拖曳式传感器阵列中尺度涡时间序列图卷积聚类方法.pdfVIP

下载本文档

0
0
约1.67万字
约 11页
2023-05-15 发布于四川
举报
版权申诉

拖曳式传感器阵列中尺度涡时间序列图卷积聚类方法.pdf

1、本文档共11页，其中可免费阅读10页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种拖曳式传感器阵列中尺度涡时间序列图卷积聚类方法。该方法包括以下步骤：搭建拖曳系统整体链路；拖曳式传感器阵列布放与回收，获得时间序列数据；运用词向量中的连续词袋模型模型计算时间序列分段特征向量的相似度并进行层次聚类，以聚类中心统一表征该类别内的特征向量，将以此表征的分段时间序列特征向量值划分为训练样本和待测样本，遴选中尺度涡具有阶段代表性的关键特征向量类别作为标签；建立并训练图卷积网络模型，建立亲和图，将待测样本输入至训练好的GCN，获取中尺度涡阶段代表性聚类输出；基于图卷积网络二

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114722926 A (43)申请公布日 2022.07.08 (21)申请号 202210311899.3 (22)申请日 2022.03.28 (71)申请人中国海洋大学地址 266100