CN119537989A 基于时序序列的聚类方法、系统、设备和存储介质 (南京天溯自动化控制系统有限公司)_第1页
CN119537989A 基于时序序列的聚类方法、系统、设备和存储介质 (南京天溯自动化控制系统有限公司)_第2页
CN119537989A 基于时序序列的聚类方法、系统、设备和存储介质 (南京天溯自动化控制系统有限公司)_第3页
CN119537989A 基于时序序列的聚类方法、系统、设备和存储介质 (南京天溯自动化控制系统有限公司)_第4页
CN119537989A 基于时序序列的聚类方法、系统、设备和存储介质 (南京天溯自动化控制系统有限公司)_第5页
已阅读5页,还剩33页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

多视图学习的时序序列聚类方法,依据能耗曲推送出可能出现的原因,便于运维人员进行检2S1,通过数据中台模块建立与各类能耗监测设备的时序序列数据分别对应一能耗曲线,能耗曲线的长度表示为d,则得到一个数据矩阵。S202,采用移动平均的方式对抽取的原始医院能耗时序序列数据进行趋势季节性分S203,根据获得的趋势序列数据矩阵、周期序列数据学习的多视图聚类算法,图的定义方式使用高斯核函数来定义图,给定数据集,即:3μS311,针对每个簇,对簇中的能耗残差曲线进行413.基于时序序列的聚类系统,基于权利要求1_12任意一项所述的基于时序序列的聚数据中台模块,用于与各类能耗监测设备建立连接,采集医院能算法中台模块,用于将抽取的医院能耗时序序列数据构建聚理器执行时实现权利要求1~12任意一项所述的基于时序序列的聚类方法5与优化能源使用对医院的可持续发展起着至6线特征与预先设定的因子库进行匹配,以自动识别和解释能耗曲线中的异常和趋势变化,78已预定义了每个图的权重,则直接获得公共图,μ[0046]使用交替极小化算法(AlternatingMinimizatio9器执行所述计算机程序时实现所述基于多视图学习的时序序列线特征与预先设定的因子库进行匹配,以自动识别和解释能耗曲线中的异常和趋势变化,的突然安排可能致使特定医疗设备瞬间高负荷运转,从而在能耗曲线上形成突兀的峰值;[0091]有时医院能耗曲线可能处于一种相对稳定的状态,没有明显的上升或下降趋阵X(1)数据矩阵X(1)、周期序列数据矩阵X(2)和残差序列数据矩阵X(3)三个矩阵串联起来合并为一μc为提前步骤6:建立数据模型聚类算法,再对其模型使用交替极小化算法(AlternatingF即:;Break.

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论