時間序列數(shù)據(jù)挖掘算法研究及其應(yīng)用.pdf

1、近年來，隨著互聯(lián)網(wǎng)和信息行業(yè)的迅猛發(fā)展，時間序列數(shù)據(jù)的產(chǎn)生也越來越多，成為了當(dāng)今世界十大具有挑戰(zhàn)的數(shù)據(jù)挖掘問題之一。高效利用時間序列數(shù)據(jù)，并從中獲取有用的知識，對社會的發(fā)展有著十分重大的意義。
　　所謂時間序列，是指針對某種現(xiàn)象采集某個統(tǒng)計指標(biāo)在不同時間上的數(shù)值，并按時間先后順序排列得到的數(shù)據(jù)，在電信業(yè)、股票市場、網(wǎng)絡(luò)入侵、生物醫(yī)學(xué)、電子商務(wù)市場等眾多領(lǐng)域廣泛存在。時間序列的特點是數(shù)據(jù)量大、維度高、隨著時間更新，而且通常是連續(xù)值，

2、因此傳統(tǒng)的數(shù)據(jù)挖掘算法直接應(yīng)用于時間序列的效果并不理想。本文針對上述問題，展開對時間序列的數(shù)據(jù)挖掘研究，提出了基于流形學(xué)習(xí)的特征選擇算法(MBFS)和雙加權(quán)支持向量機(DWSVM)，并將研究結(jié)果應(yīng)用到了疲勞駕駛預(yù)測的挖掘主題中。論文的主要研究工作如下:
　　1)針對時間序列空間復(fù)雜、數(shù)據(jù)維度大的問題，提出了基于流形學(xué)習(xí)的特征選擇算法(MBFS)。該算法結(jié)合了度量學(xué)習(xí)、流形學(xué)習(xí)和稀疏系數(shù)向量學(xué)習(xí)的優(yōu)勢，根據(jù)樣本中的各個特征對模式識別

3、的貢獻率進行評分，選出評分高的特征。其中，信息理論度量學(xué)習(xí)(ITML)的距離表示方法，把數(shù)據(jù)映射到一個新的歐氏距離空間，高度還原了原始數(shù)據(jù);流形學(xué)習(xí)則能夠從高維空間中找到低維流形，發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在規(guī)律，實現(xiàn)維度規(guī)約。與傳統(tǒng)特征選擇算法的對比實驗表明，通過該算法對樣本進行特征選擇，大大降低了分類難度，并且提高了分類精度。
　　2)針對時間序列的樣本非平衡問題，提出了基于樣本類別加權(quán)和樣本特征加權(quán)的雙加權(quán)支持向量機(DWSVM)模型。該

4、算法基于對樣本分類的貢獻率，建立支持向量機模型時對少類樣本和多類樣本賦予不同的權(quán)重;并用MBFS算法的原理計算樣本各個特征的權(quán)重，重新構(gòu)造了核函數(shù)。實驗表明，在非平衡數(shù)據(jù)集上，雙加權(quán)支持向量機的分類性能比一般的支持向量機好。
　　3)將上述研究結(jié)果應(yīng)用到了疲勞駕駛預(yù)測的挖掘主題中。該項目的任務(wù)主要包括:實驗平臺搭建、數(shù)據(jù)采集及預(yù)處理、數(shù)據(jù)分割、特征表示、特征選擇、建立模型和模型驗證。仿真結(jié)果表明，這套數(shù)據(jù)挖掘體系在疲勞駕駛預(yù)測的應(yīng)