【技术实现步骤摘要】
基于图像的波动趋势识别方法、装置、计算机设备和介质
[0001]本专利技术涉及图像识别
,尤其涉及一种基于图像的波动趋势识别方法、装置、计算机设备和介质。
技术介绍
[0002]在图像识别
,经常需要识别波动曲线的波动趋势,以判断变量的变化趋势。例如,在证券研究中,通过识别股票交易价格的波动曲线,来识别股票的上涨或下跌趋势,明确股票价格的拐点是后续研究的基础。又如,在消费指数研究中,通过识别某一类用品的销量波动曲线,也即该类用品中多个商品的销量波动曲线,来识别这类用品的上涨或下跌区域,进而明确对应消费指数的变化等。对于识别波动曲线的变化趋势这个问题,对于人眼来说非常容易,但是,对于计算机来说,该问题就不那么容易了。
[0003]现有技术中,计算机在基于图像进行波动趋势识别时,提出一种依赖于逐点判断的方法,具体地,逐点判断当前点是否为局部最高点(峰)、最低点(谷),最高点到最低点间为下降趋势,最低点到最高点间为上升趋势。由于需要逐点进行高低点的判断,其运行速度非常慢,导致该方法计算效率低下。特别是当计算机需要批量完成差异性较大的大量图像中波动曲线的趋势识别时,上述方法的问题被进一步放大。
[0004]因此,如何提升基于图像进行波动趋势识别时的计算效率,成为本领域亟需解决的技术问题。
技术实现思路
[0005]本专利技术的目的是提供一种基于图像的波动趋势识别方法、装置、计算机设备和介质,用于解决现有技术中的技术问题。
[0006]一方面,为实现上述目的,本专利技术提供了 ...
【技术保护点】
【技术特征摘要】
1.一种基于图像的波动趋势识别方法,其特征在于,包括:获取待识别图像中的波动曲线,其中,所述波动曲线表征时间序列;根据所述波动曲线确定平滑参数;按照所述平滑参数过滤所述波动曲线中的短期波动,以得到光滑时间序列;通过差分技术在所述光滑时间序列上确定拐点,以得到初始拐点;在距离所述初始拐点的预定时间范围内进行峰谷搜索,以得到目标拐点;根据相邻所述目标拐点之间的峰谷关系确定所述波动曲线的波动趋势状态;以及输出表征所述波动趋势状态的状态信息。2.根据权利要求1所述的基于图像的波动趋势识别方法,其特征在于,根据所述波动曲线确定平滑参数包括:确定所述波动曲线对应的时间序列的类型;当所述时间序列的类型为月度数据时,确定所述平滑参数为第一预设平滑参数;当所述时间序列的类型为季度数据时,确定所述平滑参数为第二预设平滑参数;当所述时间序列的类型为年度数据时,确定所述平滑参数为第三预设平滑参数,其中,所述第一预设平滑参数、所述第二预设平滑参数和所述第三预设平滑参数逐渐减小。3.根据权利要求1所述的基于图像的波动趋势识别方法,其特征在于,{Y
t
}为所述波动曲线对应的时间序列,t=1,2,...,T,T为所述时间序列的时间长度,{Y
tT
}为所述光滑时间序列,λ为所述平滑参数,按照所述平滑参数过滤所述波动曲线中的短期波动,以得到光滑时间序列的步骤包括:求解以下最小化问题的解,以得到所述光滑时间序列{Y
tT
}:4.根据权利要求3所述的基于图像的波动趋势识别方法,其特征在于,根据所述波动曲线确定平滑参数包括:步骤S11:确定迭代平滑参数的初始值;步骤S12:根据所述迭代平滑参数计算所述光滑时间序列;步骤S13:根据所述时间序列和所述光滑时间序列计算波动序列;步骤S14:计算所述光滑时间序列的方差与所述波动序列的方差的比值,得到当前比值;步骤S15:判断所述当前比值与上一次比值的差是否小于或等于预设阈值,其中,当所述差小于或等于所述预设阈值时,输出所述当前比值作为所述平滑参数,当所述差大于所述预设阈值时,将所述当前比值作为所述迭代平滑参数,并返回至所述步骤S12。5.根据权利要求1所述的基于图像的波动趋势识别方法,其特征在于,{Y
t
}为所述波动曲线对应的时间序列,t=1,2,...,T,T为所述时间序列的时间长度,{Y
tT
}为所述光滑时间序列,通过差分技术在所述光滑时间序列上确定拐点,以得到初始拐点的步骤包括:采用以下公式计算趋势状态序列stage(t):
根据所述趋势状态序列判断相邻两个时刻的趋势状态是否相同;以及当所述相邻两个时刻的趋势状态不同时,确定所述相邻两个时刻中的前一个时刻为所述初始拐点。6.根据权利要求5所述的基于图像的波动趋势识别方法,其特征在于,在距离所述初始拐点的预定时间范围内进行峰谷搜索,以得到目标拐点的步骤包括:步骤S21:获取所述趋势状态序列,设置初始的搜索次数为1;步骤S22:根据所述趋势状态序列搜索最小峰谷间隔;...
【专利技术属性】
技术研发人员:唐永鹏,刘硕凌,程宁,邓涧秋,
申请(专利权)人:易方达基金管理有限公司,
类型:发明
国别省市:
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。