本文關鍵詞：時間序列數(shù)據(jù)流復雜模式挖掘研究

  更多相關文章： 時間序列數(shù)據(jù)流 小波變換 分形 分段 頻繁模式 聚類 多分辨率 多粒度

【摘要】：信息及通信技術(shù)的快速發(fā)展使得人類社會生活的各個領域都可以通過數(shù)字化技術(shù)描述為不同模式結(jié)構(gòu)的數(shù)據(jù),數(shù)據(jù)產(chǎn)生的規(guī)模得到了爆發(fā)式的增長,各種類型和結(jié)構(gòu)的數(shù)據(jù)的生成、收集和傳播的速度達到了實時的水平。如何有效的存儲和分析這些具有動態(tài)性、非線性、高維性、復雜性、冗余性等多種特征的時間序列數(shù)據(jù)流,探尋其中的演化規(guī)律,在紛繁復雜的時間序列數(shù)據(jù)流中獲取解決復雜問題的知識已經(jīng)成為了大數(shù)據(jù)時代迫切需要解決的問題。本文圍繞著時間序列數(shù)據(jù)流挖掘的熱點和難點問題,在不同分辨率和不同粒度下對時間序列數(shù)據(jù)流的相關模式進行了分析。針對時間序列數(shù)據(jù)流的特點,設計了在線小波變換方法、趨勢符號表示方法,以及多粒度時變分形維數(shù)的計算方法,并在此基礎上,研究了時間序列數(shù)據(jù)流的多分辨率分段技術(shù)、多分辨率頻繁模式挖掘技術(shù),以及結(jié)合金融時間序列數(shù)據(jù)流的相關特點,綜合利用多分辨率和多粒度的思想,研究了金融時間序列數(shù)據(jù)流的復雜聚類模式挖掘技術(shù)。論文的主要工作如下：1.為了對時間序列數(shù)據(jù)流進行多分辨率分解,設計了在線離散二進小波分解技術(shù),解決了不同小波函數(shù)產(chǎn)生的邊界延拓問題,消除了邊界延拓產(chǎn)生的數(shù)據(jù)序列兩端的模式扭曲的現(xiàn)象。2.研究了時間序列數(shù)據(jù)流的多分辨率分段方法,可以同時對不同分辨率下的時間序列數(shù)據(jù)流進行分段,構(gòu)建基于分辨率的分段層次結(jié)構(gòu),并可以依據(jù)時間序列數(shù)據(jù)流的分布變化實時更新分段模式。3.研究了線性趨勢的多分辨率符號表示方法,能夠有效的表征時間序列數(shù)據(jù)流的趨勢信息,直觀的表示時間序列數(shù)據(jù)流的變化規(guī)律。4.研究了多分辨率趨勢頻繁模式的相關概念及技術(shù),可以對具有相同的趨勢組合,以及相似的趨勢長度比例的模式進行提煉,挖掘時間序列數(shù)據(jù)流中頻繁出現(xiàn)的趨勢模式。5.研究了基于小波變換融合延拓技術(shù)的時間序列數(shù)據(jù)流多粒度時變分形維數(shù)計算方法,能夠有效的挖掘時間序列數(shù)據(jù)流分布信息變化的重要特征,有助于全面準確的分析和挖掘時間序列數(shù)據(jù)流中的隱含知識和規(guī)律,從不同的角度研究了時間序列數(shù)據(jù)流的演化規(guī)律。6.將時間序列數(shù)據(jù)流挖掘的多分辨率分段和多粒度分形維數(shù)等相關技術(shù)應用到金融時間序列數(shù)據(jù)流的聚類模式分析中,設計了實時的金融時間序列數(shù)據(jù)流聚類挖掘方法,可以挖掘金融時間序列數(shù)據(jù)流在不同分辨率和粒度下的演化規(guī)律。
【關鍵詞】：時間序列數(shù)據(jù)流 小波變換 分形 分段 頻繁模式 聚類 多分辨率 多粒度
【學位授予單位】：合肥工業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：O211.61;TP311.13
【目錄】：

• 致謝9-10
• 摘要10-12
• ABSTRACT12-20
• 第一章 緒論20-36
• 1.1 研究背景及意義20-21
• 1.2 時間序列數(shù)據(jù)流模式挖掘研究現(xiàn)狀21-32
• 1.2.1 時間序列數(shù)據(jù)流的表示和維數(shù)約減研究現(xiàn)狀21-24
• 1.2.2 時間序列數(shù)據(jù)流分析中的相似度計算的研究現(xiàn)狀24-26
• 1.2.3 時間序列數(shù)據(jù)流的分形特征的研究現(xiàn)狀26-27
• 1.2.4 時間序列數(shù)據(jù)流的模式挖掘研究現(xiàn)狀27-32
• 1.3 本文工作32-36
• 1.3.1 本文的主要研究內(nèi)容32-34
• 1.3.2 本文的組織結(jié)構(gòu)34-36
• 第二章 數(shù)據(jù)流挖掘的基本概念及相關技術(shù)概述36-51
• 2.1 數(shù)據(jù)流模型及其特點36-38
• 2.1.1 數(shù)據(jù)流模型36-37
• 2.1.2 數(shù)據(jù)流特點37-38
• 2.2 數(shù)據(jù)流挖掘技術(shù)38-49
• 2.2.1 窗口技術(shù)39-41
• 2.2.2 動態(tài)抽樣技術(shù)41-44
• 2.2.3 概要數(shù)據(jù)結(jié)構(gòu)44-49
• 2.3 數(shù)據(jù)流實時分析方法49-50
• 2.4 本章小結(jié)50-51
• 第三章 時間序列數(shù)據(jù)流多分辨率動態(tài)分段表示方法51-68
• 3.1 時間序列數(shù)據(jù)流分段概述51-52
• 3.2 時間序列數(shù)據(jù)流多分辨率動態(tài)分段的基本概念及計算方法52-61
• 3.2.1 時間序列數(shù)據(jù)流多分辨率動態(tài)分段的基本概念及相關技術(shù)52-56
• 3.2.2 時間序列數(shù)據(jù)流多分辨率動態(tài)分段的計算方法56-61
• 3.3 時間序列數(shù)據(jù)流多分辨率動態(tài)分段的相關實驗及分析61-67
• 3.3.1 在線離散二進小波變換分析61-62
• 3.3.2 EFSW分段算法性能分析62-65
• 3.3.3 多分辨率分段算法分析65-67
• 3.4 本章小結(jié)67-68
• 第四章 時間序列數(shù)據(jù)流多粒度時變分形維數(shù)計算方法68-93
• 4.1 分形維數(shù)及其計算方法概述68-71
• 4.1.1 分形維數(shù)的定義68-69
• 4.1.2 分形維數(shù)的計算方法69-71
• 4.2 時間序列數(shù)據(jù)流多粒度時變分形維數(shù)的基本概念和計算方法71-80
• 4.2.1 時間序列數(shù)據(jù)流多粒度時變分形維數(shù)的相關概念72-73
• 4.2.2 時間序列數(shù)據(jù)流多粒度時變分形維數(shù)的計算方法73-80
• 4.3 時間序列數(shù)據(jù)流多粒度時變分形維數(shù)計算的相關算法及實驗分析80-92
• 4.3.1 時間序列數(shù)據(jù)流多粒度時變分形維數(shù)計算的相關算法80-83
• 4.3.2 時間序列數(shù)據(jù)流多粒度時變分形維數(shù)計算實驗分析83-92
• 4.4 本章小結(jié)92-93
• 第五章 時間序列數(shù)據(jù)流頻繁模式挖掘方法93-115
• 5.1 時間序列數(shù)據(jù)流頻繁模式挖掘概述93-95
• 5.2 時間序列數(shù)據(jù)流多分辨率趨勢符號表示方法95-102
• 5.2.1 多分辨率趨勢符號表示的相關概念及意義95-100
• 5.2.2 多分辨率趨勢符號表示的計算方法100-102
• 5.3 時間序列數(shù)據(jù)流多分辨率頻繁趨勢模式挖掘方法102-110
• 5.3.1 時間序列數(shù)據(jù)流多分辨率頻繁趨勢模式的特征及概念102-107
• 5.3.2 時間序列數(shù)據(jù)流多分辨率頻繁趨勢模式挖掘算法107-110
• 5.4 時間序列數(shù)據(jù)流多分辨率頻繁趨勢模式挖掘的相關實驗及分析110-114
• 5.4.1 已知植入頻繁模式的挖掘110-112
• 5.4.2 性能分析112-114
• 5.5 本章小結(jié)114-115
• 第六章 金融時間序列數(shù)據(jù)流復雜模式分析研究115-132
• 6.1 金融時間序列數(shù)據(jù)流復雜模式分析概述115-116
• 6.2 金融時間序列數(shù)據(jù)流復雜聚類模式挖掘方法116-122
• 6.2.1 金融時間序列數(shù)據(jù)流相似度計算方法117-120
• 6.2.2 金融時間序列數(shù)據(jù)流聚類模式挖掘算法120-122
• 6.3 金融時間序列數(shù)據(jù)流聚類模式挖掘相關實驗122-129
• 6.3.1 多粒度時變分形維數(shù)計算122-124
• 6.3.2 基于多粒度時變分形維數(shù)相似度的聚類分析124-126
• 6.3.3 基于不同分辨率的聚類模式演化分析126-129
• 6.4 金融時間序列數(shù)據(jù)流復雜模式挖掘體系結(jié)構(gòu)129-131
• 6.5 本章小結(jié)131-132
• 第七章 總結(jié)與展望132-135
• 7.1 論文工作的總結(jié)132-134
• 7.2 展望134-135
• 參考文獻135-150
• 攻讀博士學位期間的學術(shù)活動及成果情況150-151

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王飛超;李國;倪現(xiàn)君;韓業(yè)紅;;數(shù)據(jù)流頻繁項挖掘的研究[J];中國科技信息;2010年19期

2 陳磊松;;數(shù)據(jù)流處理系統(tǒng)的負載控制策略研究[J];漳州師范學院學報(自然科學版);2009年03期

3 王冬秀;張海鵬;李輝;;數(shù)據(jù)流聚類算法分析[J];大眾科技;2011年05期

4 陳磊松;林錦賢;;面向高速網(wǎng)絡的數(shù)據(jù)流處理模型研究[J];漳州師范學院學報(自然科學版);2006年02期

5 楊瑋;;企業(yè)級數(shù)據(jù)中心數(shù)據(jù)流處理方案設計[J];中國科技信息;2007年15期

6 黃松英;;一個數(shù)據(jù)流查詢系統(tǒng)的設計與實現(xiàn)[J];紹興文理學院學報;2006年04期

7 陳磊松;林國平;;數(shù)據(jù)流窗口查詢語義的局限性及改進方法[J];漳州師范學院學報(自然科學版);2008年03期

8 錢哨;;數(shù)據(jù)流系統(tǒng)中鏈式調(diào)度算法的改進[J];內(nèi)蒙古師范大學學報(自然科學漢文版);2009年01期

9 李嘉欣;;一種基于拓撲特征的數(shù)據(jù)流調(diào)度策略[J];科技導報;2013年17期

10 譚博閱;劉寧;;數(shù)據(jù)流中的近似查詢技術(shù)[J];世界科技研究與發(fā)展;2006年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張冬冬;李建中;王偉平;郭龍江;;分布式復式數(shù)據(jù)流的處理[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2004年

2 楚紅濤;寒楓;張燕;王婷;;基于數(shù)據(jù)流的挖掘研究[A];計算機技術(shù)與應用進展·2007——全國第18屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集[C];2007年

3 尹婷;李紅燕;;窗口模型下數(shù)據(jù)流查詢流水化執(zhí)行的研究[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 孟軍;張航黎;張建英;郭禾;;分布式數(shù)據(jù)流的漸增式聚集維護算法[A];2006年全國開放式分布與并行計算學術(shù)會議論文集（二）[C];2006年

5 韓近強;楊冬青;唐世渭;;數(shù)據(jù)流處理中一種自適應的直方圖維護算法[A];第二十屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2003年

6 蔡致遠;熊方;錢衛(wèi)寧;周傲英;;核合并分析及其在數(shù)據(jù)流密度估計上的應用[A];第二十屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2003年

7 王亦兵;楊樹強;王曉偉;;一個面向數(shù)據(jù)流的多維分析系統(tǒng)的研究與實現(xiàn)[A];全國計算機安全學術(shù)交流會論文集（第二十四卷）[C];2009年

8 于亞新;王國仁;陳燦;蘇林;朱歆華;趙相國;;基于操作符優(yōu)先級的兩種分布式數(shù)據(jù)流負載分配算法研究[A];第二十四屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2007年

9 周銳;肖川;王國仁;韓東紅;霍歡;;數(shù)據(jù)流滑動窗口連接上的卸載技術(shù)的研究[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2006年

10 田李;王樂;賈焰;鄒鵬;李愛平;;分布式數(shù)據(jù)流上低通信開銷的連續(xù)極值查詢方法研究[A];第二十四屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 史艷翠;時間序列數(shù)據(jù)流預測技術(shù)與應用研究[D];華北電力大學（河北）;2009年

2 鄭凱;數(shù)據(jù)流上的相似性查詢及優(yōu)化[D];復旦大學;2009年

3 何孔新;面向數(shù)據(jù)流的數(shù)據(jù)聚類算法研究[D];哈爾濱工程大學;2008年

4 李有生;一種改進的數(shù)據(jù)流處理算法的研究與實現(xiàn)[D];吉林大學;2010年

5 周馳;數(shù)據(jù)流上概念漂移的檢測和分類[D];鄭州大學;2010年

6 王小龍;數(shù)據(jù)流上的變化的挖掘算法研究[D];大慶石油學院;2006年

7 王斌;雙層數(shù)據(jù)流聚類框架的設計與實現(xiàn)[D];吉林大學;2004年

8 羅秀;數(shù)據(jù)流在線分類算法的研究與實現(xiàn)[D];東北大學;2009年

9 富春巖;小波方法在數(shù)據(jù)流中的應用與研究[D];哈爾濱理工大學;2007年

10 呂曉;一種改進的數(shù)據(jù)流突變檢測算法的研究[D];哈爾濱工程大學;2009年

，

本文編號：966463