數(shù)據(jù)歸約方法在時(shí)序數(shù)據(jù)分類中的應(yīng)用研究.pdf

1、時(shí)間序列數(shù)據(jù)(Time Series Data)廣泛地存在生活中的各個(gè)領(lǐng)域,越來越多的數(shù)據(jù)挖掘研究者關(guān)注于時(shí)間序列的挖掘方法和技術(shù),而時(shí)間序列的分類是時(shí)間序列數(shù)據(jù)挖掘的重要任務(wù)之一。數(shù)據(jù)歸約用來得到數(shù)據(jù)集的歸約表示,比原始數(shù)據(jù)量小,但仍然近似地保持原始數(shù)據(jù)的完整性,在歸約后的數(shù)據(jù)集上進(jìn)行挖掘?qū)⒏行?并產(chǎn)生相同或幾乎相同的分析結(jié)果。時(shí)間序列數(shù)據(jù)往往具有大數(shù)據(jù)集的特點(diǎn),所以數(shù)據(jù)歸約成為預(yù)處理中不可或缺的步驟,并且直接影響后期分類的準(zhǔn)確率,

2、因此,時(shí)間序列的數(shù)據(jù)歸約是現(xiàn)階段時(shí)間序列數(shù)據(jù)分析的重要研究熱點(diǎn)。
　　 針對時(shí)間序列數(shù)據(jù)歸約這一研究熱點(diǎn),本論文以一元時(shí)間序列數(shù)據(jù)為主要研究對象,重點(diǎn)研究適用于分類任務(wù)的時(shí)間序列數(shù)據(jù)歸約方法。本論文完成的工作主要有:
　　 首先,本論文分析了現(xiàn)階段常用于時(shí)間序列分類挖掘的數(shù)據(jù)歸約方法,并歸納為四大類,它們分別是基于基本統(tǒng)計(jì)方法的數(shù)據(jù)歸約、基于模型的數(shù)據(jù)歸約、基于變換的數(shù)據(jù)歸約、基于分形維數(shù)的數(shù)據(jù)歸約。同時(shí),針對每一類的數(shù)

3、據(jù)歸約方法,進(jìn)一步研究了與它相適應(yīng)的分類方法和它在時(shí)間序列數(shù)據(jù)中的應(yīng)用鄰域。其次,將聚類的思想引入到數(shù)據(jù)歸約當(dāng)中,形成了基于聚類的時(shí)間維度歸約方法(TDRBC)。該方法的基本思想是對時(shí)序數(shù)據(jù)的時(shí)間維度進(jìn)行聚類,聚類使用K-均值算法,提取聚類后的聚類中心作為新的數(shù)據(jù)集,因而能有效地減少數(shù)據(jù)量,數(shù)據(jù)歸約后的數(shù)據(jù)集可直接利用分類方法進(jìn)行分類。文中稱這一方法為基本的TDRBC。再次,在基本的TDRBC基礎(chǔ)上,引入信息熵的思想,改進(jìn)原有算法,形成

4、了基于聚類的自適應(yīng)時(shí)間維度歸約算法,簡稱為自適應(yīng)的TDRBC。該算法的基本思想是:在時(shí)間序列的時(shí)間采樣點(diǎn)上計(jì)算信息熵,根據(jù)熵值的大小初始化聚類中心,然后再利用聚類時(shí)間維度歸約方法進(jìn)行數(shù)據(jù)歸約。最后,為了驗(yàn)證本論文提出的兩種新方法的可行性,本論文設(shè)計(jì)了一套仿真實(shí)驗(yàn),采用具有代表性的四組數(shù)據(jù)分別進(jìn)行數(shù)據(jù)歸約,歸約方法除了上述的兩種新方法外,實(shí)驗(yàn)采用現(xiàn)階段常用的LPCC數(shù)據(jù)歸約作為參照方法。歸約后的數(shù)據(jù)將進(jìn)行分類識別,得出分類準(zhǔn)確率。實(shí)驗(yàn)表明