面向時(shí)間序列相似性的序列模式挖掘及應(yīng)用.pdf

1、時(shí)間序列數(shù)據(jù)分析技術(shù)已廣泛應(yīng)用于交通、金融、環(huán)境、醫(yī)學(xué)等領(lǐng)域的數(shù)據(jù)挖掘中，其重要性與日俱增。傳統(tǒng)時(shí)間序列數(shù)據(jù)分析技術(shù)大多側(cè)重于對(duì)整段時(shí)間序列建立各種數(shù)學(xué)模型，而忽視了特定區(qū)間的時(shí)間序列對(duì)結(jié)果分析的重要性;同時(shí)，傳統(tǒng)時(shí)間序列數(shù)據(jù)分析技術(shù)研究對(duì)象主要是單變量時(shí)間序列，未考慮受多種因素影響的多變量時(shí)間序列;此外，時(shí)間序列模式挖掘的研究方法是直接對(duì)大量歷史時(shí)間序列進(jìn)行符號(hào)化，存在針對(duì)性不強(qiáng)、速度較慢等問(wèn)題。針對(duì)上述問(wèn)題，本文在深入分析傳統(tǒng)時(shí)間序

2、列相似性搜索算法和經(jīng)典時(shí)間序列模式挖掘算法的基礎(chǔ)上，在單變量時(shí)間序列方面，研究了各時(shí)間段序列的權(quán)值分配算法以及加權(quán)單變量時(shí)間序列相似性搜索算法;在多變量時(shí)間序列方面，研究了不同變量時(shí)間序列的權(quán)值分配算法以及加權(quán)多變量時(shí)間序列的相似性搜索算法;在此基礎(chǔ)上對(duì)時(shí)間序列模式挖掘過(guò)程進(jìn)行了優(yōu)化;此外，還以滬深A(yù)股的實(shí)際交易價(jià)格時(shí)間序列為驗(yàn)證對(duì)象，對(duì)本文的研究成果進(jìn)行了實(shí)驗(yàn)驗(yàn)證。
　　本研究主要內(nèi)容包括：⑴提出了單變量時(shí)間序列各時(shí)間段序列的權(quán)

3、值分配算法和加權(quán)單變量時(shí)間序列相似性搜索算法。針對(duì)各個(gè)時(shí)間序列區(qū)間具有不同特性且對(duì)相似性搜索結(jié)果的有效性影響程度各異，借鑒資訊檢索中詞條相關(guān)性算法，提出了各時(shí)間序列區(qū)間的權(quán)值分配算法，并將權(quán)值引入余弦相似性度量方法進(jìn)行加權(quán)單變量時(shí)間序列相似性搜索。實(shí)驗(yàn)結(jié)果表明，加權(quán)單變量時(shí)間序列相似性搜索算法的準(zhǔn)確性更高；⑵提出了多變量時(shí)間序列各變量的權(quán)值分配算法和加權(quán)多變量時(shí)間序列相似性搜索算法。針對(duì)單變量時(shí)間序列相似性搜索算法僅考慮單個(gè)影響因素的不

4、足，借鑒多屬性決策問(wèn)題的相對(duì)熵賦權(quán)法，提出了一種適合于多變量時(shí)間序列相似性搜索的變量權(quán)值分配算法及相應(yīng)的多變量時(shí)間序列相似性搜索算法。實(shí)驗(yàn)結(jié)果表明，加權(quán)多變量時(shí)間序列相似性搜索算法所搜索出的時(shí)間序列其后續(xù)序列與理想股價(jià)走勢(shì)序列相似性更高；⑶設(shè)計(jì)了基于加權(quán)時(shí)間序列相似性搜索的時(shí)間序列模式挖掘優(yōu)化方案。針對(duì)已有的時(shí)間序列模式挖掘思路針對(duì)性差、時(shí)間消耗大等缺點(diǎn)，融合了加權(quán)多變量時(shí)間序列相似性搜索算法和差分符號(hào)化方法對(duì)時(shí)間序列模式挖掘預(yù)處理過(guò)程