多變量時(shí)間序列的聚類、相似查詢與異常檢測(cè).pdf

1、多變量時(shí)間序列數(shù)據(jù)廣泛存在于金融、多媒體、醫(yī)學(xué)等領(lǐng)域，隨著時(shí)間推移，這類數(shù)據(jù)的存儲(chǔ)規(guī)模呈現(xiàn)爆炸式地增長(zhǎng)。因此，如何有效地管理和利用這些歷史數(shù)據(jù)，挖掘其內(nèi)在的各種變化模式，是一個(gè)挑戰(zhàn)性的、具有重要意義的理論和實(shí)際應(yīng)用課題。該課題的研究對(duì)于我們正確認(rèn)識(shí)事物變化、科學(xué)進(jìn)行決策、識(shí)別各種異常行為等具有重要的指導(dǎo)意義。
　　 本文在分析多變量時(shí)間序列數(shù)據(jù)特點(diǎn)和實(shí)際應(yīng)用需求的基礎(chǔ)上，針對(duì)多變量時(shí)間序列的聚類分析、相似查詢和異常檢測(cè)等技術(shù)進(jìn)行

2、了研究。主要研究成果簡(jiǎn)單介紹如下：
　　 1.多變量時(shí)間序列模式表示
　　 首先提出了一種基于主成分分析的多變量時(shí)間序列模式表示方法。在實(shí)際問(wèn)題的研究中，為了全面、系統(tǒng)地分析問(wèn)題，往往要考慮眾多有關(guān)變量，該方法用為數(shù)較少的、互不相關(guān)的新變量來(lái)反映原變量所提供的大部分信息，通過(guò)對(duì)新變量的分析達(dá)到解決問(wèn)題的目的。
　　 2.多變量時(shí)間序列聚類分析
　　 提出一種高效的多變量時(shí)間序列聚類算法PCA-CLUSTE

3、R。已有的聚類算法大多采用k均值對(duì)低維數(shù)據(jù)進(jìn)行聚類，不能對(duì)高維多變量時(shí)間序列數(shù)據(jù)進(jìn)行有效聚類。首先利用主成分分析對(duì)多變量時(shí)間序列數(shù)據(jù)降維，然后通過(guò)改進(jìn)K-means算法對(duì)選取的多變量時(shí)間序列的主成分進(jìn)行有效聚類分析。
　　 3.多變量時(shí)間序列相似性查詢
　　 提出了一種基于距離的索引結(jié)構(gòu)相似查詢算法Dbis。為了高效地執(zhí)行多變量時(shí)間序列相似查詢，在Eros相似距離度量的基礎(chǔ)上，選擇聚類質(zhì)心作為參考點(diǎn)；依據(jù)參考點(diǎn)將每類變換