本文基于趨勢結(jié)構(gòu)相似性研究了時間序列相似性度量及時間序列同構(gòu)關(guān)系挖掘問題,主要研究成果如下:（1）分析了已有的時間序列相似性度量方法的兩方面局限性,即時間序列相似性度量僅是通過將相似性度量問題轉(zhuǎn)化為距離度量問題,不能反映時間序列結(jié)構(gòu)相似性的本質(zhì),也沒能綜合考慮時間序列趨勢的變化過程。針對上述問題,根據(jù)連續(xù)曲線分段間的距離度量方法,把離散的時間序列數(shù)據(jù)擬合為連續(xù)曲線,提出并論證了趨勢基元同構(gòu)的判定定理,為本文后續(xù)工作奠定了研究基礎。（2）基于趨勢基元同構(gòu)判定定理,明確了同構(gòu)子序列基本概念及同構(gòu)子序列挖掘的思路,針對時間序列同構(gòu)子序列發(fā)現(xiàn)問題,提出了基于趨勢基元同構(gòu)的同構(gòu)子序列發(fā)現(xiàn)算法。針對相關(guān)參數(shù)對算法結(jié)果影響的實驗分析驗證了理論分析的正確性。（3）針對時間序列全序列趨勢同構(gòu)性度量問題,提出了基于最長同構(gòu)子序列發(fā)現(xiàn)的時間序列趨勢同構(gòu)性度量基本思想,給出了兩種基于最長同構(gòu)子序列發(fā)現(xiàn)的時間序列趨勢同構(gòu)性度量算法,即基于譜聚類的趨勢同構(gòu)性度量和基于密度聚類的趨勢同構(gòu)性度量。實驗分析表明,兩種趨勢同構(gòu)性度量算法對時間序列的趨勢同構(gòu)性度量結(jié)果基本一致。（4）針對面向頻繁同構(gòu)趨勢基元類的時態(tài)關(guān)聯(lián)規(guī)則... 

【文章頁數(shù)】：135 頁

【學位級別】：博士

【文章目錄】：
致謝
摘要
Abstract
1 引言
2 文獻綜述
    2.1 時間序列數(shù)據(jù)挖掘與時間序列分析
    2.2 時間序列的近似表示
    2.3 時間序列的相似性度量
    2.4 時間序列模式匹配
    2.5 時間序列聚類
    2.6 時間序列關(guān)聯(lián)規(guī)則發(fā)現(xiàn)
    2.7 本章小結(jié)
3 基于趨勢基元同構(gòu)的同構(gòu)子序列發(fā)現(xiàn)
    3.1 現(xiàn)有相似性度量方法分析
        3.1.1 連續(xù)曲線相似性度量方法
        3.1.2 考慮形狀相似性的時間序列相似性度量
        3.1.3 已有相似性度量方法的局限性
    3.2 趨勢基元同構(gòu)
        3.2.1 曲線同構(gòu)
        3.2.2 趨勢基元同構(gòu)
        3.2.3 趨勢基元同構(gòu)性質(zhì)及定理
    3.3 同構(gòu)子序列發(fā)現(xiàn)
        3.3.1 同構(gòu)子序列
        3.3.2 同構(gòu)子序列發(fā)現(xiàn)的基本思想
        3.3.3 同構(gòu)子序列發(fā)現(xiàn)算法
        3.3.4 HSMTPH算法復雜度分析
    3.4 實驗分析
        3.4.1 同構(gòu)子序列發(fā)現(xiàn)結(jié)果
        3.4.2 序列長度對算法效果和效率的影響
        3.4.3 擬合多項式階數(shù)對實驗效率的影響
        3.4.4 同構(gòu)度參數(shù)對算法效果的影響
    3.5 本章小結(jié)
4 時間序列趨勢同構(gòu)性度量
    4.1 時間序列趨勢同構(gòu)的研究目的
    4.2 時間序列趨勢同構(gòu)性度量的基本思想
        4.2.1 概念準備
        4.2.2 時間序列趨勢同構(gòu)性度量基本步驟
        4.2.3 趨勢基元聚類的兩種方式
    4.3 時間序列趨勢同構(gòu)性度量算法
        4.3.1 基于譜聚類的時間序列趨勢同構(gòu)性度量算法
        4.3.2 基于密度聚類的時間序列趨勢同構(gòu)性度量算法
        4.3.3 時間序列趨勢同構(gòu)性度量算例
    4.4 實驗分析
        4.4.1 時間序列趨勢同構(gòu)性度量實驗
        4.4.2 譜聚類與密度聚類參數(shù)對效果影響分析
        4.4.3 算法效率影響因素分析
    4.5 本章小結(jié)
5 時間序列同構(gòu)趨勢的時態(tài)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)
    5.1 概念準備
    5.2 面向頻繁同構(gòu)趨勢基元類的時態(tài)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)
        5.2.1 基于O-Apriori的最大頻繁同構(gòu)趨勢基元類集發(fā)現(xiàn)算法
        5.2.2 時態(tài)關(guān)聯(lián)規(guī)則計算
        5.2.3 時態(tài)關(guān)聯(lián)規(guī)則評估
        5.2.4 時態(tài)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算例
    5.3 實驗分析
        5.3.1 時態(tài)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)實驗結(jié)果分析
        5.3.2 參數(shù)敏感性分析
    5.4 本章小結(jié)
6 結(jié)論
參考文獻
作者簡歷及在學研究成果
學位論文數(shù)據(jù)集


【參考文獻】：
期刊論文
[1]一種線狀要素幾何相似性度量方法及其應用[J]. 安曉亞,劉平芝,楊云,侯溯源.  武漢大學學報(信息科學版). 2015(09)
[2]時間序列的表示與分類算法綜述[J]. 原繼東,王志海.  計算機科學. 2015(03)
[3]基于曲線相似的在線簽名認證方法[J]. 邱益鳴,胡華成,鄭建彬,陳慶虎.  系統(tǒng)工程與電子技術(shù). 2014(05)
[4]一種基于信息熵的時間序列分段線性表示方法[J]. 趙建秀,王洪國,邵增珍,張岳,丁艷輝.  計算機應用研究. 2013(08)
[5]多尺度地理空間線狀目標形狀相似性的度量[J]. 江浩,褚衍東,閆浩文,郭麗峰.  測繪科學. 2010(05)
[6]多邊形化簡前后相似度計算的一種方法[J]. 邊麗華,閆浩文,劉紀平,褚衍東.  測繪科學. 2008(06)
[7]基于重要點的時間序列趨勢特征提取方法[J]. 周黔,吳鐵軍.  浙江大學學報(工學版). 2007(11)
[8]基于斜率提取邊緣點的時間序列分段線性表示方法[J]. 詹艷艷,徐榮聰,陳曉云.  計算機科學. 2006(11)
[9]一種基于演化計算的在線手寫簽名驗證算法實現(xiàn)[J]. 匡韜,鄭建彬.  計算機應用. 2006(11)
[10]基于小波和動態(tài)時間彎曲的時間序列相似匹配[J]. 曲文龍,張德政,楊炳儒.  北京科技大學學報. 2006(04)

博士論文
[1]時間序列相似性與預測算法研究及其應用[D]. 閆明月.北京交通大學 2014
[2]時間序列數(shù)據(jù)挖掘若干關(guān)鍵問題研究[D]. 何曉旭.中國科學技術(shù)大學 2014
[3]時間序列數(shù)據(jù)挖掘中的特征表示與相似性度量方法研究[D]. 李海林.大連理工大學 2012
[4]時間序列模式匹配技術(shù)研究[D]. 張勇.華中科技大學 2012
[5]時間序列的分割及不一致發(fā)現(xiàn)研究[D]. 李桂玲.華中科技大學 2012
[6]譜聚類方法研究及其在金融時間序列數(shù)據(jù)挖掘中的應用[D]. 蘇木亞.大連理工大學 2011
[7]金融時間序列模式挖掘方法的研究[D]. 吳學雁.華南理工大學 2010
[8]時間序列相似性問題研究[D]. 李俊奎.華中科技大學 2008
[9]基于模型的時間序列數(shù)據(jù)挖掘[D]. 段江嬌.復旦大學 2008
[10]時間序列數(shù)據(jù)挖掘相似性度量和周期模式挖掘研究[D]. 董曉莉.天津大學 2007

碩士論文
[1]時間序列特征表示及相似性度量方法研究[D]. 鄭旭.長春工業(yè)大學 2015
[2]不確定性時間序列的降維與相似性匹配研究[D]. 肖瑞.東華大學 2014
[3]基于特征信息的測井曲線相似度算法研究與應用[D]. 高興.東北石油大學 2013
[4]基于交叉熵的序列事件周期性檢測及應用研究[D]. 楊銳.電子科技大學 2013
[5]時間序列數(shù)據(jù)的周期性研究[D]. 郭龍.電子科技大學 2013
[6]基于動態(tài)扭曲算法的時間序列部分周期模式挖掘研究[D]. 盧榮.天津大學 2009
[7]時間序列相似性查詢及異常檢測算法的研究[D]. 杜洪波.沈陽工業(yè)大學 2008
[8]一種新的曲線相似性判別方法研究[D]. 朱潔.武漢理工大學 2008
[9]時間序列部分周期模式挖掘算法研究[D]. 王端偉.天津大學 2008
[10]基于演化計算的在線手寫簽名驗證方法實現(xiàn)[D]. 匡韜.武漢理工大學 2006



本文編號：3703725