時(shí)間序列的線性化表示研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)、計(jì)算機(jī)信息技術(shù)和存儲(chǔ)技術(shù)的不斷發(fā)展，在日常生活和科學(xué)研究領(lǐng)域中，逐漸積累了大量的有重要參考價(jià)值的數(shù)據(jù)。如何從這些寶貴數(shù)據(jù)中挖掘出我們需要的知識(shí)已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域研究的熱點(diǎn)問題。
　　 時(shí)間序列作為一種重要的按時(shí)間先后順序排列的數(shù)據(jù)形式，反映了屬性值在時(shí)間或空間順序上的特征。時(shí)間序列的分類、聚類、異常檢測、建模、相似性查詢等操作可以實(shí)現(xiàn)有價(jià)值知識(shí)的提取。目前時(shí)間序列數(shù)據(jù)挖掘是數(shù)據(jù)挖掘中的一個(gè)重要研究方向。
　

2、　 由于時(shí)間序列具有數(shù)據(jù)量大、噪聲干擾嚴(yán)重和短期波動(dòng)頻繁等特點(diǎn)，直接在原始時(shí)間序列上進(jìn)行相似性查詢、分類聚類、模式挖掘等操作，很難得到滿意的結(jié)果。因此，開展時(shí)間序列的降維研究是十分有必要的。許多學(xué)者提出了時(shí)間序列的線性擬合、線性分段等降維方法，在刻畫時(shí)間序列主要形態(tài)的同時(shí)，忽略那些微小的細(xì)節(jié)，把握局部特征，從而保持了序列主要特征的不變性，極大提高數(shù)據(jù)挖掘的效率，達(dá)到簡化計(jì)算量的目的。
　　 本文通過對(duì)時(shí)間序列線性表示的深入研究

3、，開展了如下的研究工作。
　　 (1)提出了一種精確的時(shí)間序列線性擬合方法。算法首先通過判斷連接相鄰點(diǎn)所成線段的斜率變化來選擇時(shí)間序列中的轉(zhuǎn)折點(diǎn)，然后將這些點(diǎn)與時(shí)間序列的極值點(diǎn)合并作為關(guān)鍵點(diǎn)，用這些關(guān)鍵點(diǎn)組成的序列擬合原時(shí)間序列。這種線性擬合算法在剔除了噪聲的同時(shí)，能更精確的定位時(shí)間序列中的關(guān)鍵點(diǎn)。實(shí)驗(yàn)結(jié)果表明，該方法能更好的近似表示原時(shí)間序列。和已有的方法相比，該方法擬合后的時(shí)間序列和原時(shí)間序列之間的擬合誤差更小。
　　

4、 (2)給出了一種基于函數(shù)的時(shí)間序列分段線性表示方法?？紤]到時(shí)間序列的時(shí)間特性對(duì)于不同區(qū)段的影響，以及時(shí)間序列數(shù)據(jù)動(dòng)態(tài)增長的實(shí)際情況，在RPAA(ReversedPiecewise Aggregate Approximation)和PAA(Piecewise Aggregate Approximation)方法的基礎(chǔ)上，提出了一種新的時(shí)間序列分段線性表示方法FPAA(Function Piecewise AggregateApprox