基于深度學習的時間序列特征表示
本文關鍵詞:基于深度學習的時間序列特征表示
更多相關文章: 時間序列 數(shù)據(jù)挖掘 特征表示 度學習 限玻爾茲曼機 深信度網(wǎng)絡
【摘要】:時間序列作為一種具有巨大挖掘價值的數(shù)據(jù)對象,廣泛存在于各個領域之中,流媒體文件數(shù)據(jù)、金融財務數(shù)據(jù)、氣象觀測數(shù)據(jù)、人口普查數(shù)據(jù)、系統(tǒng)日志數(shù)據(jù)等都是時間序列的存在形式。相應地,時間序列數(shù)據(jù)挖掘的研究成果已經(jīng)成功地在氣象、交通、金融、工業(yè)、醫(yī)藥、計算機系統(tǒng)與網(wǎng)絡、農(nóng)業(yè)等領域?qū)崿F(xiàn)了具體的應用。時間序列數(shù)據(jù)中蘊含著巨大的有價值的信息,包括了直觀可見的信息和隱含潛在的知識,研究如何有效地挖掘出時間序列數(shù)據(jù)中隱含的、潛在的知識與信息,具有重要的理論價值和現(xiàn)實意義。然而,由于時間序列數(shù)據(jù)的時序相關性、維度高、海量性和多特征等特性,使得如何有效地對時間序列數(shù)據(jù)進行特征表示,從而更有效地進行數(shù)據(jù)挖掘工作面臨著巨大的挑戰(zhàn)。時間序列的特征表示是在保留時間序列關鍵信息的前提下,降低時間序列數(shù)據(jù)的維度及除去噪聲,有效地選擇維度低、數(shù)量少且能反映原時間序列數(shù)據(jù)主要規(guī)律信息的特征子集,從而實現(xiàn)時間序列數(shù)據(jù)的特征表示和維度簡約。傳統(tǒng)的時間序列特征表示方法主要是根據(jù)一個假想的數(shù)學模型對時間序列進行踩點取樣,這類方法不直觀,并且需要對時間序列數(shù)據(jù)很有研究的專家構(gòu)建數(shù)學模型,在特征投影時容易丟失掉時間域上的重要信息,所以傳統(tǒng)的時間序列數(shù)據(jù)特征表示方法對于當今大數(shù)據(jù)時代海量的時間序列數(shù)據(jù)的處理顯然是力不從心。本文深入研究時間序列數(shù)據(jù)挖掘研究中的特征表示問題,通過分析研究已有的時間序列特征表示方法的優(yōu)勢與缺陷。借鑒深度學習在計算機視覺/圖像識別領域取得的突破性研究成果,將深度學習的最新研究成果應用于時間序列數(shù)據(jù)的特征表示工作,通過深入研究了多種深度學習模型,最終發(fā)掘出深信度網(wǎng)絡模型對于時間序列特征表示具有優(yōu)越的性能。并將該模型在19套UCR時間序列基準數(shù)據(jù)集上與傳統(tǒng)的四種特征表示算法進行性能比對。
【學位授予單位】:云南大學
【學位級別】:碩士
【學位授予年份】:2016
【分類號】:TP311.13;O211.61
【相似文獻】
中國期刊全文數(shù)據(jù)庫 前10條
1 周寶宏;;蛋白激酶的序列特征型[J];國外醫(yī)學(分子生物學分冊);1989年04期
2 馬京生,蔣錦昌;地震前動物異常的序列特征及其分析[J];西北地震學報;1982年01期
3 王洪波;郭珍珍;于家峰;王吉華;;基于序列及結(jié)構(gòu)特征的固有無序蛋白—核酸相互作用位點預測分析[J];德州學院學報;2014年02期
4 焦典;顧珉;傅靜;李石法;謝建明;孫嘯;;基于特征的核酸序列數(shù)據(jù)庫搜索系統(tǒng)[J];中國生物醫(yī)學工程學報;2006年06期
5 張光亞;葛慧華;方柏山;;基于不同序列特征值預測氧化還原酶輔酶類型的研究[J];計算機與應用化學;2008年05期
6 喻達輝,李有寧,吳開暢;中國、日本和澳大利亞珍珠貝的ITS2序列特征分析[J];南方水產(chǎn);2005年02期
7 張強;李宏;趙小慶;許士華;;基因外顯子連接序列與相應內(nèi)含子序列的相互作用[J];生物信息學;2013年03期
8 陳翠霞,李前忠;模式生物基因序列的識別[J];內(nèi)蒙古大學學報(自然科學版);2005年04期
9 韓忠敏;昝玉璽;王天云;;人β-干擾素核基質(zhì)結(jié)合區(qū)序列的克隆與分析[J];鄭州鐵路職業(yè)技術學院學報;2007年02期
10 吳敏;王星果;張營;徐建榮;顧志良;;溼線粒體ND5基因測序與序列特征分析[J];常熟理工學院學報;2011年02期
中國重要會議論文全文數(shù)據(jù)庫 前6條
1 郭潤芳;李多川;;疏綿狀嗜熱絲孢菌耐熱幾丁質(zhì)酶基因的cDNA克隆及序列特征[A];2005熱帶亞熱帶微生物資源的遺傳多樣性與基因發(fā)掘利用研討會論文集[C];2005年
2 習丙文;Mikulá,
本文編號:1157704
本文鏈接:http://sikaile.net/kejilunwen/yysx/1157704.html