1) time series matching
时间序列谱匹配
1.
Research on cultivated land extraction based on MODIS NDVI time series matching analysis—a case in middle part of Zhejiang;
基于MODIS NDVI时间序列谱匹配的耕地信息提取研究——以浙中地区为例
3) similar pattern matching time series
时间序列相似性匹配
4) temporal sequence
时间序列谱
1.
Extracting winter wheat area using temporal sequence of Ts-EVI
基于Ts-EVI时间序列谱的冬小麦面积提取
5) sequence matching
序列匹配
1.
Efficient algorithm for XML query based sequence matching——SCALER+;
一种高效的基于序列匹配的XML求解算法——SCALER+
2.
Design and Implementation of Code Clone Analysis System Based on Sequence Matching;
基于序列匹配的代码克隆分析系统设计与实现
3.
Because the aggregates of observed values corresponding to different states are disjoint, the parameters of the models can be calculated by a sequence matching algorit.
由于模型中各状态对应的观测值集合互不相交,模型训练中采用了运算量较小的的序列匹配方法,与传统的Baum-Welch算法相比,大大减小了训练时间。
6) subsequence matching
序列匹配
1.
Data of stock market during a period of time were modeled with primary tool——five average price line and above information, and the result was tested through the method of subsequence matching by the data during another period of time.
对证券市场3个重要信息:成交量、时间、价格进行模糊化处理后,以5日平均价格线为建模主要工具,配合上述信息对股市一段时期的数据进行建模,通过序列匹配的方法用另一时期的数据对建模结果进行验证。
2.
Then it enforces subsequence matching on both sequences.
本文的查询方法首先把XML文档和XML查询按一定规则转换为序列,然后在这两个序列上进行子序列匹配,子序列匹配的结果再经过结构约束检查以得到最终的查询结果。
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条