基于動態(tài)扭曲算法的時間序列部分周期模式挖掘研究.pdf

1、隨著信息技術的飛速發(fā)展，經(jīng)濟、管理和金融等領域產(chǎn)生了大量的時間序列數(shù)據(jù)。對于時間序列數(shù)據(jù)的挖掘越來越引起人們的高度重視，其主要目的是獲取時間序列數(shù)據(jù)中隱含的有價值的知識和信息。重復出現(xiàn)的周期行為在時間序列數(shù)據(jù)中是廣泛存在的，對周期模式挖掘的研究有著重要的理論價值和現(xiàn)實意義。由于數(shù)據(jù)源及傳輸過程中存在的問題，導致實際時間序列中噪聲是不可避免的，研究噪聲環(huán)境下的時間序列周期模式挖掘更具挑戰(zhàn)性。本文基于動態(tài)扭曲距離，研究提出一種新的部分周期模

2、式挖掘方法，重點是處理帶噪聲的時間序列數(shù)據(jù)，并應用于靜態(tài)時間序列和動態(tài)時間序列(數(shù)據(jù)流)的挖掘。
　　 本文首先綜述了時間序列數(shù)據(jù)挖掘和周期模式挖掘的研究現(xiàn)狀，指出目前部分周期模式挖掘算法存在的不足。其次，給出和本文研究相關的一些定義和CONV算法。第三，對于噪聲環(huán)境下的靜態(tài)時間序列和數(shù)據(jù)流的部分周期模式挖掘進行深入的研究，并通過仿真數(shù)據(jù)驗證本文所提算法的有效性。最后在總結(jié)全文的基礎上，指出了本文有待深入研究的問題。本文工作的創(chuàng)

3、新性主要包括以下兩點：
　　 1、提出了基于動態(tài)扭曲距離的時間序列部分周期模式挖掘算法(DTWP)。本文中詳細描述了DTWP算法的原理及計算過程，給出算法應用過程中應注意的問題，通過人工數(shù)據(jù)的仿真試驗結(jié)果表明，本文所提出的DTWP算法能對噪聲環(huán)境下的部分周期模式進行有效挖掘，不管是從算法精度上還是抗噪聲能力上都優(yōu)于基于卷積的算法CONV。
　　 2、提出了適用于數(shù)據(jù)流的在線部分周期模式挖掘算法(ODTWP)?；趩位瑒哟?/p>