本文關(guān)鍵詞： 線性分段 相似性搜索 分段斜率 特征點　出處：《江蘇科技大學(xué)》2012年碩士論文　論文類型：學(xué)位論文

【摘要】：現(xiàn)如今提到數(shù)據(jù)挖掘技術(shù)，相信大家都并不陌生，因為它已漸漸融入在我們生活的方方面面。當(dāng)今社會的計算機技術(shù)的迅猛發(fā)展給我們的生活帶來的各種便利，同時伴隨著我們對數(shù)據(jù)的操作與研究的廣度和深度的加深，，人們已經(jīng)不再只滿足對海量數(shù)據(jù)的表面性掌握，更希望獲得到更多更有價值的信息，而數(shù)據(jù)挖掘技術(shù)就是幫助人們解決這一問題，即從海量數(shù)據(jù)中挖掘其背后的信息。 如今對于時間序列數(shù)據(jù)挖掘的研究有很多的方面，其中相似性挖掘和模式挖掘是時下比較流行也是受到國內(nèi)外學(xué)者關(guān)注較多的研究。作為數(shù)據(jù)挖掘的一項基礎(chǔ)研究，相似性挖掘?qū)ρ芯繑?shù)據(jù)挖掘的各個方面有著重要的意義。而在相似性研究中面臨的一個重要問題就是如何解決對時間序列數(shù)據(jù)的壓縮與表示，在這方面人們也早已進行了系統(tǒng)而深入的研究，同時也提出了多種時間序列的表示方法來對數(shù)據(jù)量進行處理。本文以股票時間序列數(shù)據(jù)為對象，在對時間序列數(shù)據(jù)線性化的章節(jié)提出基于特征點與臨界分段斜率比較的方法更好對數(shù)據(jù)進行線性劃分，該方法從原始序列中提取特征點，以特征點來作為分段的界線，并通過比較臨界分段斜率擬合數(shù)據(jù)。該方法在保證時間序列數(shù)據(jù)原有特征的基礎(chǔ)上，并且對于時間序列的多種變形都不敏感。針對包含大量噪聲并存在數(shù)據(jù)缺失的高維多元時間序列數(shù)據(jù)，本文提出的是一種基于斜率表示的時間序列相似性度量方法，該方法在對時間序列數(shù)據(jù)的分段線性化的基礎(chǔ)上，對分段線段進行斜率的相似性度量，概念更清晰明確。并且以數(shù)據(jù)線性化和相似性度量方法為基礎(chǔ)，對實際股票數(shù)據(jù)進行了預(yù)測與分析。
[Abstract]:I believe that data mining technology is no stranger to us now, because it has gradually integrated into all aspects of our lives. The rapid development of computer technology in today's society has brought us all kinds of conveniences in our lives. At the same time, with the deepening of the scope and depth of our data operation and research, people are no longer satisfied with the superficial grasp of massive data, but also want to obtain more and more valuable information. Data mining technology is to help people solve this problem, that is, mining the information behind it from massive data. Nowadays, there are many aspects in the research of time series data mining, among which similarity mining and pattern mining are popular and concerned by domestic and foreign scholars. Similarity mining is of great significance to the study of various aspects of data mining, and an important problem in similarity research is how to compress and represent time series data. In this respect, people have already carried out systematic and in-depth research, and at the same time put forward a variety of time series representation methods to deal with the amount of data. In the chapter of linearization of time series data, the method based on the comparison of feature points and critical segmental slope is proposed. The method extracts feature points from original sequences and takes feature points as segmentation boundaries. By comparing the critical slope fitting data, the method is based on the original features of the time series data. And it is not sensitive to many kinds of deformation of time series. In view of the high dimensional multivariate time series data which contains a lot of noise and the data is missing, this paper presents a method of measuring the similarity of time series based on slope representation. On the basis of the piecewise linearization of time series data, the concept of slope similarity measurement of segmented line segments is clearer and clearer, and the method is based on data linearization and similarity measurement. The actual stock data are forecasted and analyzed.
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：F830.91;TP311.13

【參考文獻】

相關(guān)期刊論文 前10條

1 肖輝,胡運發(fā);基于分段時間彎曲距離的時間序列挖掘[J];計算機研究與發(fā)展;2005年01期

2 湯胤;;時間序列相似性分析方法研究[J];計算機工程與應(yīng)用;2006年01期

3 賈澎濤;林衛(wèi);何華燦;;時間序列的自適應(yīng)誤差約束分段線性表示[J];計算機工程與應(yīng)用;2008年05期

4 梁建海;張建業(yè);楊峰;潘泉;;時間序列度量的斜率偏離距離方法研究[J];計算機工程與應(yīng)用;2009年22期

5 詹艷艷;徐榮聰;陳曉云;;基于斜率提取邊緣點的時間序列分段線性表示方法[J];計算機科學(xué);2006年11期

6 毛紅保;張鳳鳴;馮卉;張亮;;基于特征點轉(zhuǎn)換的時間序列符號化方法[J];計算機工程;2008年12期

7 李愛國,覃征;大規(guī)模時間序列數(shù)據(jù)庫降維及相似搜索[J];計算機學(xué)報;2005年09期

8 喻高瞻;彭宏;胡勁松;鄭啟倫;;時間序列數(shù)據(jù)的分段線性表示[J];計算機應(yīng)用與軟件;2007年12期

9 陸珩tq;;數(shù)據(jù)挖掘技術(shù)在證券業(yè)中的應(yīng)用[J];價值工程;2006年02期

10 武紅江;趙軍平;彭勤科;黃永宣;;基于波動特征的時間序列數(shù)據(jù)挖掘[J];控制與決策;2007年02期

相關(guān)碩士學(xué)位論文 前2條

1 徐峰;數(shù)據(jù)倉庫與數(shù)據(jù)挖掘在證券業(yè)中的研究應(yīng)用[D];山東大學(xué);2005年

2 左新強;時間序列的相似性查找方法研究[D];清華大學(xué);2007年

本文編號：1499928