CN110502554B - 一种基于皮尔逊系数的航天器相关遥测参数查找方法 - Google Patents
一种基于皮尔逊系数的航天器相关遥测参数查找方法 Download PDFInfo
- Publication number
- CN110502554B CN110502554B CN201910782038.1A CN201910782038A CN110502554B CN 110502554 B CN110502554 B CN 110502554B CN 201910782038 A CN201910782038 A CN 201910782038A CN 110502554 B CN110502554 B CN 110502554B
- Authority
- CN
- China
- Prior art keywords
- parameter
- para
- telemetry
- sequence
- correlation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种基于皮尔逊系数的航天器相关遥测参数查找方法,通过计算每个参数的采样间隔,利用最频繁采样间隔对多参数重采样处理,将多参数皮尔逊相关系数计算结果排序找出最大正相关参数集合和最大负相关参数集合,克服了现有动态时间弯曲等相关性计算方法丢失时间同步信息,及传统皮尔逊系数方法无法在不同采样间隔的多遥测序列进行相关计算等问题,取得了在多遥测数据分析中完成正负相关性查询的效果,即有利于从大量航天器遥测数据中挖掘得到有价值的信息和知识,又有利于辅助航天器异常分析时的多参数排查定位。
Description
技术领域
本发明涉及一种航天器相关遥测参数查找方法,属于航天器故障诊断分析领域。
背景技术
随着大数据技术在航天领域的不断发展,从遥测数据中发现潜在有用的信息和知识,也越来越受到研究者的关注。航天器遥测参数是典型的时间序列数据。在航天器遥测数据挖掘中,多参数间的相关性度量是一项重要而又基础的任务,其分析结果将直接影响后续时间序列模式发现等其他数据挖掘任务的效果,并且可用于解决实践中的航天器异常分析定位等问题。
航天器遥测参数属于不等间隔采样的时间序列,在语音分析等领域中对于非均匀采样序列使用动态时间弯曲等计算方法,但航天器遥测分析中更注重多参数间的时间同步性,时间点信息不可丢失导致这类方法无法应用。同时由于多个遥测参数间的采样也不相等,导致传统的皮尔逊系数、欧式距离等方法也无法完成计算。
发明内容
为了克服现有技术的不足,本发明提供一种基于皮尔逊系数的航天器相关遥测参数查找方法,通过计算每个参数的采样间隔,利用多个参数的最频繁采样间隔对参数重采样,并计算多遥测参数间的皮尔逊相关系数,将计算结果排序找出最大正相关参数集合和最大负相关参数集合,本发明既有利于从大量航天器遥测参数数据中挖掘得到有价值的信息和知识,又有利于辅助航天器异常分析时的多参数排查定位。
本发明解决其技术问题所采用的技术方案包括以下步骤:
步骤1,任意设置或根据用户需求设置一个主遥测参数,然后从备选的查询参数集中找出跟主遥测参数最大正相关和最大负相关的参数集。
步骤2,将主遥测参数和查询参数集都计算采样间隔,从所有的采样间隔中找到最频繁的采样间隔,当多个采样间隔出现频率相同时选择间隔最小的作为最频繁采样间隔;对主遥测参数和查询参数集中采样间隔与最频繁采样间隔不同的参数,都进行重采样操作,使所有参数重采样后的采样间隔相等;
步骤3,计算主遥测参数与查询参数集中每个参数之间的皮尔逊相关系数,然后将计算结果排序,输出最大正相关参数集和最大负相关参数集。
所述的步骤1中,主遥测参数para0=[[t1,v1],…,[tp0,vp0]],其中t表示一项遥测参数记录数据中的时间值,v表示一项遥测参数记录数据中的数据值,para0中含有p0项遥测数据记录;包含n个遥测参数的查询参数集C={para1,para2,…,paran},每个遥测参数paraj为时间和数值组成的序列,paraj=[[t1,v1],…,[tpj,vpj]],其中1≤j≤n,paraj包含pj项数据。
所述的步骤1中查询参数集包括所有遥测参数。
所述的步骤2中,对遥测参数para0至paran都计算参数采样间隔;其中对每个参数parai计算采样间隔,依次计算相邻两项之间的采样时间差集合TCi=[t2-t1,…,tpi-1-tpi],对于TCi出现次数最多的采样时间差数据项tsi作为参数parai的采样间隔;参数para0至paran计算得到的采样间隔组成的集合PT=[ts0,…,tsi,…,tsn],其中tsi是参数parai的采样间隔,0≤i≤n;参数采样间隔集合PT中最频繁出现的数据项pt,作为所有参数的最频繁采样间隔;对于其中的每个参数parai,如果其采样间隔tsi不等于最频繁采样间隔pt,则该遥测参数需要进行重新采样。
所述的步骤2中,将最频繁采样间隔pt作为采样时间间隔,采用时间距离最近的数据项的值替换当前数据项的值,重新生成采样序列paraSi;对参数para0至paran重采样处理后得到的重采样序列paraS0至paraSn均等长,即含有相同数量的遥测数据项,数据项数量为m。
所述的步骤2中,将序列paraSi去掉时间信息保留数值信息生成为Si=[v1,…,vm],0≤i≤n。
所述的步骤3中,按照公式依次计算主遥测参数的重采样序列S0与查询参数集重采样序列S1至Sn的皮尔逊相关系数。其中S0与Sj的皮尔逊相关系数计算结果表示为rj,1≤j≤n,σ0分别为主遥测参数重采样序列S0的均值和标准差,σj分别为第j个查询遥测参数重采样序列Sj的均值和标准差。S0k表示主遥测参数重采样序列中的第k个数据项,Sjk表示查询参数采样序列Sj中的第k个数据项,0≤k≤m;将皮尔逊相关系数计算结果形成序列R=[r1,…,rn],同时对R进行正序和倒序排列,按照数值大小正序排列得到正序序列Rz,按照数值大小倒序排列得到倒序序列Rd;正序序列Rz表示查询参数与主参数之间的正相关强度,倒序序列Rd表示查询参数与主参数之间的负相关强度;设置正相关阈值Vz,在正序序列Rz大于Vz的参数为主遥测参数查询得到的最大正相关参数集合;设置负相关阈值Vd,在倒序序列Rd小于Vd的参数为主遥测参数查询得到的最大负相关参数集合;根据用户选择绘制输出最大正相关参数集合或最大负相关参数集合中的参数曲线。
所述的步骤3中,正相关阈值Vz设置为0.9,负相关阈值Vd设置为-0.9。
本发明的有益效果是:通过计算每个参数的采样间隔,利用最频繁采样间隔对多参数重采样处理,将多参数皮尔逊相关系数计算结果排序找出最大正相关参数集合和最大负相关参数集合,克服了现有动态时间弯曲等相关性计算方法丢失时间同步信息,及传统皮尔逊系数方法无法在不同采样间隔的多遥测序列进行相关计算等问题,取得了在多遥测数据分析中完成正负相关性查询的效果,即有利于从大量航天器遥测数据中挖掘得到有价值的信息和知识,又有利于辅助航天器异常分析时的多参数排查定位。
附图说明
图1是本发明的流程图;
图2是本发明应用案例的示意。
具体实施方式
下面结合附图和实施例对本发明进一步说明,本发明包括但不仅限于下述实施例。
本发明提供一种基于皮尔逊系数的航天器相关遥测参数查找方法,鉴于遥测数据是不等间隔采样,无法直接应用皮尔逊系数,首先计算每个参数的采样间隔,利用多个参数的最频繁采样间隔对参数重采样,然后计算多遥测参数间的皮尔逊相关系数,最后将计算结果排序找出最大正相关参数集合和最大负相关参数集合,进而提高数据挖掘方法在时间序列数据中的应用性能。
本发明所采用的技术方案包括如下步骤:
第一步,主遥测参数和查询参数集设置;
第二步,参数采样间隔计算及重采样;
第三步,皮尔逊系数计算及结果排序输出。
如上所述的第一步具体包括如下步骤:
设置一个主遥测参数,然后从备选的查询参数集中找出跟主参数最大正相关和最大负相关的参数集。
步骤1.1:主遥测参数设置。由用户设置一个主遥测参数para0=[[t1,v1],…,[tp0,vp0]],其中t表示一项遥测参数记录数据中的时间值,v表示一项遥测参数记录数据中的数据值,para0中含有p0项遥测数据记录。
步骤1.2:由用户设置查询参数集,若无特殊指定默认为所有参数。相关遥测参数查找是在查询参数集中查找与主参数最大正相关和最大负相关的参数集合。查询参数集合表示为C={para1,para2,…,paran},C中包含n个遥测参数。对于其中的每个遥测参数paraj也为时间和数值组成的序列,表示为paraj=[[t1,v1],…,[tpj,vpj]],其中1≤j≤n,pj表示参数paraj包含pj项数据。
如上所述的第二步包括如下步骤:
将主遥测参数和查询参数集都计算采样间隔,从所有的采样间隔中找到最频繁的采样间隔,当多个采样间隔出现频率相同时选择间隔最小的作为最频繁采样间隔。然后对主遥测参数和查询参数集合中采样间隔与最频繁采样间隔不同的参数,都进行重采样操作,使所有参数重采样后的采样间隔相等。具体步骤如下:
步骤2.1:参数采样间隔计算。对遥测参数para0至paran都计算参数采样间隔。其中对每个参数parai(0≤i≤n)计算采样间隔。参数parai=[[t1,v1],…,[tpi,vpi]],依次计算相邻两项之间的采样时间差集合TCi=[t2-t1,…,tpi-1-tpi],采样时间差精确到秒,对于TCi出现次数最多的采样时间差数据项tsi作为参数parai的采样间隔。
步骤2.2:最频繁采样间隔计算。参数para0至paran计算得到的采样间隔组成的集合PT=[ts0,…,tsi,…,tsn],其中tsi是参数parai的采样间隔,0≤i≤n。参数采样间隔集合PT中最频繁出现的数据项pt,作为所有参数的最频繁采样间隔。
步骤2.3:参数重采样。参数para0至paran,对于其中的每个参数parai(0≤i≤n),如果其采样间隔tsi不等于最频繁采样间隔pt,则该遥测参数需要进行重新采样。采样过程按照pt作为采样时间间隔,采用最近插值方法,即用时间距离最近的数据项的值替换当前数据项的值,重新生成采样序列paraSi。对参数para0至paran重采样处理后得到的重采样序列paraS0至paraSn均等长,即含有相同数量的遥测数据项,数据项数量为m。因为所有重采样序列的长度相同,内部时间信息对齐,则只去取中的数值部分构成新序列,即由序列paraSi去掉时间信息保留数值信息生成为Si=[v1,…,vm],0≤i≤n。
如上所述的第三步包括如下步骤:
计算主遥测参数与查询参数集中每个参数之间的皮尔逊相关系数,然后将计算结果排序,输出最大正相关参数集和最大负相关参数集。具体步骤如下:
步骤3.1:皮尔逊相关系数计算。按照公式(1)依次计算主遥测参数的重采样序列S0与查询参数集重采样序列S1至Sn的皮尔逊相关系数。其中S0与Sj的皮尔逊相关系数计算结果表示为rj,1≤j≤n。
式中:
σ0分别为主遥测参数重采样序列S0的均值和标准差,σj分别为第j个查询遥测参数重采样序列Sj的均值和标准差。S0k表示主遥测参数重采样序列中的第k个数据项,Sjk表示查询参数采样序列Sj中的第k个数据项,0≤k≤m。
步骤3.2:计算结果排序。将皮尔逊相关系数计算结果形成序列R=[r1,…,rn]。同时对R进行正序和倒序排列。按照数值大小正序排列得到正序序列Rz,按照数值大小倒序排列得到倒序序列Rd。
步骤3.3:正序序列Rz表示查询参数与主参数之间的正相关强度,倒序序列Rd表示查询参数与主参数之间的负相关强度。设置正相关阈值Vz,一般设置为0.9,在正序序列Rz大于Vz的参数为主遥测参数查询得到的最大正相关参数集合。设置负相关阈值Vd,一般设置为-0.9,在倒序序列Rd小于Vd的参数为主遥测参数查询得到的最大负相关参数集合。并根据用户选择绘制输出最大正相关参数集合或最大负相关参数集合中的参数曲线。
参照图1、图2,本发明的实施例包括以下步骤:
1)主遥测参数设置与查询参数集设置。设置主遥测参数为para0,设置查询参数集含有100个遥测参数,分别是从para1至para100。
2)参数采样间隔计算与参数重采样。对遥测参数从para0至para100计算参数采样间隔,如图2所示,para0采样间隔为32秒,para1采样间隔为16秒,para2采样间隔为8秒,para100采样间隔为16秒。计算完para0至para100的所有采样间隔后,统计其中最频繁出现的采样次数为16秒,则对para0至para100中所有采样间隔不等于16秒的参数都进行重新采样,如图2中的遥测参数para0,para2等。
3)皮尔逊系数计算排序及相关参数集输出。分别计算para0与para1至para100的皮尔逊相关系数,得到计算结果序列R。分别对R进行正序和倒序排列,按照数值大小正序排列得到正序序列Rz,按照数值大小倒序排列得到倒序序列Rd。设置正相关阈值Vz=0.9,得到在正序序列Rz中大于Vz的参数为最大正相关参数集合{para92,para41,para63,para8,para7}。设置负相关阈值Vd=-0.9,得到在倒序序列Rd小于Vd的参数为最大负相关参数集合{para33,para46,para5}。查看相关查询的计算结果,如图2所示,输出主参数para0曲线、正相关参数para92曲线和负相关参数para33曲线。
综上所述,本发明提供了一种基于皮尔逊系数的航天器相关遥测参数查找方法。解决了现有航天器多遥测参数由于采样间隔不同无法使用距离相关计算方法及使用动态弯曲丢失时间维信息,导致无法完成相关遥测参数查找计算的问题。
Claims (7)
1.一种基于皮尔逊系数的航天器相关遥测参数查找方法,其特征在于包括以下步骤:
步骤1,任意设置或根据用户需求设置一个主遥测参数,然后从备选的查询参数集中找出跟主遥测参数最大正相关和最大负相关的参数集;
步骤2,将主遥测参数和查询参数集都计算采样间隔,从所有的采样间隔中找到最频繁的采样间隔,当多个采样间隔出现频率相同时选择间隔最小的作为最频繁采样间隔;对主遥测参数和查询参数集中采样间隔与最频繁采样间隔不同的参数,都进行重采样操作,使所有参数重采样后的采样间隔相等;
步骤3,计算主遥测参数与查询参数集中每个参数之间的皮尔逊相关系数,然后将计算结果排序,输出最大正相关参数集和最大负相关参数集;
所述的步骤3中,按照公式依次计算主遥测参数的重采样序列S0与查询参数集重采样序列S1至Sn的皮尔逊相关系数;其中S0与Sj的皮尔逊相关系数计算结果表示为rj,1≤j≤n,σ0分别为主遥测参数重采样序列S0的均值和标准差,σj分别为第j个查询遥测参数重采样序列Sj的均值和标准差;S0k表示主遥测参数重采样序列中的第k个数据项,Sjk表示查询参数采样序列Sj中的第k个数据项,0≤k≤m;将皮尔逊相关系数计算结果形成序列R=[r1,…,rn],同时对R进行正序和倒序排列,按照数值大小正序排列得到正序序列Rz,按照数值大小倒序排列得到倒序序列Rd;正序序列Rz表示查询参数与主参数之间的正相关强度,倒序序列Rd表示查询参数与主参数之间的负相关强度;设置正相关阈值Vz,在正序序列Rz大于Vz的参数为主遥测参数查询得到的最大正相关参数集合;设置负相关阈值Vd,在倒序序列Rd小于Vd的参数为主遥测参数查询得到的最大负相关参数集合;根据用户选择绘制输出最大正相关参数集合或最大负相关参数集合中的参数曲线。
2.根据权利要求1所述的基于皮尔逊系数的航天器相关遥测参数查找方法,其特征在于:所述的步骤1中查询参数集包括所有遥测参数。
3.根据权利要求1所述的基于皮尔逊系数的航天器相关遥测参数查找方法,其特征在于:所述的步骤1中,主遥测参数para0=[[t1,v1],…,[tp0,vp0]],其中t表示一项遥测参数记录数据中的时间值,v表示一项遥测参数记录数据中的数据值,para0中含有p0项遥测数据记录;包含n个遥测参数的查询参数集C={para1,para2,…,paran},每个遥测参数paraj为时间和数值组成的序列,paraj=[[t1,v1],…,[tpj,vpj]],其中1≤j≤n,paraj包含pj项数据。
4.根据权利要求3所述的基于皮尔逊系数的航天器相关遥测参数查找方法,其特征在于:所述的步骤2中,对遥测参数para0至paran都计算参数采样间隔;其中对每个参数parai计算采样间隔,依次计算相邻两项之间的采样时间差集合TCi=[t2-t1,…,tpi-1-tpi],对于TCi出现次数最多的采样时间差数据项tsi作为参数parai的采样间隔;参数para0至paran计算得到的采样间隔组成的集合PT=[ts0,…,tsi,…,tsn],其中tsi是参数parai的采样间隔,0≤i≤n;参数采样间隔集合PT中最频繁出现的数据项pt,作为所有参数的最频繁采样间隔;对于其中的每个参数parai,如果其采样间隔tsi不等于最频繁采样间隔pt,则该遥测参数需要进行重新采样。
5.根据权利要求4所述的基于皮尔逊系数的航天器相关遥测参数查找方法,其特征在于:所述的步骤2中,将最频繁采样间隔pt作为采样时间间隔,采用时间距离最近的数据项的值替换当前数据项的值,重新生成采样序列paraSi;对参数para0至paran重采样处理后得到的重采样序列paraS0至paraSn均等长,即含有相同数量的遥测数据项,数据项数量为m。
6.根据权利要求5所述的基于皮尔逊系数的航天器相关遥测参数查找方法,其特征在于:所述的步骤2中,将序列paraSi去掉时间信息保留数值信息生成为Si=[v1,…,vm],0≤i≤n。
7.根据权利要求1所述的基于皮尔逊系数的航天器相关遥测参数查找方法,其特征在于:所述的步骤3中,正相关阈值Vz设置为0.9,负相关阈值Vd设置为-0.9。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910782038.1A CN110502554B (zh) | 2019-08-23 | 2019-08-23 | 一种基于皮尔逊系数的航天器相关遥测参数查找方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910782038.1A CN110502554B (zh) | 2019-08-23 | 2019-08-23 | 一种基于皮尔逊系数的航天器相关遥测参数查找方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110502554A CN110502554A (zh) | 2019-11-26 |
CN110502554B true CN110502554B (zh) | 2022-10-21 |
Family
ID=68588926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910782038.1A Active CN110502554B (zh) | 2019-08-23 | 2019-08-23 | 一种基于皮尔逊系数的航天器相关遥测参数查找方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110502554B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112526560A (zh) * | 2020-12-03 | 2021-03-19 | 北京航空航天大学 | 一种基于关联性健康基线的卫星关键分系统健康状态监测方法 |
CN112541162A (zh) * | 2020-12-03 | 2021-03-23 | 北京航空航天大学 | 一种面向多遥测参数联合分析的时间轴自规整方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2410438A1 (en) * | 2010-07-20 | 2012-01-25 | European Space Agency | Method and telemetric device for resampling time series data |
CN103699118A (zh) * | 2013-12-18 | 2014-04-02 | 北京航天测控技术有限公司 | 一种航天器运行异常状态的分析方法及装置 |
CN107192411A (zh) * | 2017-05-15 | 2017-09-22 | 中国西安卫星测控中心 | 一种航天器多遥测参数分析窗口划分方法 |
-
2019
- 2019-08-23 CN CN201910782038.1A patent/CN110502554B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2410438A1 (en) * | 2010-07-20 | 2012-01-25 | European Space Agency | Method and telemetric device for resampling time series data |
CN103699118A (zh) * | 2013-12-18 | 2014-04-02 | 北京航天测控技术有限公司 | 一种航天器运行异常状态的分析方法及装置 |
CN107192411A (zh) * | 2017-05-15 | 2017-09-22 | 中国西安卫星测控中心 | 一种航天器多遥测参数分析窗口划分方法 |
Non-Patent Citations (2)
Title |
---|
基于时间序列数据挖掘的航天器故障诊断方法;肇刚等;《飞行器测控学报》;20100615(第03期);全文 * |
基于遥测数据相关性的航天器异常检测;杨甲森等;《仪器仪表学报》;20180819(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110502554A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502554B (zh) | 一种基于皮尔逊系数的航天器相关遥测参数查找方法 | |
CN110443117B (zh) | 一种风电机组故障诊断方法 | |
CN108415884B (zh) | 一种结构模态参数实时追踪方法 | |
CN111539845B (zh) | 一种基于用电模式隶属评分的企业环保管控响应研判方法 | |
CN115908080B (zh) | 一种基于多维数据分析的碳排放优化方法及系统 | |
CN110659682A (zh) | 一种基于MCWD-KSMOTE-AdaBoost-DenseNet算法的数据分类方法 | |
CN108508319B (zh) | 基于故障特征气体间关联特征的变压器故障类型识别方法 | |
CN117057942B (zh) | 一种智能财务决策大数据分析系统 | |
WO2018072306A1 (zh) | 一种基于可视化网络的二阶代谢质谱化合物检测方法 | |
CN115333102B (zh) | 电力负荷功率模式多时间尺度自适应检测方法 | |
CN110990383A (zh) | 一种基于工业大数据集的相似度计算方法 | |
CN116451170A (zh) | 一种基于多源异构数据的配电网检测方法 | |
CN117675230A (zh) | 基于知识图谱的油井数据完整性识别方法 | |
CN110135516B (zh) | 一种基于包络线及内积的高频数据模式识别方法 | |
Riede et al. | Automated annotation of Orthoptera songs: first results from analysing the DORSA sound repository | |
CN112541162A (zh) | 一种面向多遥测参数联合分析的时间轴自规整方法 | |
CN116431799B (zh) | 基于技术创新研发的内容精准挖掘系统 | |
CN112541539A (zh) | 一种基于逆迁移学习的小样本目标识别辅助数据挑选方法 | |
CN109884893A (zh) | 一种多工序变量间动态时滞估计方法 | |
CN111061771A (zh) | 大数据信息采集传输系统 | |
CN111752727B (zh) | 一种基于日志分析的数据库三层关联的识别方法 | |
CN110633430A (zh) | 事件发现方法、装置、设备和计算机可读存储介质 | |
CN111210122B (zh) | 基于参数隔离的烧结非优运行性能原因追溯方法及系统 | |
CN106909984B (zh) | 一种综合性时间序列预测方法及系统 | |
CN115220397A (zh) | 一种基于指令域的数控加工工艺数据标记方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |