时间序列数据流复杂模式挖掘研究

发布时间：2017-10-03 20:14

  本文关键词：时间序列数据流复杂模式挖掘研究

  更多相关文章： 时间序列数据流 小波变换 分形 分段 频繁模式 聚类 多分辨率 多粒度

【摘要】：信息及通信技术的快速发展使得人类社会生活的各个领域都可以通过数字化技术描述为不同模式结构的数据,数据产生的规模得到了爆发式的增长,各种类型和结构的数据的生成、收集和传播的速度达到了实时的水平。如何有效的存储和分析这些具有动态性、非线性、高维性、复杂性、冗余性等多种特征的时间序列数据流,探寻其中的演化规律,在纷繁复杂的时间序列数据流中获取解决复杂问题的知识已经成为了大数据时代迫切需要解决的问题。本文围绕着时间序列数据流挖掘的热点和难点问题,在不同分辨率和不同粒度下对时间序列数据流的相关模式进行了分析。针对时间序列数据流的特点,设计了在线小波变换方法、趋势符号表示方法,以及多粒度时变分形维数的计算方法,并在此基础上,研究了时间序列数据流的多分辨率分段技术、多分辨率频繁模式挖掘技术,以及结合金融时间序列数据流的相关特点,综合利用多分辨率和多粒度的思想,研究了金融时间序列数据流的复杂聚类模式挖掘技术。论文的主要工作如下：1.为了对时间序列数据流进行多分辨率分解,设计了在线离散二进小波分解技术,解决了不同小波函数产生的边界延拓问题,消除了边界延拓产生的数据序列两端的模式扭曲的现象。2.研究了时间序列数据流的多分辨率分段方法,可以同时对不同分辨率下的时间序列数据流进行分段,构建基于分辨率的分段层次结构,并可以依据时间序列数据流的分布变化实时更新分段模式。3.研究了线性趋势的多分辨率符号表示方法,能够有效的表征时间序列数据流的趋势信息,直观的表示时间序列数据流的变化规律。4.研究了多分辨率趋势频繁模式的相关概念及技术,可以对具有相同的趋势组合,以及相似的趋势长度比例的模式进行提炼,挖掘时间序列数据流中频繁出现的趋势模式。5.研究了基于小波变换融合延拓技术的时间序列数据流多粒度时变分形维数计算方法,能够有效的挖掘时间序列数据流分布信息变化的重要特征,有助于全面准确的分析和挖掘时间序列数据流中的隐含知识和规律,从不同的角度研究了时间序列数据流的演化规律。6.将时间序列数据流挖掘的多分辨率分段和多粒度分形维数等相关技术应用到金融时间序列数据流的聚类模式分析中,设计了实时的金融时间序列数据流聚类挖掘方法,可以挖掘金融时间序列数据流在不同分辨率和粒度下的演化规律。
【关键词】：时间序列数据流 小波变换 分形 分段 频繁模式 聚类 多分辨率 多粒度
【学位授予单位】：合肥工业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：O211.61;TP311.13
【目录】：

• 致谢9-10
• 摘要10-12
• ABSTRACT12-20
• 第一章 绪论20-36
• 1.1 研究背景及意义20-21
• 1.2 时间序列数据流模式挖掘研究现状21-32
• 1.2.1 时间序列数据流的表示和维数约减研究现状21-24
• 1.2.2 时间序列数据流分析中的相似度计算的研究现状24-26
• 1.2.3 时间序列数据流的分形特征的研究现状26-27
• 1.2.4 时间序列数据流的模式挖掘研究现状27-32
• 1.3 本文工作32-36
• 1.3.1 本文的主要研究内容32-34
• 1.3.2 本文的组织结构34-36
• 第二章 数据流挖掘的基本概念及相关技术概述36-51
• 2.1 数据流模型及其特点36-38
• 2.1.1 数据流模型36-37
• 2.1.2 数据流特点37-38
• 2.2 数据流挖掘技术38-49
• 2.2.1 窗口技术39-41
• 2.2.2 动态抽样技术41-44
• 2.2.3 概要数据结构44-49
• 2.3 数据流实时分析方法49-50
• 2.4 本章小结50-51
• 第三章 时间序列数据流多分辨率动态分段表示方法51-68
• 3.1 时间序列数据流分段概述51-52
• 3.2 时间序列数据流多分辨率动态分段的基本概念及计算方法52-61
• 3.2.1 时间序列数据流多分辨率动态分段的基本概念及相关技术52-56
• 3.2.2 时间序列数据流多分辨率动态分段的计算方法56-61
• 3.3 时间序列数据流多分辨率动态分段的相关实验及分析61-67
• 3.3.1 在线离散二进小波变换分析61-62
• 3.3.2 EFSW分段算法性能分析62-65
• 3.3.3 多分辨率分段算法分析65-67
• 3.4 本章小结67-68
• 第四章 时间序列数据流多粒度时变分形维数计算方法68-93
• 4.1 分形维数及其计算方法概述68-71
• 4.1.1 分形维数的定义68-69
• 4.1.2 分形维数的计算方法69-71
• 4.2 时间序列数据流多粒度时变分形维数的基本概念和计算方法71-80
• 4.2.1 时间序列数据流多粒度时变分形维数的相关概念72-73
• 4.2.2 时间序列数据流多粒度时变分形维数的计算方法73-80
• 4.3 时间序列数据流多粒度时变分形维数计算的相关算法及实验分析80-92
• 4.3.1 时间序列数据流多粒度时变分形维数计算的相关算法80-83
• 4.3.2 时间序列数据流多粒度时变分形维数计算实验分析83-92
• 4.4 本章小结92-93
• 第五章 时间序列数据流频繁模式挖掘方法93-115
• 5.1 时间序列数据流频繁模式挖掘概述93-95
• 5.2 时间序列数据流多分辨率趋势符号表示方法95-102
• 5.2.1 多分辨率趋势符号表示的相关概念及意义95-100
• 5.2.2 多分辨率趋势符号表示的计算方法100-102
• 5.3 时间序列数据流多分辨率频繁趋势模式挖掘方法102-110
• 5.3.1 时间序列数据流多分辨率频繁趋势模式的特征及概念102-107
• 5.3.2 时间序列数据流多分辨率频繁趋势模式挖掘算法107-110
• 5.4 时间序列数据流多分辨率频繁趋势模式挖掘的相关实验及分析110-114
• 5.4.1 已知植入频繁模式的挖掘110-112
• 5.4.2 性能分析112-114
• 5.5 本章小结114-115
• 第六章 金融时间序列数据流复杂模式分析研究115-132
• 6.1 金融时间序列数据流复杂模式分析概述115-116
• 6.2 金融时间序列数据流复杂聚类模式挖掘方法116-122
• 6.2.1 金融时间序列数据流相似度计算方法117-120
• 6.2.2 金融时间序列数据流聚类模式挖掘算法120-122
• 6.3 金融时间序列数据流聚类模式挖掘相关实验122-129
• 6.3.1 多粒度时变分形维数计算122-124
• 6.3.2 基于多粒度时变分形维数相似度的聚类分析124-126
• 6.3.3 基于不同分辨率的聚类模式演化分析126-129
• 6.4 金融时间序列数据流复杂模式挖掘体系结构129-131
• 6.5 本章小结131-132
• 第七章 总结与展望132-135
• 7.1 论文工作的总结132-134
• 7.2 展望134-135
• 参考文献135-150
• 攻读博士学位期间的学术活动及成果情况150-151

【相似文献】

中国期刊全文数据库 前10条

1 王飞超;李国;倪现君;韩业红;;数据流频繁项挖掘的研究[J];中国科技信息;2010年19期

2 陈磊松;;数据流处理系统的负载控制策略研究[J];漳州师范学院学报(自然科学版);2009年03期

3 王冬秀;张海鹏;李辉;;数据流聚类算法分析[J];大众科技;2011年05期

4 陈磊松;林锦贤;;面向高速网络的数据流处理模型研究[J];漳州师范学院学报(自然科学版);2006年02期

5 杨玮;;企业级数据中心数据流处理方案设计[J];中国科技信息;2007年15期

6 黄松英;;一个数据流查询系统的设计与实现[J];绍兴文理学院学报;2006年04期

7 陈磊松;林国平;;数据流窗口查询语义的局限性及改进方法[J];漳州师范学院学报(自然科学版);2008年03期

8 钱哨;;数据流系统中链式调度算法的改进[J];内蒙古师范大学学报(自然科学汉文版);2009年01期

9 李嘉欣;;一种基于拓扑特征的数据流调度策略[J];科技导报;2013年17期

10 谭博阅;刘宁;;数据流中的近似查询技术[J];世界科技研究与发展;2006年02期

中国重要会议论文全文数据库 前10条

1 张冬冬;李建中;王伟平;郭龙江;;分布式复式数据流的处理[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

2 楚红涛;寒枫;张燕;王婷;;基于数据流的挖掘研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

3 尹婷;李红燕;;窗口模型下数据流查询流水化执行的研究[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 孟军;张航黎;张建英;郭禾;;分布式数据流的渐增式聚集维护算法[A];2006年全国开放式分布与并行计算学术会议论文集（二）[C];2006年

5 韩近强;杨冬青;唐世渭;;数据流处理中一种自适应的直方图维护算法[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

6 蔡致远;熊方;钱卫宁;周傲英;;核合并分析及其在数据流密度估计上的应用[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

7 王亦兵;杨树强;王晓伟;;一个面向数据流的多维分析系统的研究与实现[A];全国计算机安全学术交流会论文集（第二十四卷）[C];2009年

8 于亚新;王国仁;陈灿;苏林;朱歆华;赵相国;;基于操作符优先级的两种分布式数据流负载分配算法研究[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

9 周锐;肖川;王国仁;韩东红;霍欢;;数据流滑动窗口连接上的卸载技术的研究[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

10 田李;王乐;贾焰;邹鹏;李爱平;;分布式数据流上低通信开销的连续极值查询方法研究[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

中国硕士学位论文全文数据库 前10条

1 史艳翠;时间序列数据流预测技术与应用研究[D];华北电力大学（河北）;2009年

2 郑凯;数据流上的相似性查询及优化[D];复旦大学;2009年

3 何孔新;面向数据流的数据聚类算法研究[D];哈尔滨工程大学;2008年

4 李有生;一种改进的数据流处理算法的研究与实现[D];吉林大学;2010年

5 周驰;数据流上概念漂移的检测和分类[D];郑州大学;2010年

6 王小龙;数据流上的变化的挖掘算法研究[D];大庆石油学院;2006年

7 王斌;双层数据流聚类框架的设计与实现[D];吉林大学;2004年

8 罗秀;数据流在线分类算法的研究与实现[D];东北大学;2009年

9 富春岩;小波方法在数据流中的应用与研究[D];哈尔滨理工大学;2007年

10 吕晓;一种改进的数据流突变检测算法的研究[D];哈尔滨工程大学;2009年

，

本文编号：966463