1) multidimensional time series analysis
多维时间序列分析
1.
With the combination of this method with support vector regression(SVR) ,we constructed a new non-linear forecasting model of multidimensional time series analysis named GS-SVR that can show the dynamic characteristics of sample set as well as the effect of environmental factor.
基于地统计学半变异函数发展了一种新的多维时间序列最优阶数判断方法,并结合支持向量回归建立了既反映样本集动态特征又体现环境因子影响的非线性多维时间序列分析预测模型(GS-SVR)。
2) High-dimensional time series analysis
高维时间序列分析
3) Analysis of Multivariate Time Sequences
多元时间序列分析
4) multidimensional time series
多维时间序列
1.
Based on support vector regression (SVR) and controlled autoregressive (CAR), we proposed a new non-linear multidimensional time series method named SVR-CAR that can show the dynamic characteristics of sample set as well as the effect of environmental factors.
基于支持向量回归(SVR)并融合带受控项的自回归模型(CAR),建立了一种既反映样本集动态特征又体现环境因子影响的非线性多维时间序列分析预测方法(SVR-CAR)。
2.
Combined support vector regression (SVR) and controlled autoregressive(CAR), a non-linear multidimensional time series approach named SVR-CAR thatbases on structural risk minimization and has high accurate prediction was constructed,which showed the dynamic characteristics of sample set as well as the effect ofenvironmental factors.
基于支持向量回归(support vector regression，SVR)并融合带受控项的自回归模型(controlled autoregressive，CAR)，建立了一种基于结构风险最小原则、既反映样本集动态特征又体现环境因子影响的高精度非线性多维时间序列预测方法(SVR-CAR)，并对5年的小麦赤霉病病穗率和二代玉米螟危害程度进行了一步预测。
3.
To demonstrate the efficiency of our technique,we reconstructed chaotic attractors from multidimensional time series of several existing chaotic systems,such as the Lorenz system,Chen system,Rssler system,Robinovich-fabrikant system and Rssler-hyperchaos system.
在传统的一维时间序列重构技术基础上,提出一种更有效的多维时间序列相空间重构技术。
5) multi-dimensional time series
多维时间序列
1.
Based on multi-dimensional time series approach,this paper proposes the function relationships among the future daily load,the influences of historic daily load inertia action and meteorologic cumulated effect.
以多维时间序列分析方法为基础,解决了未来日负荷与历史日负荷惯性变化的影响以及气象累计效应的影响显性函数关系,从而为负荷预测人员掌握未来负荷与历史负荷、历史气象要素与当日气象条件之间的规律提供了量化的分析基础。
2.
Especially, research on multi-dimensional time series has become a frontier topic.
时间序列数据挖掘是数据挖掘研究的一个重要组成部分,是计算机技术研究的热点之一,多维时间序列数据挖掘更是一个比较前沿的研究课题。
6) multivariate time series
多维时间序列
1.
Graphical models for multivariate time series based on conditional mutual information;
基于条件互信息的多维时间序列图模型
2.
In most applications, especially with the wide-spread proliferation of multimedia technology, more and more multivariate time series data have appeared.
多数应用领域中,随着多媒体技术的迅速发展,产生了越来越多的多维时间序列数据,其中包括动作捕捉数据,生物信息序列,金融数据,移动对象跟踪,人机交互接口等许多类别的多维时间序列数据。
补充资料：时间序列分析
| 时间序列分析 time series analysis 用随机过程理论和数理统计学方法，对时间序列进行的统计分析。数理统计学的分支。时间序列是指被观测到的依时间次序排列的数据序列。从经济到工程技术，从天文到地理和气象，几乎在各种领域中都会遇到时间序列。时间序列分析包括一般统计分析（如自相关分析、谱分析等），统计模型的建立与推断，以及关于时间序列的最优预测、控制和滤波等内容。经典的统计分析都假定数据序列具有独立性，而时间序列分析则着重研究数据序列的相互依赖关系。后者实际上是对离散指标的随机过程的统计分析，所以又可看作是随机过程统计的一个组成部分。例如，记录了某地区第一个月，第二个月，…第T个月的降雨量，利用时间序列分析方法，可以对未来各月的雨量进行预报。时间序列分析在第二次世界大战前就已应用于经济预测，第二次世界大战后，在军事科学、空间科学和工业自动化等部门的应用更加广泛。 就数学方法而言，平稳随机序列（见平稳过程）的统计分析，在理论上的发展比较成熟，从而构成时间序列分析的基础。时间序列分析的主要内容有：①频域分析。一个时间序列可看成各种周期扰动的叠加，频域分析就是确定各周期的振动能量的分配，这种分配称为谱或功率谱。因此频域分析又称谱分析。②时域分析。目的在于确定序列在不同时刻取值的相互依赖关系，或者说，确定序列的相关结构。③模型分析。20世纪70年代以后，应用最广泛的时间序列模型是平稳自回归——滑动平均模型（简称ARMA模型）。两个特殊情况是自回归模型和滑动平均模型。④回归分析。如果时间序列可表示为 确定性分量 与随机性分量之和 ，根据样本值（数据序列）来估计确定性分量及分析随机性分量的统计规律，属于时间序列分析中的回归分析问题。 |
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