現(xiàn)代科學已成為數(shù)據(jù)密集型學科。因此,用于數(shù)據(jù)管理,數(shù)據(jù)共享和發(fā)現(xiàn)新穎數(shù)據(jù)集的創(chuàng)新解決方案的需求與日俱增。大數(shù)據(jù)時代,時序數(shù)據(jù)在各行各業(yè)的重要性漸漸凸顯。通常時序數(shù)據(jù)具有非平穩(wěn)的特點,常見的相關(guān)性分析方法難以刻畫。多重分形降趨勢交叉相關(guān)性分析（Multi-Fractal De-trended Fluctuation CrossCorrelation Analysis,MF-DCCA）方法卻能夠很好的刻畫兩個非平穩(wěn)時間序列之間的非線性波動相關(guān)性。本文在藥物研發(fā)、產(chǎn)業(yè)工人、股票市場領(lǐng)域做了以下研究:在藥物研發(fā)領(lǐng)域,本文率先使用假性時間序列和MF-DCCA方法研究了藥物分子性質(zhì)與水溶性之間的非線性交叉相關(guān)性。實驗結(jié)果表明,藥物分子的分子量和水溶性之間具有較弱的長程交叉相關(guān)性;其他藥物分子性質(zhì)和水溶性之間具有較弱的冪律交叉相關(guān)性;滑動窗口寬度對時變赫斯特指數(shù)的魯棒性較強。這項工作可以為深度學習藥物分子性質(zhì)預(yù)測的多尺度特征輸入任務(wù),提供一種新的特征選擇方法。在產(chǎn)業(yè)工人領(lǐng)域,本文通過網(wǎng)絡(luò)大數(shù)據(jù)和MF-DCCA方法的結(jié)合對產(chǎn)業(yè)工人隊伍的研究文獻和網(wǎng)絡(luò)搜索做了調(diào)研。對產(chǎn)業(yè)工人隊伍相關(guān)的文獻基金資助、文獻... 

【文章來源】：四川師范大學四川省

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【部分圖文】：

圖2.1分形現(xiàn)象近年來，越來越多的學者將物理學等學科中的方法和理論應(yīng)用到了金融系統(tǒng)

四川師范大學碩士學位論文主要研究方法6MF-DFA在金融市場應(yīng)用較為廣泛，如：股票市嘗黃金市嘗外匯市場等。DCCA方法、MF-DCCA方法、DCCA系數(shù)法[3,20,25]也有較為廣泛的應(yīng)用。2.2多重分形降趨勢交叉相關(guān)性分析現(xiàn)實生活中，大量的分析案例都是多重分形綜合分析的情況。為了有效的考察兩個非平穩(wěn)時間序列之間的多重分形特征，基于MF-DFA和DCCA方法，Zhou[20]等人提出了多重分形降趨勢交叉相關(guān)分析（MultifractalDe-trendedFluctuationCross-CorrelationAnalysis,MF-DCCA）方法。MF-DCCA算法步驟如圖2.1所示：圖2.1算法基本流程MF-DCCA如圖2.1，首先a.假設(shè)兩個等長的時間序列tx和ty，其中，t1,N，N表示時間序列的長度；b.基于這兩個時間序列，構(gòu)造新的時間序列tX和tY，其中，x和y表示兩個時間序列的平均值：

喙匭�。最后时睖Z慕徊嫦喙匭約煅榱舜翱誑?度對赫斯特指數(shù)的魯棒性。3.1引言深度學習的再一次興起為藥物研發(fā)提供了便捷的實驗壞境，克服了客觀因素制約的困難。學術(shù)界在藥物性質(zhì)預(yù)測方面也取得了較大的成功[8-10]。但是隨著神經(jīng)網(wǎng)絡(luò)層數(shù)的增加，預(yù)測精度顯著提升，而神經(jīng)網(wǎng)絡(luò)內(nèi)部的組織機理卻無法合理解釋[11]。在多尺度輸入的神經(jīng)網(wǎng)絡(luò)任務(wù)中，可能包含了較多的冗余信息，如何降低數(shù)據(jù)維度而不影響神經(jīng)網(wǎng)絡(luò)的預(yù)測性能，成為一個重要的研究課題。本章從非線性角度出發(fā)，探究神經(jīng)網(wǎng)絡(luò)輸入端和輸出端之間的交叉相關(guān)性，如圖3.1所示。圖3.1深度學習黑匣子圖的隱藏層，以遞歸神經(jīng)網(wǎng)絡(luò)（RNN）為例本章旨在基于假性時間序列和廣泛用于深度學習（DeepLearning,DL）的Delaney-processed數(shù)據(jù)集，利用MF-DCCA方法考察藥物分子性質(zhì)與水溶性之間的交叉相關(guān)性。這是基于經(jīng)驗首次嘗試使用MF-DCCA來研究藥物分子性質(zhì)和水溶性之間的交叉相關(guān)性。實驗中，首先通過交叉統(tǒng)計量方法驗證藥物分子性質(zhì)和水溶性之間是否存在多重分形特征；然后通過MF-DCCA方法定量考察了藥物分子性質(zhì)和水溶性之間的多重分形交叉特征；最后滑動窗口方法用于檢驗時變交叉相關(guān)性，并驗證了滑動窗口寬度對Hurst指數(shù)的魯棒性。通過MF-DCCA方法，旨在找到一種降低數(shù)據(jù)維度而不影響神經(jīng)網(wǎng)絡(luò)預(yù)測性能的特征篩選方法。本章的組織結(jié)構(gòu)如圖3.2所示。

【參考文獻】：
期刊論文
[1]基于文獻調(diào)研的中國自然保護地社區(qū)保護沖突類型及熱點研究[J]. 王應(yīng)臨,張玉鈞.  風景園林. 2019(11)
[2]計算機操作系統(tǒng)網(wǎng)絡(luò)關(guān)注度與市場份額相關(guān)性分析——以百度指數(shù)作為關(guān)注度的一項網(wǎng)絡(luò)計量研究[J]. 谷麗,安書樂,任立強,閻慰椿.  科學與管理. 2015(04)



本文編號：3513814