發(fā)布時(shí)間：2020-12-05 01:14

　　時(shí)間序列存在于社會(huì)的各個(gè)領(lǐng)域，對(duì)于時(shí)間序列數(shù)據(jù)挖掘的研究目前主要集中在相似性搜索和模式挖掘上。在相似性搜索研究中存在的主要問題是時(shí)間序列數(shù)據(jù)量過大，一個(gè)有效的解決辦法是對(duì)時(shí)間序列進(jìn)行重新描述，減小數(shù)據(jù)量。在模式挖掘方面，趨勢預(yù)測是一個(gè)比較新的思路，它從時(shí)間序列數(shù)據(jù)中抽取決定時(shí)間序列的行為發(fā)展趨勢的靜態(tài)屬性，組成靜態(tài)數(shù)據(jù)庫，然后將泛化性能較強(qiáng)的分類技術(shù)應(yīng)用于靜態(tài)數(shù)據(jù)庫中挖掘分類規(guī)則，對(duì)行為發(fā)展趨勢做出預(yù)測。相似性研究中有效的數(shù)據(jù)描述是提高相似性搜索效率的關(guān)鍵，本文第二章提出了一種結(jié)構(gòu)自適應(yīng)的時(shí)間序列分段線性化表示方法，該方法可以自動(dòng)地產(chǎn)生線性化的段數(shù)K。大大壓縮了相似性的計(jì)算量。同時(shí)在分段線性化表示的基礎(chǔ)上提出了一種相似性計(jì)算方法，該方法對(duì)于時(shí)間序列的多種變形都不敏感。本文擬從時(shí)間序列數(shù)據(jù)庫中挖掘到表征時(shí)間序列發(fā)展趨勢的分類規(guī)則，首先必須對(duì)時(shí)間序列進(jìn)行靜態(tài)模式的抽取，得到分類屬性。本文就此在第三章深入闡述了靜態(tài)模式的抽取方法。以股票為主要的時(shí)間序列研究對(duì)象，抽取的靜態(tài)模式往往含有較多的干擾，因此需要分類工具必須有較強(qiáng)的泛化性能，為了解決這一問題在第四章采用正則最小二乘學(xué)習(xí)算法訓(xùn)練的前饋神... 

【文章來源】：天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：114 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

A圖為歐氏測量方法B圖為DTW測量方法

圖 1-3 扭曲路徑的例子列的重新描述上文提到的哪種測量方法，當(dāng)時(shí)間序列的數(shù)據(jù)量題，雖然相關(guān)性有一定的解決辦法，但是它也是之后再處理，因此也是一種時(shí)間序列的重新描述又不會(huì)丟失原有的信息，人們提出了幾種時(shí)間法列的信號(hào)往往是由各種不同頻率的信號(hào)疊加而序列的分析將是有效的，即將時(shí)域內(nèi)的數(shù)據(jù)轉(zhuǎn)換間序列的相似性，將保持?jǐn)?shù)據(jù)間歐幾里德距離不數(shù)據(jù)變換是必要的。通常，使用獨(dú)立于數(shù)據(jù)的變與輸入數(shù)據(jù)無關(guān)。其中兩個(gè)常見的獨(dú)立于數(shù)據(jù)的波變換(DWT)。由于在時(shí)域中兩個(gè)時(shí)間序列的


本文編號(hào)：2898595