隨著大數(shù)據(jù)技術(shù)的發(fā)展,數(shù)據(jù)挖掘技術(shù)在時(shí)間序列中的應(yīng)用受到了越來越多的關(guān)注。時(shí)間序列特征表示將時(shí)間序列從高維空間轉(zhuǎn)化到低維空間,有效地解決了“維災(zāi)難”問題,且降維后的表示序列可以更好地運(yùn)用到分類、聚類等挖掘任務(wù)中。時(shí)間序列聚類是時(shí)間序列數(shù)據(jù)挖掘中比較重要的任務(wù)之一,采用無監(jiān)督的時(shí)間序列聚類算法可以使內(nèi)部更為相似的時(shí)間序列聚為一類。本文以時(shí)間序列為研究對象,探討其特征表示與聚類算法。首先,采用特征表示方法對時(shí)間序列進(jìn)行降維;然后,采用聚類算法挖掘時(shí)間序列中潛在的分類信息;最后,將特征表示方法和聚類算法應(yīng)用于音樂領(lǐng)域,通過對音樂時(shí)間序列數(shù)據(jù)的分析,挖掘音樂流行趨勢。具體工作如下:(1)針對符號聚合近似表示方法(SAX)沒有考慮序列段內(nèi)部的形態(tài)趨勢和其距離度量在各序列段表示符號一致時(shí)無法度量的問題,提出基于始末距離的時(shí)間序列符號聚合近似表示方法(SAX_SM)。首先,SAX_SM方法使用各序列段的形態(tài)特征和符號特征共同描述低維序列,實(shí)現(xiàn)有效降維。其次,SAX_SM方法使用各序列段的形態(tài)特征構(gòu)建始末距離,并結(jié)合符號距離定義一種新的距離度...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 時(shí)間序列特征表示
        1.2.2 時(shí)間序列聚類算法
        1.2.3 音樂數(shù)據(jù)挖掘
    1.3 研究內(nèi)容及論文結(jié)構(gòu)
        1.3.1 研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)
第二章 時(shí)間序列數(shù)據(jù)的特征表示與聚類相關(guān)研究基礎(chǔ)
    2.1 時(shí)間序列
        2.1.1 時(shí)間序列概念
        2.1.2 時(shí)間序列度量方法
        2.1.3 時(shí)間序列挖掘問題分析
    2.2 時(shí)間序列特征表示
        2.2.1 分段聚合近似表示方法
        2.2.2 符號聚合近似表示方法
    2.3 時(shí)間序列聚類
        2.3.1 K-Means聚類算法
        2.3.2 時(shí)間序列聚類問題分析
    2.4 本章小結(jié)
第三章 基于始末距離的時(shí)間序列符號聚合近似表示
    3.1 時(shí)間序列近似表示方法SAX_SM
        3.1.1 近似表示
        3.1.2 距離度量
        3.1.3 距離度量下界性證明
    3.2 數(shù)值實(shí)驗(yàn)
        3.2.1 實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)數(shù)據(jù)
        3.2.2 分類準(zhǔn)確率
        3.2.3 算法運(yùn)行時(shí)間
    3.3 本章小結(jié)
第四章 基于內(nèi)部簇心調(diào)整的時(shí)間序列聚類
    4.1 時(shí)間序列聚類算法K-Center
        4.1.1 內(nèi)部簇心調(diào)整
        4.1.2 K-Center算法
        4.1.3 時(shí)間復(fù)雜度分析
    4.2 數(shù)值實(shí)驗(yàn)
        4.2.1 實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)數(shù)據(jù)
        4.2.2 實(shí)驗(yàn)結(jié)果分析
    4.3 本章小結(jié)
第五章 SAX_SM方法及K-Center算法在音樂數(shù)據(jù)中的應(yīng)用
    5.1 音樂時(shí)間序列的背景介紹
    5.2 音樂時(shí)間序列的分析預(yù)測
        5.2.1 近似表示
        5.2.2 聚類分析
        5.2.3 流行度預(yù)測
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
碩士期間研究成果



本文編號：3777235