时间因子

摘要： 健康评估是雷达用户快速掌握装备状态、制定作战任务的重要依据,评估结论的完整性和准确度对雷达装备的效能发挥具有重要意义。传统的雷达健康评估往往只对具体分系统或功能进行评估,缺少对雷达整机情况的描述。基于雷达设备状态和性能退化的综合健康评估方法,提出了4种适用不同情况的健康值计算模型,降低了在工程中的应用门槛。同时为了提高准确度,以Logistic函数的形式引入了时间因子,解决了性能参数的非实时性问题。以某测控领域雷达数据为样本,对雷达整机的综合健康评估方法进行了工程化应用,平均正确率达97.75%,既解决了健康评估的完整性问题,又保证了较高的准确度。

摘要： 传统的协同过滤推荐算法在进行相似度计算时主要考虑用户对物品的评分,通过评分获取用户之间的相似度,缺少对用户兴趣相似度的考虑,同时在进行相似度计算时未考虑用户自身属性的影响,其相似度计算存在一定的失真性。针对这一问题,提出一种改进的兴趣相似度个性化推荐算法,根据不同的用户对物品的兴趣会因用户的自身属性不同而存在差别,设计一种改进的兴趣相似度计算方法,在进行兴趣相似度计算时引入用户的自身属性因素,如年龄、性别等属性因素;根据用户对物品的兴趣会受到物品的热门程度的影响,提出物品热点影响率与物品属性满意度的概念,并根据物品的热点影响率与物品属性满意度在计算相似度时赋予物品不同的权重关系;根据用户的兴趣会随着时间的变化而发生改变,将时间因素加入到推荐过程中,最终通过融合时间因子的影响做出最终的评分预测。在MovieLens数据集上的实验结果表明,该算法的平均绝对误差(MAE)和均方根误差(RMSE)值更低,推荐效果更优。

摘要： 本文以地震频次作为地震活动的变量,通过自然正交函数展开方法,计算中国大陆7级以上强震前的地震活动频次场,提取出强震前时间因子和空间等值线的异常。结果表明,强震前时间因子出现超过均方差的高值或低值异常,异常多数分布在频次场的前4个典型场,具有多分量特点,第1个典型场异常贡献率最大(占总场40%~60%),绝大部分强震前5~8年出现长期异常,部分强震前1~2年出现中期异常,少数强震前3月出现短临异常的特征。区域频次等值线出现的高梯度旋涡区域是异常危险区,等值线值大于0.9且具有活动构造的危险区往往是强震的发震位置。另外,地震频次场与传统方法的区域地震活动频次(3月)震例对比,表明频次场时间因子异常具有自己的独特优越性和缺陷,并讨论了这些方法的差异性。

摘要： 针对数据稀疏性,常用的评分矩阵填充方法主要是通过平均数、中位数等进行填充,该文提出一种新的评分矩阵填充方法.利用项目-属性矩阵计算用户对项目属性偏好,由于每个项目都有各自属性,从而可以获得用户对项目的偏好值,以用户平均评分为基准,实现对评分矩阵填充.基于填充后的评分矩阵,又考虑到用户兴趣爱好随时间会发生改变,因此引入时间因子,提出一种基于评分矩阵填充和时间因子的加权slope one算法(FTWSOA).通过时间函数修正评分矩阵,优化的评分数据可以更好地体现用户兴趣爱好随时间变化的情况.在时间加权的评分矩阵下,计算出属性兴趣偏好,在共同评分很少甚至没有时,利用属性兴趣偏好可以较为准确地计算用户相似度.由于在共同很少或者没有时,原始评分矩阵中用户没有交集,而在属性兴趣矩阵下用户会存在交集,因此,使用参数λ将填充矩阵下的用户相似度和属性兴趣偏好矩阵下的用户相似度相结合得到最终的用户相似度,可以缓解在稀疏数据下相似度计算性能差的问题,最后使用加权slope one预测评分时,将时间衰减函数加入到预测公式中来优化预测评分公式.通过在MovieLens100k数据集上的实验表明,相比于其他算法,FTWSOA算法准确度有所提高.

摘要： 传统推荐系统算法模型主要集中研究用户偏好与物品的关联性,根据用户主观意见进行推荐,未充分考虑用户与物品所处的客观环境,造成推荐时的实际偏差.本文基于传统推荐算法引入时间因子,提高模型推荐效果.实现方法主要是通过比较引入与未引入时间因子,使用UserCF算法和ItemCF算法观察MAE值的大小变化情况.时间因子的引入,改善了传统推荐系统算法模型主要集中研究用户偏好与物品的关联性等方面的推荐失真问题,提高了模型推荐的可靠性和实用性.实验结果表明,引入时间因子能对传统协同过滤算法在MAE指标方面有一定提高,计算效果优于传统推荐算法.

摘要： 传统推荐系统算法模型主要集中研究用户偏好与物品的关联性,根据用户主观意见进行推荐,未充分考虑用户与物品所处的客观环境,造成推荐时的实际偏差。本文基于传统推荐算法引入时间因子,提高模型推荐效果。实现方法主要是通过比较引入与未引入时间因子,使用UserCF算法和ItemCF算法观察MAE值的大小变化情况。时间因子的引入,改善了传统推荐系统算法模型主要集中研究用户偏好与物品的关联性等方面的推荐失真问题,提高了模型推荐的可靠性和实用性。实验结果表明,引入时间因子能对传统协同过滤算法在MAE指标方面有一定提高,计算效果优于传统推荐算法。

摘要： 航空高光谱影像的采集需要一个时间过程,其间成像条件(太阳辐射、大气等)处于持续变化之中,不可避免地会对大气辐射校正带来一定影响.主要针对上述影响,对邻近航带的明暗地物、大气辐射传输分量、同名地物反射率进行对比,分析了时间因子对经验线性法、大气辐射传输法反演结果的影响.结果 表明:随着时间变化,不同时刻对应的大气辐射传输参量存在一定差异,不同时刻的明暗参考地物所计算的校正系数也不同,这些差异都会对反射率校正结果产生一定的影响;通过对不同时刻的同名地物反射率反演结果对比,同名地物采集的时间间隔越长,校正结果的数值偏差越大.随后,提出了顾及时间因子的航空高光谱影像相对辐射归一化校正方法.实验证明,与常用的伪不变特征点方法相比,本文方法能够有效地消除时间因子变化对反射率反演带来的影响,提高同名地物的光谱一致性.

摘要： 为了解决传统的网络安全态势感知研究方法在网络信息复杂情况下准确率不高等缺陷,文中结合深度学习,提出了一种基于时间因子和复合CNN结构的网络安全态势评估模型,将卷积分解技术和深度可分离技术相结合,形成4层串联复合最优单元结构;将一维网络数据转换为二维矩阵,以灰度值的形式载入神经网络模型,从而有效发挥卷积神经网络的优势.为充分利用数据间的时序关系,引入时间因子形成融合数据,使网络同时学习具备时序关系的原始数据和融合数据,增强模型的特征提取能力,同时利用时间因子和点卷积建立时序数据的空间映射,提高模型结构的完整性.实验结果证明,所提模型在两个数据集上的准确率分别达到了92.89％和92.60％,相比随机森林和LSTM算法提升了2％～6％.

摘要： 随着用户对推荐的准确性和实时性需求的不断提高,从海量用户历史数据中挖掘出用户需要的准确信息是一个极有价值的研究方向.基于模糊聚类的协同过滤算法首先要解决数据稀疏问题,对原始的用户评分数据进行预处理,采用SMOTE过采样技术填充数据有效解决了数据稀疏问题;然后利用模糊聚类实现评分数据的分类,结合艾宾浩斯遗忘曲线,将用户评价的时间戳作为因子对聚类后的数据进行评分预测,以此改善用户爱好随时间变化对推荐效果的影响,解决实时性问题.在M ovieLens-100k数据集上的实验结果表明,伴随时间的模糊协同过滤推荐可以明显提高推荐算法的准确性.

摘要： 针对传统协同过滤算法数据稀疏性、相似度计算片面、多样性不足等问题,本文提出一种基于时序变化与用户聚类的提高总体多样性的方法(Aggregate diversity improvement method based on time series change and user clustering, ADI-TC, n = 3)。通过加入时间因子对预测评分进行加权提高用户评分实时性;采用奇异值分解法(Singular Value Decomposition, SVD)进行数据填充缓解数据稀疏性问题;根据用户偏好对用户进行聚类,结合用户评分和类别相似度计算用户综合相似度;通过跨类选取近邻的方式提高协同用户多样性进而提高推荐结果多样性。在MovieLens数据集实验表明本文方法相对于传统基于用户的协同过滤算法,在最近邻数为20时,MAE下降4.5%,总体多样性可以提高2%。说明本文提出的方法能在保证推荐准确性的前提下提高总体多样性。

摘要： 本发明涉及一种基于多时序因子和序列因子支配的多时间序列查询方法，属于计算机数据处理技术领域。首先定义两个单时间序列之间的序列因子支配关系和两个多时间序列之间的多时序因子和序列因子的支配关系：然后计算多时间序列的数值和组成多时间序列的每个单时间序列的数值，最后根据各多时间序列的输出值和支配关系，输出查询结果。本发明方法可以在多时间序列上进行查询，而不必使用由多时间序列提取得到的特征值。所以直接对多时间序列进行查询的效果要好于对特征值查询。本方法直接使用原始数据，避免了提取特征值等过程带来的额外代价，并通过限制时间窗口、计算各多时间序列的最大、最小输出值来提高查询效率，大大加快了查询的速度。

摘要： 本发明涉及一种基于多时序因子和序列因子支配的多时间序列查询方法，属于计算机数据处理技术领域。首先定义两个单时间序列之间的序列因子支配关系和两个多时间序列之间的多时序因子和序列因子的支配关系：然后计算多时间序列的数值和组成多时间序列的每个单时间序列的数值，最后根据各多时间序列的输出值和支配关系，输出查询结果。本发明方法可以在多时间序列上进行查询，而不必使用由多时间序列提取得到的特征值。所以直接对多时间序列进行查询的效果要好于对特征值查询。本方法直接使用原始数据，避免了提取特征值等过程带来的额外代价，并通过限制时间窗口、计算各多时间序列的最大、最小输出值来提高查询效率，大大加快了查询的速度。

摘要： 一种用于控制电源转换器的装置，所述电源转换器可操作以接收周期性变化的输入信号，所述装置包括：耦合到所述电源转换器并配置成调节所述电源转换器的输出电压的离散时间导通时间发生器；和配置成将所述电源转换器的输出电压与第一预定范围进行比较的控制器。控制器能够在周期性变化的输入信号的过零处获得比较结果，并响应于比较结果选择离散时间导通时间发生器的多个操作电平中的一者。多个操作电平包括线性的离散时间操作电平和非线性的离散时间操作电平。

摘要： 本发明涉及人眼视网膜蓝光辐照损伤时间修复因子的模拟计算方法，在每天连续等量辐照的情形下，持续N天以上(含N天)的人眼视网膜蓝光辐照损伤时间修复因子KB为持续N天以上的辐照累积量总量TB为：TB＝KB×B，式中，B为每天的蓝光辐照量。

摘要： 本发明公开了基于多参数融合健康因子和时间卷积神经网络的轴承退化趋势预测方法。本发明基于多参数融合深度神经网络提取轴承多个时域参数并进行融合，采用小波激活函数Morlet，构建融合健康因子，利用时间卷积神经网络，将健康因子作为样本数据，实现轴承退化趋势预测。其步骤如下：(1)采集轴承全寿命振动信号；(2)提取时域参数并进行归一化处理；(3)基于单调性和相关性标准，筛选时域参数；(4)设置标签，形成构建健康指标所需的数据集；(5)设定多参数融合深度神经网络结构，构建融合健康因子；(6)对融合健康因子设置标签，形成预测轴承退化趋势所需的数据集；(7)设定时间卷积神经网络结构，实现轴承退化趋势预测。

摘要： 本发明公开了一种延迟甜菊开花时间的转录因子SrMYC2及其表达蛋白和应用，属于植物基因工程技术领域。所述的转录因子SrMYC2，其核苷酸序列如SEQ ID NO.1所示，表达蛋白的氨基酸序列如SEQ ID NO.2所示。酵母活性实验显示该转录因子具有转录激活活性，更具体的是该蛋白的1‑300aa段具有转录激活活性；亚细胞定位表明，该基因编码的蛋白主要定位在细胞核。基于拟南芥转基因植株的功能鉴定发现，转基因株系具有晚花表型。基于这一特性，可为甜菊延长营养生长时间从而提高甜菊叶片及糖苷产量提供一定的参考借鉴。

摘要： 本发明提出一种基于水位延时因子的流域水位延时影响时间预测模型，基于历史水位数据，通过计算上游测点测得的上游水位或泄洪量对下游测点的水位延时影响时间来搭建；所述模型基于上下游水位、风速、降雨量因素，对计算出的水位延时影响时间进行实时拟合以提高流域监测系统的准确性；预测模型中的测点设于流域的干流、支流、水坝或水闸处，所述上游测点与下游测点的设置位在流域水文空间结构上具有直接关联；影响下游测点水位的因素为上游测点处的历史水位、降雨量和泄洪量；上游测点处的历史水位、泄洪量对下游测点的影响具有延时性；模型的搭建包括构造水位延时因子标签、训练延时影响时间预测模型；本发明能提高流域监测系统的准确性。

摘要： 本发明公开了一种基于全因子DOE响应曲面优化制丝生产指标预警响应时间的方法，所述的预警响应时间的方法包括以下步骤：步骤1.确定制丝生产指标预警响应时间的相关性模型，步骤2.采用全因子DOE响应曲面对响应时间进行优化，步骤3.对优化结果进行效验。本发明利用数据处理技术，实施采集系统数据，后台进行异常数据识别，判断，反馈，采用数学原理和数学方法不断优化模型，实现精准预警控制。提升车间制丝工艺水平，对提升多工序，连续化生产单位具有很好的借鉴意义和推广价值。

摘要： 本发明提出了一种基于时间因子矩阵的视频水印方法。目前大多数基于张量的视频水印算法都是将水印信息嵌入在核心张量中。算法通过对视频张量进行Tucker分解获得核心张量和三个因子矩阵。算法将蕴含时间轴信息的因子矩阵称为时间因子矩阵，时间因子矩阵第一列的值表示的是视频张量各个帧的主要相关系数。由于对视频进行几何形变或裁剪攻击时，视频相邻帧之间的相关系数并不会发生明显的变化。因此，算法通过修改时间因子来嵌入水印信息。实验结果表明，本算法相较于其余基于张量的视频水印算法，对于裁剪、缩放、旋转等攻击都具有更强的鲁棒性，以及对帧删除、视频压缩等视频特有的攻击也同样具有较强的抵抗能力。

摘要： 本发明涉及一种计及时间因子的有源负荷动态参数辨识方法、装置及存储介质，其中方法包括步骤S1：建立动态负荷模型；步骤S2：按照时间特征和天气特征建立动态因子的标签集合；步骤S3：获取实际采集的负荷集，其中，负荷集包括多个因子测量值组合；步骤S4：基于建立的动态负荷模型，根据电气约束建立各因子的可行域；步骤S5：基于建立的可行域构件多个候选因子组合；步骤S6：按照实际采集的负荷集中的各因子测量值组合逐一对各候选因子组合进行投票，取票数最多的候选因子组合输出为辨识结果。与现有技术相比，本发明解决了动态负荷在多工况、多时间尺度、多源量测运行情况下，负荷参数本身处在变化过程中，负荷参数辨识方法缺少的问题。