本文關(guān)鍵詞： 貝葉斯網(wǎng)絡(luò) 高斯函數(shù) 時(shí)間序列 分類 回歸 數(shù)據(jù)挖掘　出處：《計(jì)算機(jī)學(xué)報(bào)》2017年12期 　論文類型：期刊論文

【摘要】：時(shí)間序列是現(xiàn)實(shí)世界中數(shù)據(jù)的主要表現(xiàn)形式之一,對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)也有著普遍的需求.現(xiàn)已發(fā)展了許多時(shí)間序列(單時(shí)間序列或多時(shí)間序列)預(yù)測(cè)模型,它們各有特點(diǎn),被廣泛用于解決諸多領(lǐng)域的實(shí)際問題,但這些模型或者需要時(shí)間序列平穩(wěn)性和具有線性關(guān)系的假設(shè),或者與某種分布緊密聯(lián)系在一起,這使其適用范圍受到限制,而且也不易于實(shí)現(xiàn)動(dòng)態(tài)和靜態(tài)信息的融合.文中在基于高斯函數(shù)估計(jì)屬性密度的基礎(chǔ)上,結(jié)合轉(zhuǎn)換數(shù)據(jù)集構(gòu)建、回歸變量的離散化、類變量的數(shù)量化、屬性聯(lián)合密度的分解計(jì)算和以類的滿條件概率為權(quán)重的加權(quán)平均等,建立用于時(shí)間序列預(yù)測(cè)的具有超父結(jié)點(diǎn)貝葉斯網(wǎng)絡(luò)回歸模型,該模型能夠在統(tǒng)一的概率框架下實(shí)現(xiàn)對(duì)動(dòng)態(tài)與靜態(tài)信息的融合,不需要平穩(wěn)性、分布和函數(shù)形式的假設(shè),并能夠通過具有不同超父結(jié)點(diǎn)貝葉斯網(wǎng)絡(luò)回歸模型的集成來進(jìn)一步降低回歸誤差和提高泛化能力.使用UCI和宏觀經(jīng)濟(jì)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)的結(jié)果顯示,無論對(duì)單時(shí)間序列還是多時(shí)間序列,具有超父結(jié)點(diǎn)貝葉斯網(wǎng)絡(luò)集成回歸模型均具有良好的回歸可靠性.
[Abstract]:Time series is one of the main forms of data in the real world, and there is also a general demand for time series prediction. Many time series (single time series or multiple time series) prediction models have been developed, each of which has its own characteristics. Are widely used to solve practical problems in many fields, but these models either require assumptions of time series stationarity and linear relationships, or are closely associated with certain distributions, which limit their scope of application. It is also difficult to realize the fusion of dynamic and static information. Based on the estimation of attribute density based on Gao Si function, this paper combines the construction of transformation data sets, the discretization of regression variables and the quantization of class variables. A Bayesian network regression model with super-parent nodes is established for time series prediction by decomposition of attribute joint density and weighted average weighted by full conditional probability of class. The model can realize the fusion of dynamic and static information under the unified probability framework, without the assumption of stationarity, distribution and function form. It can further reduce the regression error and improve the generalization ability by integrating Bayesian network regression models with different super-parent nodes. The experimental results using UCI and macroeconomic data show that, For both single time series and multiple time series, the integrated regression model with super-parent node Bayesian network has good regression reliability.
【作者單位】： 上海立信會(huì)計(jì)金融學(xué)院信息管理學(xué)院;上海立信會(huì)計(jì)金融學(xué)院統(tǒng)計(jì)與數(shù)學(xué)學(xué)院;
【基金】：國家自然科學(xué)基金(61272209) 上海市自然科學(xué)基金(15ZR1429700) 上海市教委科研創(chuàng)新項(xiàng)目(15ZZ099)資助
【分類號(hào)】：O212.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 施久玉,杜金觀;有限個(gè)狀態(tài)時(shí)間序列的某些結(jié)果[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);1990年01期

2 王霞,郭嗣琮,劉淑娟;時(shí)間序列模糊滑動(dòng)預(yù)測(cè)[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年03期

3 溫品人;時(shí)間序列預(yù)測(cè)法的實(shí)際應(yīng)用分析[J];江蘇廣播電視大學(xué)學(xué)報(bào);2001年06期

4 許清海;混沌投資時(shí)間序列的嬗變[J];漳州師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年01期

5 程毛林;時(shí)間序列系統(tǒng)建模預(yù)測(cè)的一種新方法[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2004年08期

6 高潔;長記憶時(shí)間序列適應(yīng)性預(yù)測(cè)的應(yīng)用[J];江南大學(xué)學(xué)報(bào);2004年05期

7 高潔;孫立新;;長記憶時(shí)間序列的適應(yīng)性預(yù)測(cè)誤差的譜密度[J];統(tǒng)計(jì)與決策;2006年13期

8 楊鐘瑾;;淺談時(shí)間序列的分析預(yù)測(cè)[J];中國科技信息;2006年14期

9 李健;孫廣中;許胤龍;;基于時(shí)間序列的預(yù)測(cè)模型應(yīng)用與異常檢測(cè)[J];計(jì)算機(jī)輔助工程;2006年02期

10 耿顯民;;價(jià)格時(shí)間序列及其應(yīng)用(英文)[J];數(shù)學(xué)季刊;2008年01期

相關(guān)會(huì)議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時(shí)間序列預(yù)報(bào)方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

2 盧世坤;李夕海;牛超;陳蛟;;時(shí)間序列的非線性非平穩(wěn)特性研究綜述[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

3 李強(qiáng);;基于線性模型方法對(duì)時(shí)間序列中異常值的檢測(cè)及證券實(shí)證分析[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（上冊(cè)）[C];2002年

4 戴麗金;何振峰;;基于云模型的時(shí)間序列相似性度量方法[A];第八屆中國不確定系統(tǒng)年會(huì)論文集[C];2010年

5 謝美萍;趙希人;莊秀龍;;多維非線性時(shí)間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];1999年

6 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時(shí)間序列化[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會(huì)第六次年會(huì)論文集[C];1990年

7 劉瓊;任福繼;;股市預(yù)測(cè)算法及分析結(jié)果的自然語言生成[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會(huì)論文集[C];2004年

8 蔣斌松;韓立軍;賀永年;;時(shí)間序列Lyapunov指數(shù)的估算及預(yù)測(cè)[A];礦山建設(shè)工程新進(jìn)展——2005全國礦山建設(shè)學(xué)術(shù)會(huì)議文集（下冊(cè)）[C];2005年

9 王會(huì)琦;馬洪;周永道;;基于信息融合的時(shí)間序列RAKE預(yù)測(cè)[A];全國第十屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)年會(huì)論文集[C];2006年

10 盧世坤;李夕海;牛超;;基于AR模型-互信息量的時(shí)間序列非線性度量[A];國家安全地球物理叢書（九）——防災(zāi)減災(zāi)與國家安全[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 翁同峰;時(shí)間序列與復(fù)雜網(wǎng)絡(luò)之間等價(jià)性問題及表征應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

2 原繼東;時(shí)間序列分類算法研究[D];北京交通大學(xué);2016年

3 盧偉;基于粒計(jì)算的時(shí)間序列分析與建模方法研究[D];大連理工大學(xué);2015年

4 胡建明;基于正則化核學(xué)習(xí)模型的時(shí)間序列多步預(yù)測(cè)的研究與應(yīng)用[D];蘭州大學(xué);2016年

5 黃標(biāo)兵;回聲狀態(tài)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)方法及應(yīng)用研究[D];吉林大學(xué);2017年

6 劉文;海量時(shí)間序列數(shù)據(jù)處理的關(guān)鍵技術(shù)研究[D];大連理工大學(xué);2017年

7 王曉曄;時(shí)間序列數(shù)據(jù)挖掘中相似性和趨勢(shì)預(yù)測(cè)的研究[D];天津大學(xué);2003年

8 李桂玲;時(shí)間序列的分割及不一致發(fā)現(xiàn)研究[D];華中科技大學(xué);2012年

9 周勇;時(shí)間序列時(shí)序關(guān)聯(lián)規(guī)則挖掘研究[D];西南財(cái)經(jīng)大學(xué);2008年

10 張勇;時(shí)間序列模式匹配技術(shù)研究[D];華中科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 蘭鑫;時(shí)間序列的復(fù)雜網(wǎng)絡(luò)轉(zhuǎn)換策略研究[D];西南大學(xué);2015年

2 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預(yù)測(cè)方法[D];南京信息工程大學(xué);2015年

3 高雄飛;基于分形理論的土壤含水量時(shí)間序列特性分析[D];長安大學(xué);2015年

4 郭力萌;基于統(tǒng)計(jì)信號(hào)處理的時(shí)間序列預(yù)測(cè)模型選擇方法研究[D];哈爾濱工業(yè)大學(xué);2015年

5 劉鑫;基于復(fù)雜網(wǎng)絡(luò)理論的心電時(shí)間序列自回歸模型研究[D];復(fù)旦大學(xué);2014年

6 夏斐;基于動(dòng)態(tài)規(guī)劃和DTW匹配的時(shí)間序列索引方法研究[D];大連理工大學(xué);2015年

7 王維;基于傳統(tǒng)模型與數(shù)據(jù)挖掘法對(duì)長記憶時(shí)序的研究[D];南京大學(xué);2014年

8 張寧;離散值時(shí)間序列的統(tǒng)計(jì)分析[D];南京大學(xué);2015年

9 趙銀玲;復(fù)雜網(wǎng)絡(luò)到時(shí)間序列轉(zhuǎn)換過程中矩陣特性的研究[D];哈爾濱工業(yè)大學(xué);2014年

10 李鴻利;時(shí)間序列的行為匹配與評(píng)估技術(shù)研究[D];解放軍信息工程大學(xué);2014年

，

本文編號(hào)：1499276