考虑新类出现的多变量时间序列数据流的分类研究

发布时间：2021-11-24 20:35

　　随着不同类型传感器在网络中的广泛应用,多变量数据流的精确分类问题已经成为数据挖掘和机器学习领域的研究热点。由于网络中数据流的特征随时间和网络环境的变化而发生变化,数据流会不断有新的类别产生,导致分类精度下降。目前,已经有大量关于多变量数据流的分类方法,但他们都没有考虑到新类的产生。然而在现实生活中,很多应用领域的数据都会有新的数据类别产生,及时检测到新类别,可以提高分类精度,并且对于实际生活有很大的意义。在目前的数据流分类研究当中,仍然存在三方面的问题没有有效的解决:（1）多变量数据流当中的新类检测问题有待研究;（2）较少的考虑到多变量时间序列数据流当中流内特征之间以及不同流的特征之间的相互影响关系;（3）在单变量数据流的新类检测方法当中,现有的方法假设某一个时间内只出现一个新类,然而现实可能会同时出现多个新的类别。因此,针对上面的三个问题,本文所做的主要工作就是通过引入特殊的特征提取方法以及基于聚类的模型更新方法来研究数据流当中新类检测的问题,并将该方法应用到多变量时间序列数据流当中,研究了流挖掘中的一个重要问题,即考虑新类出现的多变量时间序列数据流的分类研究或CMCNC（The R... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：52 页

【学位级别】：硕士

【部分图文】：

SENC模型对实例进行分类的流程框架

划分“异类”异常子区域

CMCNC模型对实例进行分类的流程框架

【参考文献】：
期刊论文
[1]基于动态集成决策树的多类别时间序列分类模型[J]. 徐雷,Geoff I Webb,Francois Petitjean,张阳.  计算机应用研究. 2018(06)
[2]基于信息熵和几何轮廓相似度的多变量决策树[J]. 张宇,包研科,邵良杉.  计算机应用研究. 2018(04)
[3]基于多样化top-k shapelets转换的时间序列分类方法[J]. 孙其法,闫秋艳,闫欣鸣.  计算机应用. 2017(02)
[4]基于逻辑shapelets转换的时间序列分类算法[J]. 原继东,王志海,韩萌,游洋.  计算机学报. 2015(07)
[5]一种基于MapReduce的动态数据流分类算法[J]. 冯林,姚远,陈沣,金博.  大连理工大学学报. 2014(04)
[6]时间序列数据流的自适应预测[J]. 王永利,周景华,徐宏炳,董逸生,刘学军.  自动化学报. 2007(02)
[7]高速网络数据流分类系统[J]. 戚玉华,吴学智,顿新平.  电子测量技术. 2006(05)
[8]遥感图像分类方法的研究[J]. 潘建刚,赵文吉,宫辉力.  首都师范大学学报(自然科学版). 2004(03)

博士论文
[1]时间序列分类算法研究[D]. 原继东.北京交通大学 2016
[2]时间序列数据流复杂模式挖掘研究[D]. 王超.合肥工业大学 2015
[3]海量动态数据流分类方法研究[D]. 姚远.大连理工大学 2013
[4]复杂结构的时间序列数据挖掘与预测方法研究[D]. 钱爱玲.华中科技大学 2011
[5]数据流上的分类算法的研究[D]. 王鹏.复旦大学 2007

硕士论文
[1]针对网络数据流的实时分类算法研究[D]. 李尚.哈尔滨工业大学 2014



本文编号：3516709