發(fā)布時(shí)間：2020-04-18 03:42

【摘要】：時(shí)間序列作為一種典型的數(shù)據(jù)類別,已廣泛存在于各種實(shí)際應(yīng)用場景中。當(dāng)前,對時(shí)間序列的研究分析已得到了廣泛的關(guān)注。其中,變化點(diǎn)檢測作為時(shí)間序列數(shù)據(jù)分析的重要研究方向之一,在腦電信號分析、視頻處理、機(jī)械運(yùn)行狀態(tài)監(jiān)測等實(shí)際應(yīng)用中發(fā)揮著重要作用。本研究分別以線性時(shí)間序列及具有周期模式的非線性時(shí)間序列為研究對象,沿著“建模分析——時(shí)序異常度計(jì)算——變化點(diǎn)決策”的研究思路,對其無監(jiān)督變化點(diǎn)檢測進(jìn)行理論分析和算法研究,分別從“點(diǎn)層次”和“循環(huán)層次”上提出了有效的變化點(diǎn)檢測算法,并探究了變化點(diǎn)檢測算法在典型時(shí)間序列實(shí)際場景中的應(yīng)用。針對線性時(shí)間序列的變化點(diǎn)檢測,本文分別從一維分析和多維分析的角度出發(fā),提出了有效的變化點(diǎn)檢測算法。對于線性時(shí)間序列的一維分析,首先將給定的時(shí)間序列嵌入到再生核希爾伯特空間中,進(jìn)而通過最大均值差異作為時(shí)序異常度去定量描述時(shí)間序列在嵌入空間中的結(jié)構(gòu)變化情況。根據(jù)最大均值差異及核函數(shù)在再生核希爾伯特空間中的性質(zhì),通過全局置信因子實(shí)現(xiàn)時(shí)間序列變化點(diǎn)的自適應(yīng)決策。不同于線性時(shí)間序列的一維分析,對于多維線性時(shí)間序列的變化點(diǎn)檢測,考慮不同維度上數(shù)據(jù)對結(jié)構(gòu)變化的重要性不同,設(shè)計(jì)了一種針對多維時(shí)間序列的重構(gòu)建模方法。對重構(gòu)得到的時(shí)間序列在各個(gè)維度上進(jìn)行基于CUSUM統(tǒng)計(jì)的時(shí)序異常度計(jì)算,進(jìn)而通過加權(quán)調(diào)和策略對各維度的時(shí)序異常度進(jìn)行融合,最后根據(jù)時(shí)序異常度最大原則結(jié)合設(shè)定的閾值進(jìn)行變化點(diǎn)決策。為驗(yàn)證所提出的變化點(diǎn)檢測算法的有效性,本研究以監(jiān)控視頻為典型應(yīng)用對象,探究了所提出的變化點(diǎn)檢測算法在監(jiān)控視頻關(guān)鍵幀提取中的應(yīng)用。對于非線性時(shí)間序列,本文以具有周期模式的時(shí)間序列為研究對象,以循環(huán)為基本檢測單元,分別對固定周期時(shí)間序列和準(zhǔn)周期時(shí)間序列的變化點(diǎn)檢測展開研究。首先,介紹了基于圖結(jié)構(gòu)分析的固定周期時(shí)間序列變化點(diǎn)檢測算法。該算法對序列的每一循環(huán)進(jìn)行圖結(jié)構(gòu)建模,并構(gòu)建鄰接矩陣對該循環(huán)進(jìn)行數(shù)據(jù)表達(dá),進(jìn)而通過鄰接矩陣的譜分析進(jìn)行時(shí)序異常度的計(jì)算,最終通過隨機(jī)冪鞅的構(gòu)建實(shí)現(xiàn)變化點(diǎn)的決策。不同于固定周期時(shí)間序列的檢測方法,每一循環(huán)上數(shù)據(jù)幅值及頻率的調(diào)制使得準(zhǔn)周期時(shí)間序列無法直接應(yīng)用圖結(jié)構(gòu)建模。因此,本研究給出了一種針對準(zhǔn)周期時(shí)間序列的循環(huán)在線分割及時(shí)序規(guī)整算法�；谝延^測循環(huán),通過循環(huán)起始時(shí)刻的校準(zhǔn)和數(shù)據(jù)長度的決策實(shí)現(xiàn)對當(dāng)前循環(huán)的無監(jiān)督分割。在完成循環(huán)分割的基礎(chǔ)上,確定循環(huán)的標(biāo)準(zhǔn)數(shù)據(jù)長度,進(jìn)而通過基于自適應(yīng)插值和降采樣的時(shí)序規(guī)整方法實(shí)現(xiàn)循環(huán)長度的標(biāo)準(zhǔn)化。同時(shí),針對過度規(guī)整可能掩蓋掉潛在的異常狀態(tài)的問題,設(shè)計(jì)了基于正態(tài)分布假設(shè)檢驗(yàn)的時(shí)控線策略。最后,對規(guī)整后的各循環(huán)進(jìn)行圖結(jié)構(gòu)建模分析,進(jìn)而將基于圖結(jié)構(gòu)的變化點(diǎn)檢測算法推廣到準(zhǔn)周期時(shí)間序列的變化點(diǎn)檢測中,并通過實(shí)驗(yàn)驗(yàn)證了準(zhǔn)周期時(shí)間序列變化點(diǎn)檢測算法應(yīng)用于非平穩(wěn)工況下選擇機(jī)械系統(tǒng)運(yùn)行狀態(tài)監(jiān)測中的有效性。最后,對本研究的主要內(nèi)容進(jìn)行了概況總結(jié),并對后續(xù)的工作展望進(jìn)行了討論。
【圖文】：

擇對于檢測結(jié)果影響較大，且容易產(chǎn)生較大的檢測延遲。逡逑１．２．２無監(jiān)督變化點(diǎn)檢測逡逑無監(jiān)督變化點(diǎn)檢測方法，如圖１－２所示，即利用所觀測到的時(shí)間序列，建立逡逑數(shù)學(xué)模型，通過對當(dāng)前的時(shí)序數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析，定量計(jì)算當(dāng)前時(shí)刻發(fā)生結(jié)逡逑構(gòu)變化的可能性，進(jìn)而對其進(jìn)行變化點(diǎn)決策，輸出變化時(shí)刻。這類方法僅利用逡逑觀測得到的數(shù)據(jù)驅(qū)動建模，無需收集大量的時(shí)間序列進(jìn)行訓(xùn)練，能夠面向更加逡逑廣泛的應(yīng)用對象。逡逑？４邋－逡逑

Ｘ邋＝邋｛ｘｌ，ｘ２，．．．，ｘｍｊ邐ｙ＾｛ｙｉ，ｙ２＾－＾ｙｎ｝逡逑圖２－１線性時(shí)間序列在待測變化點(diǎn)７／處被分割為Ｘ與ｙ逡逑對于給定的線性時(shí)間序列，如圖２－１所示，假定在待測變化時(shí)刻ｒｙ處被分割逡逑為兩個(gè)子序列，記為久＝｛２；１，0；２，．．．，０：？１｝和１＂邋＝邋｛扒，奶，，．．．，２／７１｝，其中爪和幾分逡逑別為兩個(gè)子序列Ｘ和ｙ的長度。對于任意時(shí)刻７；滿足１＜邋７７邋＜ｍ邋＋邋７１，可通過定逡逑量計(jì)算時(shí)間序列在任意時(shí)刻７？處發(fā)生結(jié)構(gòu)變化的可能性進(jìn)行時(shí)序分析。本研究逡逑中，通過異常度來定量描述時(shí)間序列的時(shí)序波動情況。若ｒ／時(shí)刻線性時(shí)間序列逡逑的變化波動較大，即該時(shí)刻的時(shí)序異常度較大，則說明時(shí)間序列在？？時(shí)刻發(fā)生逡逑－１１邋－逡逑
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：O211.61

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 雷亞國;賈峰;周昕;林京;;基于深度學(xué)習(xí)理論的機(jī)械裝備大數(shù)據(jù)健康監(jiān)測方法[J];機(jī)械工程學(xué)報(bào);2015年21期

2 劉群群;何文平;顧斌;;非線性動力學(xué)方法在氣候突變檢測中的應(yīng)用[J];物理學(xué)報(bào);2015年17期

3 陳運(yùn)文;吳飛;吳廬山;劉博;;基于異常檢測的時(shí)間序列研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2015年04期

4 黃瑞梅;杜守洪;陳子怡;張振;周毅;;基于支持向量機(jī)的癲癇腦電信號模式識別研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2013年05期

5 俞國紅;楊德志;叢佩麗;;ARIMA和RBF神經(jīng)網(wǎng)絡(luò)相融合的股票價(jià)格預(yù)測研究[J];計(jì)算機(jī)工程與應(yīng)用;2013年18期

6 孫曉瑩;李曉靜;;數(shù)據(jù)挖掘在股票價(jià)格組合預(yù)測中的應(yīng)用[J];計(jì)算機(jī)仿真;2012年07期

7 王唯賢;陳利軍;;股票價(jià)格預(yù)測的建模與仿真研究[J];計(jì)算機(jī)仿真;2012年01期

本文編號：2631678