復(fù)雜結(jié)構(gòu)的時(shí)間序列數(shù)據(jù)挖掘與預(yù)測(cè)方法研究.pdf

1、近年來(lái)，在數(shù)據(jù)挖掘領(lǐng)域，時(shí)間序列數(shù)據(jù)的挖掘技術(shù)取得了很大的進(jìn)展。隨著網(wǎng)絡(luò)技術(shù)和無(wú)線傳感器等數(shù)據(jù)感知搜集技術(shù)的不斷強(qiáng)大，一方面，時(shí)間序列數(shù)據(jù)的結(jié)構(gòu)越來(lái)越復(fù)雜，數(shù)據(jù)量的海量性也在不斷地增加，另一方面，人們?cè)絹?lái)越需要從這些更為復(fù)雜的數(shù)據(jù)中發(fā)現(xiàn)更多的更為有用的信息和知識(shí)。與此同時(shí)，計(jì)算機(jī)的計(jì)算能力的不斷強(qiáng)大，也對(duì)研究這些更為復(fù)雜結(jié)構(gòu)的數(shù)據(jù)的特征以及挖掘發(fā)現(xiàn)出其中的信息和知識(shí)提供了可能。而對(duì)于諸如流式時(shí)間序列、不確定性時(shí)間序列、多時(shí)間序列等復(fù)雜結(jié)

2、構(gòu)的時(shí)間序列的數(shù)據(jù)挖掘技術(shù)還研究的不多，以往的傳統(tǒng)的時(shí)間序列數(shù)據(jù)挖掘技術(shù)大多是對(duì)于相對(duì)簡(jiǎn)單結(jié)構(gòu)的時(shí)間序列數(shù)據(jù)的挖掘。因此，對(duì)于復(fù)雜結(jié)構(gòu)的時(shí)間序列數(shù)據(jù)的挖掘成為時(shí)間序列數(shù)據(jù)挖掘的新的熱點(diǎn)問(wèn)題，而結(jié)構(gòu)的復(fù)雜性也使得對(duì)于復(fù)雜結(jié)構(gòu)的時(shí)間序列數(shù)據(jù)挖掘技術(shù)面臨著新的挑戰(zhàn)性問(wèn)題。
　　傳感器網(wǎng)絡(luò)中的數(shù)據(jù)是最為典型的數(shù)據(jù)流時(shí)間序列，每時(shí)每刻都在不斷地產(chǎn)生流式數(shù)據(jù)，在短時(shí)間內(nèi)有大量的數(shù)據(jù)以非?？斓乃俣冗B續(xù)到達(dá)，數(shù)據(jù)量往往可能是無(wú)限大的，系統(tǒng)沒(méi)有條件

3、保存整個(gè)數(shù)據(jù)，這些數(shù)據(jù)隨時(shí)間動(dòng)態(tài)變化。針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)流時(shí)間序列的的復(fù)雜結(jié)構(gòu)特性，主要基于節(jié)省無(wú)線傳感器網(wǎng)絡(luò)中電池能量消耗效率問(wèn)題，提出了一種無(wú)線傳感器網(wǎng)絡(luò)中Top-k數(shù)據(jù)異常檢測(cè)的方法PECTMA。其中，提出了4個(gè)算法，自回歸持續(xù)讀檢測(cè)算法CRVMR，Top-k排序算法Top-k-sort，空間冗余清除算法ESR和Top-k個(gè)異常的匯集算法BRCR?？傮w的思想是，減少傳感器節(jié)點(diǎn)需要傳輸?shù)臄?shù)據(jù)的傳輸量，以節(jié)省電池能源。通過(guò)與知

4、名的可用于無(wú)線傳感器網(wǎng)絡(luò)中的異常檢測(cè)的方法TA和TAG的對(duì)比實(shí)驗(yàn)，驗(yàn)證了PECTMA方法的有效性和效率。
　　在許多現(xiàn)實(shí)應(yīng)用中,例如受傳感器等數(shù)據(jù)采集儀器設(shè)備的精度的制約、不同粗細(xì)粒度的數(shù)據(jù)集合之間的數(shù)據(jù)轉(zhuǎn)換、隱私保護(hù)等，數(shù)據(jù)的不確定性普遍存在。一方面由于時(shí)間序列數(shù)據(jù)往往存在高緯度的特性，再一方面由于不確定性數(shù)據(jù)的概率不確定性的特性，使得傳統(tǒng)的數(shù)據(jù)管理中的數(shù)據(jù)表示、存儲(chǔ)與索引、查詢與挖掘等所有的技術(shù)，不能直接應(yīng)用于不確定性時(shí)間序列

5、數(shù)據(jù)的相似性查找。研究了可用于不確定性時(shí)間序列數(shù)據(jù)的降維表示、索引與剪枝、查找等理論與技術(shù)，針對(duì)不確定性時(shí)間序列數(shù)據(jù)結(jié)構(gòu)的復(fù)雜性，首次給出了不確定性時(shí)間序列上的概率最近鄰的定義；將不確定性時(shí)間序列進(jìn)行PLA降維，轉(zhuǎn)換到PLA空間，并提出了三個(gè)定理，用以加速查找效率；基于該三個(gè)定理，提出了不確定性時(shí)間序列數(shù)據(jù)中的概率K最近鄰查找的方法PKNNU，給出了相應(yīng)的查找算法PKNNS。通過(guò)實(shí)驗(yàn)，驗(yàn)證了PKNNS算法的有效性和效率。
　　論壇

6、網(wǎng)絡(luò)是一種典型的虛擬社會(huì)網(wǎng)絡(luò)，社會(huì)網(wǎng)絡(luò)的一些特性，如網(wǎng)絡(luò)規(guī)模大小、存在小社會(huì)社區(qū)結(jié)構(gòu)、社區(qū)關(guān)系強(qiáng)度、有影響力的節(jié)點(diǎn)、節(jié)點(diǎn)在社區(qū)中的穩(wěn)定性等一些重要的統(tǒng)計(jì)量，往往正是論壇社會(huì)網(wǎng)絡(luò)不斷動(dòng)態(tài)演變的外在表現(xiàn)，反映著論壇輿情的演進(jìn)趨勢(shì)情況,這些量也形成論壇網(wǎng)絡(luò)中的多個(gè)變量的時(shí)間序列數(shù)據(jù)。結(jié)合社區(qū)結(jié)構(gòu)分析和多時(shí)間序列趨勢(shì)之間的關(guān)聯(lián)規(guī)則分析，提出了一種論壇輿情趨勢(shì)預(yù)測(cè)方法FSTP。首次對(duì)多時(shí)間序列的趨勢(shì)之間的關(guān)聯(lián)規(guī)則給出了定義；建立了論壇輿情預(yù)測(cè)的時(shí)