文献综述-文献翻译-基于片段和DTW的模式识别

基 于 片 段 和 式 识 别摘要本 文 专 门 对 动 态 过 程 的 状 态 进 行 评 估 。 过 程 状 态 和 异 常 将 从 被 测 量 过 程 变量的模式中得到 ， 利用这些模式的正确反映和分类 ， 可以对一种确切的运行状态进行识别 。 然而相同状态的不同模式有着不同的时间持续或者大小 ， 这篇论文中将提到一种动态时间归正算法 （ ， 通过相似性匹配法进行不同模式的比较和 分 类 。 这 个 算 法 的 主 要 改 进 在 于 利 用 了 片 段 的 方 法 对 模 式 变 量 的 性 质 进 行 反映。介绍在 动 态 过 程 的 状 态 评 估 中 对 被 测 量 动 态 信 号 的 解 释 是 一 项 最 重 要 的 工 作 ，即对错误的检测和修正 。 因此 ， 拥有处理信号的工具是十分重要的 ， 性质的反映期望能够代表被监测信号的趋势 （ 倾向 、 震动度 、 警示 、 短暂度 .） ， 特别是在错误的检测和修正中 。 根据有关过程和行为的知识 ， 一些技术可以用于这个目的。 利 用 片 段 的 方 法 反 映 信 号 是 其 中 一 种 技 术 。 在 这 种 情 况 下 ， 一 系 列 的 片 段被用于描述表征特定变化状况的模式中 ， 然后 ， 问题转化为获得能够表征这些模式的分类机制。这篇文章将描述用于这种模式识别技术的一种工具。 论 文 将 按 照 以 下 线 索 进 行 组 织 。 如 下 部 分 讨 论 用 以 类 似 时 间 级 数 的 方 法 ，然后介绍动态时间归整算法和有关片段的基本概念 。 最后 ， 提及 间级数比较在 许 多 应 用 中 时 间 级 数 比 较 的 研 究 已 经 大 量 展 开 ， 下 一 步 ， 将 观 察 距 离 类似的一些模型。 1995b)提出形状定义语言 于取回包含在基于形状的历史中的信息 。 在 1995a)中推出了另一种相似模型，基于两个时间序列如果有足够非重叠时间有序的相似子序列则认为它们是相似的。由于这一模型的推 出 ， 通过建立一个可索引的数据结构 ， 快速搜索技术被用于检测一组序列中的相似序列成分。 994)或 999)提出了把 998)采用了一种新的表示法，组成 并永许用户自己定义各种各样的类似量。 (绍了一种支持索引法的维度伸缩办法。另外一种有关序列相似的有用量是最长共同序列 （ 的长度 ， 基于从一个序列传到另一个序列的编辑长度。 1994)对一些存在方案进行了修订。 在 因此 ， 如果两种瞬时状态的 个真实时间部分的分析程序，从预先确定的时间间隙中提取 把它们与储存了有趣行为的可扩张库进行比较。 在 (描述了基于片段的模式识别 。 每一个模式被一连串元素代表 ， 同时用模式语法的办法进行定义 。 包含所有分类信息的特征序列通过与代表这些趋势中的相似事件的明显句法描述的匹配而确定 ， 模式匹配促进了被用语解决需决定树法再次解决的分类问题中的性质和数量的提取 。动态时间归整通过时间序列数据进行的大部分算法是使用欧几里得距离或者它的一些变化 。 然而由于它对于时间轴上小的失真非常敏感 ， 欧几里得距离可以形成相似上的不正确量。 一种试图解决这种不便的方法是动态时间归整法（ 这种技术是利用动态方程把时间级数与一个特定的模板对齐使累积距离最小。 下面描述 两个长度分别为 的时间级数 X、 Y：X=x1,.,.,=y1,.,.,)为了对齐两序列 ， *点的 矩阵中每一个元素 （ i， j） 包含了 d（ 。 路径 W=w1,.,ax(m ,n)n(2)k=ik,3)和 了寻找最佳路径 虑一些关于匹配过程的条件，主要有： 路径端点条件： w 1=1， 1， m ,n。连续性时间匹配路径不可能是逆时的，所以必须满足： 过把该点距离 d(xi,先前单元中距离的最小值之和 D(i,j)作为累积距离来抽取路径： D(i,j)=d(xi,m (D(j),D(i,(1)图 1：形状相同的两个信号， a）由于信号不及时对齐，欧几里得距离将产生一个不良结果。b） 项技术进行了许多更改用于在通过线性代表的较高层面上进行操作。 不利的方面其算法计算时间过长和试图通过歪曲轴的可变性可能引起无法对齐。在这一部分中，将介绍可以解决这种缺陷的 采用的解决方案组成上， 作为片段的序列表征通过减少数据的计算量来减少计算时间 。 类似的 ，定义片段的性质特征将回避 因此 ， 唯 一 的 问 题 是 去 定 义 片 段 间 的 累 积 距 离 。 在 这 种 意 义 中 ， 一 个 距 离 的 图 表被定义 ， 与前部分所描述的 13类片段相一致 。 累积距离跟性质状况和定义了不同种 类 片 段 的 辅 助 特 性 有 关 。 然 而 ， 这 些 累 积 距 离 是 以 用 户 的 标 准 为 条 件 的 ， 因此 就建立了 ， 利用片段作为信号更高水平的表征。必 须 牢 记 ， 被 比 较 的 序 列 可 以 有 不 同 的 持 续 ， 这 个 事 实 使 的 拟 议 技 术 的 概括复杂化，在下一个例子中被分析的序列的长度是不同的，尽管不是太不相似 。诊断应用如应用的例子中 ， 前面提到的改进已经在一座以诊断为目的的实验室设备中使用了 。 在这套设备中 ， 容器 容器 B） 中抽水来控制。三个阀门 （ 可以通过控制开或关 。 然后打开或关闭阀门的合适组合的一些行为将发生。表 2描述了有关情形。系 统 力 学 可 以 通 过 利 用 外 部 水 填 满 或 者 清 空 水 库 做 稍 微 改 变 。 再 说 外 部 水的输入或输出也是控制所感兴趣的部分 。 试验在假设两种情况不互搭的基础上已经被改进了 。 这样 ， 阀门配置方面的改变只有过程是稳态时才被实施 。 被监控信号的容器 测 系 统 可 以 检 测 这 些 情 形 并 且 根 据 片 段 序 列 描 述 的 被 测 量 信 号 的 行 为 源诊断 。 监测系统周期性地获得并作为根据目前描述片段序列的表征 。 这些序列通过 执行例子这 部 分 中 所 讲 的 例 子 与 表 格 2中 所 描 述 的 三 个 阀 门 的 操 作 是 相 一 致 的 。 首先 ， 操作阀们模拟失灵 ， 接着再操作阀们使回到正常操作状态 。 前面提到的三种模式（ 3）已经得到分别去代表每一个不正常状态，每一种（图 5两个被监测的信号和它在事件中的表征所组成。然 后，三种测试模板 3（ 图 8与相同的情况相一致，但是拥有不同的起点用以与前面提到的模式相比较，从而诊断状态。首 先 ， 每 一 模 式 的 电 平 和 控 制 信 号 在 使 信 号 正 常 化 之 后 已 经 和 一 种 古 典 的 进 行 了 比 较 ， 得 到 的 结 论 在 表 3和 4中 给 出 。 然 后 ， 测 试 模 板 的 序 列 与前 面模板的已知序列用 进行比较。表 5和 6给 出了电平的控制信号的比较结果。在所有情形下，所获得的有用结果是一个正常距离，因此， 0代表完全匹配。最后，获得两信号距离主要目的是为了得到每一种状况和不同情况（ 模式之间是本地距离，这种类似评价的结果，在表 7和 8中给出。可 以 看 出 利 用 表 8比 表 7更 容 易 分 离 出 正 确 或 错 误 的 诊 断 。 另 一 个 要 考 虑 的是处理时间 。 在这些例子中 ， 利用 利用 结这 项 工 作 表 明 利 用 片 段 法 进 行 信 号 的 性 质 表 征 和 用 于 诊 断 领 域 模 式 识 别 的既然属于相同状态的不同模式可以有不同的时间持续或重要性 ， 用以比较和分类相同模式 ， 利用相似匹配法 。 这样 ， 由 从水位控制系统的例子中可以看出 ， 控制状况的正确识别可以从当前模式和前面已知模式的比较中得出。TW)s,.)TW)19