特征抽取的新方法,它将时间序列分解为两部分,分别抽取特征。具体实现是用 AR 系数与维纳滤波器系数结合起来形成特征向量。此法可用于地震信号的特征抽取,识别沉积序列,帮助推断沉积相。计算机实验结果表明,方法是很有效的。     

一种非同步时间序列特征提取算法

在对时间序列经过符号化处理获得两类字符串集合的基础上,提出了一种非同步时间序列特征模式提取算法,该算法的核心是利用约简方法快速找到一个能充分区分两类字符串集合的模式,从而可以发现所有包含此模式的时间序列。实验结果表明,该算法在解决诸如从大量的飞行数据中搜索设备故障模式或飞行状态模式等问题时具有良好的应用前景。     

一种状态事件故障树的时间特性分析方法

状态事件故障树是一种适合于描述构件化嵌入式系统失效因果链的建模技术,其顶层事件描述失效发生的结果.对顶层事件发生的平均时间进行分析,是获得系统平均失效时间参数的一种有效方法,可为系统的安全性评估提供支持.由于状态事件故障树缺乏严格语义,使得必须先对其进行形式化描述才能进行定量分析.为此,提出了一种基于交互马尔可夫链的状态事件故障树时间特性分析方法.首先,精化交互马尔可夫链的交互动作,建立接口交互马尔可夫链模型,并基于该模型对状态事件故障树的构件和逻辑门进行形式语义描述;其次,通过并行组合构件与逻辑门的形式语义模型,得到整个状态事件故障树的形式语义模型,并在该过程中使用弱互模拟对状态空间进行约简;然后,基于状态事件故障树的形式语义给出顶层事件发生的平均时间计算方法;最后,给出飞机着陆雷达控制系统和喷淋防火系统的状态事件故障树时间特性分析的实例研究.为构件化系统失效时间特性的分析提供了一种新方法.