基于趋势基元的时间序列同构关系发现
发布时间：2022-11-06 15:12
本文基于趋势结构相似性研究了时间序列相似性度量及时间序列同构关系挖掘问题,主要研究成果如下:（1）分析了已有的时间序列相似性度量方法的两方面局限性,即时间序列相似性度量仅是通过将相似性度量问题转化为距离度量问题,不能反映时间序列结构相似性的本质,也没能综合考虑时间序列趋势的变化过程。针对上述问题,根据连续曲线分段间的距离度量方法,把离散的时间序列数据拟合为连续曲线,提出并论证了趋势基元同构的判定定理,为本文后续工作奠定了研究基础。（2）基于趋势基元同构判定定理,明确了同构子序列基本概念及同构子序列挖掘的思路,针对时间序列同构子序列发现问题,提出了基于趋势基元同构的同构子序列发现算法。针对相关参数对算法结果影响的实验分析验证了理论分析的正确性。（3）针对时间序列全序列趋势同构性度量问题,提出了基于最长同构子序列发现的时间序列趋势同构性度量基本思想,给出了两种基于最长同构子序列发现的时间序列趋势同构性度量算法,即基于谱聚类的趋势同构性度量和基于密度聚类的趋势同构性度量。实验分析表明,两种趋势同构性度量算法对时间序列的趋势同构性度量结果基本一致。（4）针对面向频繁同构趋势基元类的时态关联规则...
【文章页数】：135 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
1 引言
2 文献综述
2.1 时间序列数据挖掘与时间序列分析
2.2 时间序列的近似表示
2.3 时间序列的相似性度量
2.4 时间序列模式匹配
2.5 时间序列聚类
2.6 时间序列关联规则发现
2.7 本章小结
3 基于趋势基元同构的同构子序列发现
3.1 现有相似性度量方法分析
3.1.1 连续曲线相似性度量方法
3.1.2 考虑形状相似性的时间序列相似性度量
3.1.3 已有相似性度量方法的局限性
3.2 趋势基元同构
3.2.1 曲线同构
3.2.2 趋势基元同构
3.2.3 趋势基元同构性质及定理
3.3 同构子序列发现
3.3.1 同构子序列
3.3.2 同构子序列发现的基本思想
3.3.3 同构子序列发现算法
3.3.4 HSMTPH算法复杂度分析
3.4 实验分析
3.4.1 同构子序列发现结果
3.4.2 序列长度对算法效果和效率的影响
3.4.3 拟合多项式阶数对实验效率的影响
3.4.4 同构度参数对算法效果的影响
3.5 本章小结
4 时间序列趋势同构性度量
4.1 时间序列趋势同构的研究目的
4.2 时间序列趋势同构性度量的基本思想
4.2.1 概念准备
4.2.2 时间序列趋势同构性度量基本步骤
4.2.3 趋势基元聚类的两种方式
4.3 时间序列趋势同构性度量算法
4.3.1 基于谱聚类的时间序列趋势同构性度量算法
4.3.2 基于密度聚类的时间序列趋势同构性度量算法
4.3.3 时间序列趋势同构性度量算例
4.4 实验分析
4.4.1 时间序列趋势同构性度量实验
4.4.2 谱聚类与密度聚类参数对效果影响分析
4.4.3 算法效率影响因素分析
4.5 本章小结
5 时间序列同构趋势的时态关联规则发现
5.1 概念准备
5.2 面向频繁同构趋势基元类的时态关联规则发现
5.2.1 基于O-Apriori的最大频繁同构趋势基元类集发现算法
5.2.2 时态关联规则计算
5.2.3 时态关联规则评估
5.2.4 时态关联规则发现算例
5.3 实验分析
5.3.1 时态关联规则发现实验结果分析
5.3.2 参数敏感性分析
5.4 本章小结
6 结论
参考文献
作者简历及在学研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]一种线状要素几何相似性度量方法及其应用[J]. 安晓亚,刘平芝,杨云,侯溯源. 武汉大学学报(信息科学版). 2015(09)
[2]时间序列的表示与分类算法综述[J]. 原继东,王志海. 计算机科学. 2015(03)
[3]基于曲线相似的在线签名认证方法[J]. 邱益鸣,胡华成,郑建彬,陈庆虎. 系统工程与电子技术. 2014(05)
[4]一种基于信息熵的时间序列分段线性表示方法[J]. 赵建秀,王洪国,邵增珍,张岳,丁艳辉. 计算机应用研究. 2013(08)
[5]多尺度地理空间线状目标形状相似性的度量[J]. 江浩,褚衍东,闫浩文,郭丽峰. 测绘科学. 2010(05)
[6]多边形化简前后相似度计算的一种方法[J]. 边丽华,闫浩文,刘纪平,褚衍东. 测绘科学. 2008(06)
[7]基于重要点的时间序列趋势特征提取方法[J]. 周黔,吴铁军. 浙江大学学报(工学版). 2007(11)
[8]基于斜率提取边缘点的时间序列分段线性表示方法[J]. 詹艳艳,徐荣聪,陈晓云. 计算机科学. 2006(11)
[9]一种基于演化计算的在线手写签名验证算法实现[J]. 匡韬,郑建彬. 计算机应用. 2006(11)
[10]基于小波和动态时间弯曲的时间序列相似匹配[J]. 曲文龙,张德政,杨炳儒. 北京科技大学学报. 2006(04)
博士论文
[1]时间序列相似性与预测算法研究及其应用[D]. 闫明月.北京交通大学 2014
[2]时间序列数据挖掘若干关键问题研究[D]. 何晓旭.中国科学技术大学 2014
[3]时间序列数据挖掘中的特征表示与相似性度量方法研究[D]. 李海林.大连理工大学 2012
[4]时间序列模式匹配技术研究[D]. 张勇.华中科技大学 2012
[5]时间序列的分割及不一致发现研究[D]. 李桂玲.华中科技大学 2012
[6]谱聚类方法研究及其在金融时间序列数据挖掘中的应用[D]. 苏木亚.大连理工大学 2011
[7]金融时间序列模式挖掘方法的研究[D]. 吴学雁.华南理工大学 2010
[8]时间序列相似性问题研究[D]. 李俊奎.华中科技大学 2008
[9]基于模型的时间序列数据挖掘[D]. 段江娇.复旦大学 2008
[10]时间序列数据挖掘相似性度量和周期模式挖掘研究[D]. 董晓莉.天津大学 2007
硕士论文
[1]时间序列特征表示及相似性度量方法研究[D]. 郑旭.长春工业大学 2015
[2]不确定性时间序列的降维与相似性匹配研究[D]. 肖瑞.东华大学 2014
[3]基于特征信息的测井曲线相似度算法研究与应用[D]. 高兴.东北石油大学 2013
[4]基于交叉熵的序列事件周期性检测及应用研究[D]. 杨锐.电子科技大学 2013
[5]时间序列数据的周期性研究[D]. 郭龙.电子科技大学 2013
[6]基于动态扭曲算法的时间序列部分周期模式挖掘研究[D]. 卢荣.天津大学 2009
[7]时间序列相似性查询及异常检测算法的研究[D]. 杜洪波.沈阳工业大学 2008
[8]一种新的曲线相似性判别方法研究[D]. 朱洁.武汉理工大学 2008
[9]时间序列部分周期模式挖掘算法研究[D]. 王端伟.天津大学 2008
[10]基于演化计算的在线手写签名验证方法实现[D]. 匡韬.武汉理工大学 2006
本文编号：3703725
【文章页数】：135 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
1 引言
2 文献综述
2.1 时间序列数据挖掘与时间序列分析
2.2 时间序列的近似表示
2.3 时间序列的相似性度量
2.4 时间序列模式匹配
2.5 时间序列聚类
2.6 时间序列关联规则发现
2.7 本章小结
3 基于趋势基元同构的同构子序列发现
3.1 现有相似性度量方法分析
3.1.1 连续曲线相似性度量方法
3.1.2 考虑形状相似性的时间序列相似性度量
3.1.3 已有相似性度量方法的局限性
3.2 趋势基元同构
3.2.1 曲线同构
3.2.2 趋势基元同构
3.2.3 趋势基元同构性质及定理
3.3 同构子序列发现
3.3.1 同构子序列
3.3.2 同构子序列发现的基本思想
3.3.3 同构子序列发现算法
3.3.4 HSMTPH算法复杂度分析
3.4 实验分析
3.4.1 同构子序列发现结果
3.4.2 序列长度对算法效果和效率的影响
3.4.3 拟合多项式阶数对实验效率的影响
3.4.4 同构度参数对算法效果的影响
3.5 本章小结
4 时间序列趋势同构性度量
4.1 时间序列趋势同构的研究目的
4.2 时间序列趋势同构性度量的基本思想
4.2.1 概念准备
4.2.2 时间序列趋势同构性度量基本步骤
4.2.3 趋势基元聚类的两种方式
4.3 时间序列趋势同构性度量算法
4.3.1 基于谱聚类的时间序列趋势同构性度量算法
4.3.2 基于密度聚类的时间序列趋势同构性度量算法
4.3.3 时间序列趋势同构性度量算例
4.4 实验分析
4.4.1 时间序列趋势同构性度量实验
4.4.2 谱聚类与密度聚类参数对效果影响分析
4.4.3 算法效率影响因素分析
4.5 本章小结
5 时间序列同构趋势的时态关联规则发现
5.1 概念准备
5.2 面向频繁同构趋势基元类的时态关联规则发现
5.2.1 基于O-Apriori的最大频繁同构趋势基元类集发现算法
5.2.2 时态关联规则计算
5.2.3 时态关联规则评估
5.2.4 时态关联规则发现算例
5.3 实验分析
5.3.1 时态关联规则发现实验结果分析
5.3.2 参数敏感性分析
5.4 本章小结
6 结论
参考文献
作者简历及在学研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]一种线状要素几何相似性度量方法及其应用[J]. 安晓亚,刘平芝,杨云,侯溯源. 武汉大学学报(信息科学版). 2015(09)
[2]时间序列的表示与分类算法综述[J]. 原继东,王志海. 计算机科学. 2015(03)
[3]基于曲线相似的在线签名认证方法[J]. 邱益鸣,胡华成,郑建彬,陈庆虎. 系统工程与电子技术. 2014(05)
[4]一种基于信息熵的时间序列分段线性表示方法[J]. 赵建秀,王洪国,邵增珍,张岳,丁艳辉. 计算机应用研究. 2013(08)
[5]多尺度地理空间线状目标形状相似性的度量[J]. 江浩,褚衍东,闫浩文,郭丽峰. 测绘科学. 2010(05)
[6]多边形化简前后相似度计算的一种方法[J]. 边丽华,闫浩文,刘纪平,褚衍东. 测绘科学. 2008(06)
[7]基于重要点的时间序列趋势特征提取方法[J]. 周黔,吴铁军. 浙江大学学报(工学版). 2007(11)
[8]基于斜率提取边缘点的时间序列分段线性表示方法[J]. 詹艳艳,徐荣聪,陈晓云. 计算机科学. 2006(11)
[9]一种基于演化计算的在线手写签名验证算法实现[J]. 匡韬,郑建彬. 计算机应用. 2006(11)
[10]基于小波和动态时间弯曲的时间序列相似匹配[J]. 曲文龙,张德政,杨炳儒. 北京科技大学学报. 2006(04)
博士论文
[1]时间序列相似性与预测算法研究及其应用[D]. 闫明月.北京交通大学 2014
[2]时间序列数据挖掘若干关键问题研究[D]. 何晓旭.中国科学技术大学 2014
[3]时间序列数据挖掘中的特征表示与相似性度量方法研究[D]. 李海林.大连理工大学 2012
[4]时间序列模式匹配技术研究[D]. 张勇.华中科技大学 2012
[5]时间序列的分割及不一致发现研究[D]. 李桂玲.华中科技大学 2012
[6]谱聚类方法研究及其在金融时间序列数据挖掘中的应用[D]. 苏木亚.大连理工大学 2011
[7]金融时间序列模式挖掘方法的研究[D]. 吴学雁.华南理工大学 2010
[8]时间序列相似性问题研究[D]. 李俊奎.华中科技大学 2008
[9]基于模型的时间序列数据挖掘[D]. 段江娇.复旦大学 2008
[10]时间序列数据挖掘相似性度量和周期模式挖掘研究[D]. 董晓莉.天津大学 2007
硕士论文
[1]时间序列特征表示及相似性度量方法研究[D]. 郑旭.长春工业大学 2015
[2]不确定性时间序列的降维与相似性匹配研究[D]. 肖瑞.东华大学 2014
[3]基于特征信息的测井曲线相似度算法研究与应用[D]. 高兴.东北石油大学 2013
[4]基于交叉熵的序列事件周期性检测及应用研究[D]. 杨锐.电子科技大学 2013
[5]时间序列数据的周期性研究[D]. 郭龙.电子科技大学 2013
[6]基于动态扭曲算法的时间序列部分周期模式挖掘研究[D]. 卢荣.天津大学 2009
[7]时间序列相似性查询及异常检测算法的研究[D]. 杜洪波.沈阳工业大学 2008
[8]一种新的曲线相似性判别方法研究[D]. 朱洁.武汉理工大学 2008
[9]时间序列部分周期模式挖掘算法研究[D]. 王端伟.天津大学 2008
[10]基于演化计算的在线手写签名验证方法实现[D]. 匡韬.武汉理工大学 2006
本文编号：3703725
本文链接：https://www.wllwen.com/jingjifazhanlunwen/3703725.html
