時間序列數(shù)據(jù)挖掘在生物醫(yī)學中的應(yīng)用研究.pdf

1、隨著計算機技術(shù)及其應(yīng)用的廣泛普及和超大容量存儲技術(shù)的發(fā)展，人們在各行各業(yè)的應(yīng)用和科學研究中，積累的數(shù)據(jù)則呈現(xiàn)爆炸式增長。這些海量數(shù)據(jù)背后隱藏著具有大量的重要價值的參考信息。如何充分利用這些海量數(shù)據(jù)，從中挖掘出更有價值需要的信息是目前數(shù)據(jù)挖掘領(lǐng)域廣泛研究的熱點問題。
　　 時間序列數(shù)據(jù)具有空間或者時間順序的特征，通過時間序列數(shù)據(jù)挖掘，可以獲得與時間或空間密切相關(guān)的有用信息，實現(xiàn)對相關(guān)知識的提取。由于時間序列數(shù)據(jù)具有噪聲干擾、信號波

2、動和高維性且數(shù)據(jù)類型復雜多樣等特點，同時也是數(shù)據(jù)挖掘的重要研究方向和研究熱點之一，所以對時間序列數(shù)據(jù)挖掘的深入研究是非常具有挑戰(zhàn)性和必要性。時間序列數(shù)據(jù)挖掘的研究內(nèi)容有許多，重點包括時間序列的相似性查詢、時間序列的異常檢測、時間序列的模式表示、時間序列的關(guān)聯(lián)規(guī)則、時間序列的分類和聚類、時間序列的趨勢分段，以及對時間序列數(shù)據(jù)挖掘框架的研究等等。
　　 本文在分析國內(nèi)外時間序列數(shù)據(jù)挖掘的研究發(fā)展和實際應(yīng)用需求基礎(chǔ)上，以生物醫(yī)學領(lǐng)域中

3、顱內(nèi)壓、動脈血壓等相關(guān)時間序列數(shù)據(jù)的分析處理為實際應(yīng)用背景，對時間序列數(shù)據(jù)挖掘中的時間序列數(shù)據(jù)挖掘框架、異常檢測、趨勢分段、挖掘框架中映射函數(shù)等四個方面的問題進行了分析和研究，提出了一些算法和解決方案，并取得部分成果。所做的主要工作和創(chuàng)新點體現(xiàn)在以下幾個方面：
　　 1)時間序列數(shù)據(jù)挖掘框架研究
　　 時間序列數(shù)據(jù)挖掘框架是時間序列數(shù)據(jù)挖掘研究的一個應(yīng)用熱點：如何設(shè)計一個時間序列數(shù)據(jù)挖掘框架，利用已知的時間序列、相關(guān)的理

4、論和技術(shù)來對未知的時間序列做出準確的估計是當前應(yīng)用研究的重點。本文給出一種時間序列數(shù)據(jù)挖掘框架，建立知識學習模型，能夠通過數(shù)據(jù)的選取、特征向量的提取、模型辨識等技術(shù)對相關(guān)的時間序列進行訓練，然后對目標時間序列進行估計。實驗結(jié)果證明：該數(shù)據(jù)挖掘框架能夠利用相關(guān)時間序列對目標時間序列進行較好地估計。
　　 2)時間序列數(shù)據(jù)挖掘的異常檢測研究
　　 研究時間序列數(shù)據(jù)的異常檢測是熱點問題：如何設(shè)計相應(yīng)的算法從時間序列信號中快速、

5、高效地找出異常數(shù)據(jù)，排除無效數(shù)據(jù)和噪聲數(shù)據(jù)，提煉出有價值的時間序列數(shù)據(jù)。針對信號異常檢索算法不能滿足其他時間序列數(shù)據(jù)的檢測需要，提出了擴展的信號異常檢索算法解決此類問題，并應(yīng)用到生物醫(yī)學中對SPO2、CBFV信號的檢測。實驗證明：該擴展方法對噪聲信號和干擾信號以及不可預(yù)知的偽信號較為敏感，能夠快速準確地檢測出異常數(shù)據(jù)。
　　 3)時間序列數(shù)據(jù)挖掘的趨勢分段研究
　　 時間序列中的趨勢分段研究是時間序列研究中的另一個熱點問

6、題：在各種時間序列應(yīng)用領(lǐng)域中，辨識不同的趨勢是非常普遍的問題。為預(yù)測關(guān)鍵事件的發(fā)生，趨勢分析已經(jīng)成功作為數(shù)據(jù)處理的步驟，并進一步結(jié)合其他數(shù)據(jù)分析模塊來預(yù)測某些關(guān)鍵事件；同時，在許多應(yīng)用中，也發(fā)展了許多方法用于趨勢檢測以及時間序列分段相關(guān)的問題。針對基于殘留誤差的累積和時間序列趨勢分段方法存在的一些問題，提出了自適應(yīng)時間序列趨勢分段算法。實驗證明：該算法在小樣本情況下更能反映時間序列的趨勢走向，對估計心臟停搏的出現(xiàn)有較好的指導意義。

7、>　　 4)時間序列數(shù)據(jù)挖掘框架中的線性映射函數(shù)的研究
　　 時間序列數(shù)據(jù)挖掘框架中關(guān)鍵的模塊之一就是映射函數(shù)，根據(jù)存在信號的特點，提出了使用總體最小二乘法(TLS)、截斷奇異值分解法(TSVD)、標準吉洪諾夫正則化方法(STR)等方法構(gòu)建線性映射函數(shù)。實驗證明：截斷奇異值分解法和標準吉洪諾夫正則化方法所構(gòu)建的線性映射函數(shù)比線性最小二乘法和總體最小二乘法具有良好的估計效果。
　　 5)時間序列數(shù)據(jù)挖掘框架中的非線性映射