发明名称 | 一种时间序列语义化预测方法及系统 | ||
摘要 | 本发明提供一种时间序列语义化预测方法及系统。所述时间序列语义化预测方法包括:获取一个系统的M个时间序列,每个时间序列包括N个数值,构成一个M×N观测状态矩阵,采用预设策略将所述数值分成L个类别,每个类别分别对应着一个语义化标签状态;根据数值与语义化标签状态的对应关系构建一个与所述观测状态矩阵相对应的一个M×N隐含状态矩阵;根据所述观测状态矩阵以及隐含状态矩阵计算得到相应的隐马尔科夫模型参数;获取系统的当前时间序列的数值作为当前观测状态值,根据所述隐马尔科夫模型参数计算出所述系统下一时刻的语义化标签状态值概率分布。本发明可以获得快速并直观的预测结果。 | ||
申请公布号 | CN105956614A | 申请公布日期 | 2016.09.21 |
申请号 | CN201610261255.2 | 申请日期 | 2016.04.25 |
申请人 | 中国科学院上海高等研究院 | 发明人 | 熊开玲;杨晓飞;吴波;彭俊杰 |
分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
代理机构 | 上海光华专利事务所 31219 | 代理人 | 朱裕禄 |
主权项 | 一种时间序列语义化预测方法,其特征在于,所述时间序列语义化预测方法包括:获取一个系统的M个时间序列,每个时间序列包括N个数值,构成一个M×N观测状态矩阵,M与N为自然数;采用预设策略将所述数值分成L个类别,L为自然数,每个类别分别对应着一个语义化标签状态;根据数值与语义化标签状态的对应关系构建一个与所述观测状态矩阵相对应的一个M×N隐含状态矩阵;根据所述观测状态矩阵以及隐含状态矩阵计算得到相应的隐马尔科夫模型参数,所述隐马尔科夫模型参数包括:与所述L个类别一一对应的观测状态转移概率矩阵、一个L×L隐含状态转移概率矩阵;获取系统的当前时间序列的数值作为当前观测状态值,根据所述隐马尔科夫模型参数计算出所述系统下一时刻的语义化标签状态值概率分布。 | ||
地址 | 201210 上海市浦东新区海科路99号 |