基于对称点模式(symmetric dot pattern)的多元数据融合
受最近在计算机视觉和语音识别方面的成功启发,许多研究者提出将一维时间序列数据编码为不同类型的图像,这样可以放大数据中的动态特性,更好地表征原数据。
·
引言
受最近深度学习在计算机视觉和语音识别方面的成功启发,许多研究者提出将一维时间序列数据编码为不同类型的图像,这样可以放大数据中的动态特性,更好地表征原数据。
基于对称点模式(symmetric dot pattern)的多元数据融合
对称点模式(Symmetrized Dot Pattern,SDP)算法可将复杂时间序列以散点的形式清晰映射在极坐标图中,可以使原始时域信号通过图形化的方式提高可视化能力。因为极坐标图像的特殊性,多元、多通道、多传感器数据信息可通过SDP方法融合在有限区域中。适用于多元、多通道、多传感器信号的融合(代码获取链接)
参考文献:
1.https://ietresearch.onlinelibrary.wiley.com/doi/10.1049/smt2.12118
2.万周,何俊增,姜东等.基于参数优化SDP分析的转子故障诊断方法[J].振动与冲击,2023,42(01):81-88.
更多推荐
已为社区贡献3条内容
所有评论(0)