[发明专利]基于特征矩阵决策树的时间序列特征识别与分解方法有效
| 申请号： | 201811170289.6 | 申请日： | 2018-10-09 |
| 公开（公告）号： | CN109408498B | 公开（公告）日： | 2022-12-13 |
| 发明（设计）人： | 苏鹭梅;朱文婷;郑小龙;郑锐洁;张宝琼;叶恺昕 | 申请（专利权）人： | 厦门理工学院 |
| 主分类号： | G06F16/215 | 分类号： | G06F16/215;G06F16/2458;G06F16/26 |
| 代理公司： | 厦门市精诚新创知识产权代理有限公司 35218 | 代理人： | 何家富 |
| 地址： | 361000 福建省*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出基于特征矩阵决策树的时间序列特征识别与分解方法，主要包括样本数据预处理、确定样本数据周期、样本数据的特征选择与提取以及建立多元时间序列特征识别与分解模型。本发明的方法能够提高特征识别的速度和准确率，特别适用于电力行业中的非侵入式负荷识别与分解。 | ||
| 搜索关键词： | 基于 特征 矩阵 决策树 时间 序列 识别 分解 方法 | ||
【主权项】：
1.基于特征矩阵决策树的时间序列特征识别与分解方法，其特征在于，包括：100.数据预处理：对样本数据进行数据清洗、数据集成与数据归约；200.确定样本周期：将筛选得到的特征值按特定周期每间隔一定数量进行数据筛选和分组，分组方法是对时序特征量进行傅里叶变换，获得强度频谱，找出最大的频率分量，将其倒数确定为周期；300.特征选择与提取，采用结合顺序向前特征选择算法和K‑means聚类算法评价特征子集并确定最优特征子集来完成特征选择，然后在所选择的样本特征中，提取辨识度高特征；400.建立多元时间序列特征识别与分解模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门理工学院，未经厦门理工学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811170289.6/，转载请声明来源钻瓜专利网。
