This application relates to a method of generating clustered data using a code direct sequence multiple access architecture, including: splitting a data set to produce a number of data clusters, in which the data set includes a number of variable sequences; and generating the number of data clusters based on the number of partitioned data clusters and processed through a code direct sequence multiple access architecture. Clustering and clustering data, in which the partitioned data set includes: performing a segment segmentation on a corresponding variable sequence using the slope of one variable of each variable sequence to form multiple segments clustering and clustering in pairs of linear relationships; and performing an association grouping on these variable sequences using distance, angle and slope to form a logical phase The same number of variables cluster related groups. The method of generating clustering data based on the code direct sequence multiple access architecture proposed in this paper can make the clustering data have very high similarity properties.
【技术实现步骤摘要】
资料传输架构产生聚类分群资料的方法
本专利技术关于一种产生聚类分群资料的方法,特别是一种资料传输架构产生聚类分群资料的方法。
技术介绍
传统的模糊C均值(FuzzyC-means,FCM)不能使用时间长度作为距离,只能够知道距离在距离轴改变的资讯,没办法解决形状变化平整度的缺失,因为距离缺乏时间的资讯,且无法提供很好的聚类分群的正确率,因为形状变化取决于斜率。传统的模糊斜率时间序列(FuzzySlopeTimeSeries,FSTS)不能适用于不稳定的波动和瞬间改变的角度,只能够知道相似形状趋势(trend)在时间轴上相对改变的资讯,没办法解决急速起伏的长时间经济时间序列或者循环周期摇摆的趋势曲线,归咎于趋势曲线的方位资讯不足,且无法提供很好的聚类分类的正确率,因为波动变化取决于角度。传统的模糊光谱角度匹配(FuzzySpectralAngleMatching,FSAM)不能适用于距离的尺寸改变,只能够知道变数与原点之间三轴相对之极性,稳定度和波动角度关系之改变,没办法解决快速移动长短远近的距离变化,归因于趋势曲线剧烈变动造成的距离资讯不足,且无法提供很好的聚类分类的正确率,因为远近变化取决于距离。传统的资料传输和资料接收是直接透过传输线传播,很少经由频道模组,即时有频道模组,也只是使用硬体架构处理,并与分析聚类分群资料无关,无法同时找到分析聚类分群资料的处理方法和组成理想变数的组合频道。
技术实现思路
本专利技术实施例提供一种资料传输架构产生聚类分群(Categoryclustering)资料的方法。详细的说,本专利技术实施例提供一种分码直序多重存取(CDM ...
【技术保护点】
1.一种一分码直序多重存取架构产生一聚类分群资料的方法,其特征在于,包括:分割一资料集以产生一资料集群数,其中该资料集包括多个变数序列;以及依据分割完后的该资料集群数并透过该分码直序多重存取架构处理该资料集群数以产生该聚类分群资料;其中分割该资料集包括:使用每一变数序列的一变数斜率对相应的一变数序列执行一区段分段以形成多个区段分段成对线性关系聚类分群;以及使用距离、角度和斜率对该些变数序列执行一关联分组以形成逻辑相同的多个变数聚类关联分组,即在每一区段内变数斜率将与全部区段具有逻辑相同或类似性相近多个变数序列的区段分段成对线性关系聚类分群执行关联分组以形成变数聚类关联分组。
【技术特征摘要】
2017.01.20 TW 1061020581.一种一分码直序多重存取架构产生一聚类分群资料的方法,其特征在于,包括:分割一资料集以产生一资料集群数,其中该资料集包括多个变数序列;以及依据分割完后的该资料集群数并透过该分码直序多重存取架构处理该资料集群数以产生该聚类分群资料;其中分割该资料集包括:使用每一变数序列的一变数斜率对相应的一变数序列执行一区段分段以形成多个区段分段成对线性关系聚类分群;以及使用距离、角度和斜率对该些变数序列执行一关联分组以形成逻辑相同的多个变数聚类关联分组,即在每一区段内变数斜率将与全部区段具有逻辑相同或类似性相近多个变数序列的区段分段成对线性关系聚类分群执行关联分组以形成变数聚类关联分组。2.如权利要求1所述的方法,其特征在于,使用距离、角度和斜率对该些变数序列执行该关联分组以形成逻辑相同的该些变数聚类关联分组包括:使用一模糊C均值算法以距离对该些变数序列分组以形成第一变数聚类;使用一模糊光谱角度匹配算法以角度对该些变数序列分组以形成第二变数聚类;使用一模糊斜率时间序列算法以斜率对该些变数序列分组以形成第三变数聚类;以及判断该第一变数聚类、该第二变数聚类及该第三变数聚类是否具有相同的关联分组;其中当该第一变数聚类、该第二变数聚类及该第三变数聚类中两种或两种以上具有相同的关联分组时,具有相同的关联分组的该些变数聚类为逻辑相同的该些变数聚类关联分组。3.如权利要求1所述的方法,其特征在于,依据分割完后的该资料集群数并透过该分码直序多重存取架构处理该资料集群数以产生该聚类分群资料包括:编码分割完后的该资料集群数以产生一伪码及一载波;依据该变数斜率,该伪码及该载波输出至输出资料处理一载波聚合;依据该些区段分段成对线性关系聚类分群及该些变数聚类关联分组产生一频道模组;计算该频道模组全部区段的错误率。4.如权利要求3所述的方法,其特征在于,编码分割完后的该资料集群数以产生该伪码及该载波包括:依据每一变数序列在每一区段分段成对线性关系聚类分群...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。