不确定时间序列相似性非参数度量方法研究

发布时间：2024-01-25 10:07

　　时间序列数据是一组按时间排列的有序观测值序列,广泛存在于各个应用领域,如股票数据、气象数与生态数据等。时间顺序特征使数据随信息采集时间间隔的不同而呈现连续或分散的形式等特征;另外随着信息技术的不断发展,由于数据采集设备精度、数据集合粒度转换、出于隐私保护等特殊目的或数据集成等不同原因,使得时间序列数据在每个时间点上的观测值都可能是模糊的或不确定的,这种包含不确定性的时间序列数据也广泛存在于如基于位置的服务和无线传感器网络等众多应用领域中。不确定性的存在又为对时间序列数据的挖掘分析带来了进一步的复杂性。本文以不确定时间序列数据的相似性度量为切入点,对有效分析不确定时间序列数据的方法进行研究。现有关于不确定时间序列相似性度量的核心内容:不确定对象的模型表示以及距离度量方法的研究存在一定问题。如基于参数估计方法构建的体现不确定性概率密度分布的不确定数据模型,而参数估计方法依赖于某种理论分布的假设使其在面向由于复杂的现实数据时,由于不确定对象的密度分布未知,而难于发挥作用,进而影响构建模型的准确性。另外基于概率密度分布表示的不确定时间序列数据对象间的距离度量也需要考虑准确性与有效性的问题。考虑...

【文章页数】：122 页

【学位级别】：博士

图1.1文章内容组织结构

图2.1不确定时间序列的概率距离Fig.2.1Uncertaintimeseriesprobabilisticdistance

图2.2不确定时间序列的非参数建模方法示意图

图2.3二阶Markov状态转移矩阵Fig.2.3Secondordermarkovtransitionmatrix如图2.3所示，状态转移矩阵中（a）

本文编号：3884621