基于符号表示的时间序列分类研究

发布时间：2023-04-05 09:41

　　时间序列数据广泛存在于社会生活的各个领域,对日益激增的高维、庞杂、连续的时间序列进行有效降维处理、挖掘和利用其中有价值的信息,已成为业界、学术界的热点研究问题。时间序列符号表示方法,因具有良好的降维性能、简单高效、对噪声具有鲁棒性等特点,在时间序列数据挖掘领域得到广泛研究和应用。目前基于符号表示的时间序列分类方法虽然已经取得了丰硕的研究成果,但是在维数约减、有效提取和利用数据特征方面仍存在一些不足,因此提高时间序列符号表示分类算法的分类性能的研究成为时间序列数据挖掘领域的研究热点。本文分别针对单变量时间序列和多变量时间序列符号表示分类中的维数约减和特征提取与表示进行深入研究,主要目的是进一步提高符号化分类算法的分类性能,有效节省时间序列数据处理的存储资源和计算资源。主要研究内容如下:(1)针对大部分现有的基于符号表示的单变量时间序列分类方法都没有考虑类别的先验知识对算法分类性能的影响,提出一种基于LDA(Linear Discriminant Analysis)符号表示的单变量时间序列分类算法LDA_SC(LDA Symbolic Classification)。首...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 单变量时间序列符号表示分类研究现状
        1.2.2 多变量时间序列符号表示分类研究现状
    1.3 论文的主要工作
    1.4 论文组织结构
2 基于LDA符号表示的单变量时间序列分类
    2.1 研究基础
        2.1.1 基本概念
        2.1.2 线性判别分析
        2.1.3 信息增益
        2.1.4 符号近似表示
        2.1.5 距离度量
        2.1.6 威尔克森符号秩检验
    2.2 基于LDA符号表示的时间序列分类算法
    2.3 实验结果分析
        2.3.1 数据集描述
        2.3.2 性能比较
        2.3.3 参数对算法分类性能的影响
    2.4 本章小结
3 基于OLPP符号表示的单变量时间序列分类
    3.1 研究基础
        3.1.1 正交局部保持映射
        3.1.2 符号近似表示和距离度量
    3.2 基于OLPP符号表示的时间序列分类算法
    3.3 实验结果分析
        3.3.1 性能比较
        3.3.2 参数对算法性能的影响
    3.4 本章小结
4 基于符号表示的多变量时间序列分类
    4.1 基于中心序列的MTS符号表示分类
        4.1.1 MTS的中心序列
        4.1.2 基于中心序列的符号表示分类算法
    4.2 基于OLPP的 MTS符号表示分类
        4.2.1 符号近似表示MSRO
        4.2.2 分类距离
        4.2.3 基于OLPP的 MTS符号表示分类算法
    4.3 实验结果分析
        4.3.1 数据集描述
        4.3.2 性能比较
        4.3.3 参数对算法性能的影响
    4.4 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
作者简介
致谢



本文编号：3783187