時間序列數(shù)據(jù)廣泛存在于社會生活的各個領(lǐng)域,對日益激增的高維、龐雜、連續(xù)的時間序列進(jìn)行有效降維處理、挖掘和利用其中有價值的信息,已成為業(yè)界、學(xué)術(shù)界的熱點研究問題。時間序列符號表示方法,因具有良好的降維性能、簡單高效、對噪聲具有魯棒性等特點,在時間序列數(shù)據(jù)挖掘領(lǐng)域得到廣泛研究和應(yīng)用。目前基于符號表示的時間序列分類方法雖然已經(jīng)取得了豐碩的研究成果,但是在維數(shù)約減、有效提取和利用數(shù)據(jù)特征方面仍存在一些不足,因此提高時間序列符號表示分類算法的分類性能的研究成為時間序列數(shù)據(jù)挖掘領(lǐng)域的研究熱點。本文分別針對單變量時間序列和多變量時間序列符號表示分類中的維數(shù)約減和特征提取與表示進(jìn)行深入研究,主要目的是進(jìn)一步提高符號化分類算法的分類性能,有效節(jié)省時間序列數(shù)據(jù)處理的存儲資源和計算資源。主要研究內(nèi)容如下:(1)針對大部分現(xiàn)有的基于符號表示的單變量時間序列分類方法都沒有考慮類別的先驗知識對算法分類性能的影響,提出一種基于LDA(Linear Discriminant Analysis)符號表示的單變量時間序列分類算法LDA_SC(LDA Symbolic Classification)。首...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 單變量時間序列符號表示分類研究現(xiàn)狀
        1.2.2 多變量時間序列符號表示分類研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文組織結(jié)構(gòu)
2 基于LDA符號表示的單變量時間序列分類
    2.1 研究基礎(chǔ)
        2.1.1 基本概念
        2.1.2 線性判別分析
        2.1.3 信息增益
        2.1.4 符號近似表示
        2.1.5 距離度量
        2.1.6 威爾克森符號秩檢驗
    2.2 基于LDA符號表示的時間序列分類算法
    2.3 實驗結(jié)果分析
        2.3.1 數(shù)據(jù)集描述
        2.3.2 性能比較
        2.3.3 參數(shù)對算法分類性能的影響
    2.4 本章小結(jié)
3 基于OLPP符號表示的單變量時間序列分類
    3.1 研究基礎(chǔ)
        3.1.1 正交局部保持映射
        3.1.2 符號近似表示和距離度量
    3.2 基于OLPP符號表示的時間序列分類算法
    3.3 實驗結(jié)果分析
        3.3.1 性能比較
        3.3.2 參數(shù)對算法性能的影響
    3.4 本章小結(jié)
4 基于符號表示的多變量時間序列分類
    4.1 基于中心序列的MTS符號表示分類
        4.1.1 MTS的中心序列
        4.1.2 基于中心序列的符號表示分類算法
    4.2 基于OLPP的 MTS符號表示分類
        4.2.1 符號近似表示MSRO
        4.2.2 分類距離
        4.2.3 基于OLPP的 MTS符號表示分類算法
    4.3 實驗結(jié)果分析
        4.3.1 數(shù)據(jù)集描述
        4.3.2 性能比較
        4.3.3 參數(shù)對算法性能的影響
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡介
致謝



本文編號：3783187