隨著不同類型傳感器在網(wǎng)絡(luò)中的廣泛應(yīng)用,多變量數(shù)據(jù)流的精確分類問題已經(jīng)成為數(shù)據(jù)挖掘和機器學習領(lǐng)域的研究熱點。由于網(wǎng)絡(luò)中數(shù)據(jù)流的特征隨時間和網(wǎng)絡(luò)環(huán)境的變化而發(fā)生變化,數(shù)據(jù)流會不斷有新的類別產(chǎn)生,導致分類精度下降。目前,已經(jīng)有大量關(guān)于多變量數(shù)據(jù)流的分類方法,但他們都沒有考慮到新類的產(chǎn)生。然而在現(xiàn)實生活中,很多應(yīng)用領(lǐng)域的數(shù)據(jù)都會有新的數(shù)據(jù)類別產(chǎn)生,及時檢測到新類別,可以提高分類精度,并且對于實際生活有很大的意義。在目前的數(shù)據(jù)流分類研究當中,仍然存在三方面的問題沒有有效的解決:（1）多變量數(shù)據(jù)流當中的新類檢測問題有待研究;（2）較少的考慮到多變量時間序列數(shù)據(jù)流當中流內(nèi)特征之間以及不同流的特征之間的相互影響關(guān)系;（3）在單變量數(shù)據(jù)流的新類檢測方法當中,現(xiàn)有的方法假設(shè)某一個時間內(nèi)只出現(xiàn)一個新類,然而現(xiàn)實可能會同時出現(xiàn)多個新的類別。因此,針對上面的三個問題,本文所做的主要工作就是通過引入特殊的特征提取方法以及基于聚類的模型更新方法來研究數(shù)據(jù)流當中新類檢測的問題,并將該方法應(yīng)用到多變量時間序列數(shù)據(jù)流當中,研究了流挖掘中的一個重要問題,即考慮新類出現(xiàn)的多變量時間序列數(shù)據(jù)流的分類研究或CMCNC（The R... 

【文章來源】：云南大學云南省 211工程院校

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

SENC模型對實例進行分類的流程框架

劃分“異類”異常子區(qū)域

CMCNC模型對實例進行分類的流程框架

【參考文獻】：
期刊論文
[1]基于動態(tài)集成決策樹的多類別時間序列分類模型[J]. 徐雷,Geoff I Webb,Francois Petitjean,張陽.  計算機應(yīng)用研究. 2018(06)
[2]基于信息熵和幾何輪廓相似度的多變量決策樹[J]. 張宇,包研科,邵良杉.  計算機應(yīng)用研究. 2018(04)
[3]基于多樣化top-k shapelets轉(zhuǎn)換的時間序列分類方法[J]. 孫其法,閆秋艷,閆欣鳴.  計算機應(yīng)用. 2017(02)
[4]基于邏輯shapelets轉(zhuǎn)換的時間序列分類算法[J]. 原繼東,王志海,韓萌,游洋.  計算機學報. 2015(07)
[5]一種基于MapReduce的動態(tài)數(shù)據(jù)流分類算法[J]. 馮林,姚遠,陳灃,金博.  大連理工大學學報. 2014(04)
[6]時間序列數(shù)據(jù)流的自適應(yīng)預測[J]. 王永利,周景華,徐宏炳,董逸生,劉學軍.  自動化學報. 2007(02)
[7]高速網(wǎng)絡(luò)數(shù)據(jù)流分類系統(tǒng)[J]. 戚玉華,吳學智,頓新平.  電子測量技術(shù). 2006(05)
[8]遙感圖像分類方法的研究[J]. 潘建剛,趙文吉,宮輝力.  首都師范大學學報(自然科學版). 2004(03)

博士論文
[1]時間序列分類算法研究[D]. 原繼東.北京交通大學 2016
[2]時間序列數(shù)據(jù)流復雜模式挖掘研究[D]. 王超.合肥工業(yè)大學 2015
[3]海量動態(tài)數(shù)據(jù)流分類方法研究[D]. 姚遠.大連理工大學 2013
[4]復雜結(jié)構(gòu)的時間序列數(shù)據(jù)挖掘與預測方法研究[D]. 錢愛玲.華中科技大學 2011
[5]數(shù)據(jù)流上的分類算法的研究[D]. 王鵬.復旦大學 2007

碩士論文
[1]針對網(wǎng)絡(luò)數(shù)據(jù)流的實時分類算法研究[D]. 李尚.哈爾濱工業(yè)大學 2014



本文編號：3516709