時(shí)間序列相似性聚類算法研究.pdf

1、隨著計(jì)算機(jī)在工業(yè)中的應(yīng)用發(fā)展,電解鋁行業(yè)在生產(chǎn)過程中普遍使用計(jì)算機(jī)監(jiān)控系統(tǒng),以達(dá)到對電解槽的自動(dòng)控制。監(jiān)控系統(tǒng)自動(dòng)收集各種電解槽的數(shù)據(jù),在鋁生產(chǎn)行業(yè)中積累了大量的歷史數(shù)據(jù)資料。但是現(xiàn)有數(shù)據(jù)系統(tǒng)的共享和整合程度低,只有簡單的數(shù)據(jù)輸入,查詢,統(tǒng)計(jì)以及其他事務(wù)處理等功能,不能找到這些數(shù)據(jù)背后隱藏的在生產(chǎn)和企業(yè)管理中有重要指導(dǎo)作用的規(guī)則和規(guī)律。決策者迫切需要提取信息和知識,改善電解槽的管理質(zhì)量,提高生產(chǎn)效率。為充分利用時(shí)間序列數(shù)據(jù),從大型數(shù)據(jù)庫

2、發(fā)現(xiàn)隱藏的知識,本文對時(shí)間序列相似性聚類做了一系列的研究。主要的工作和貢獻(xiàn)包括以下幾點(diǎn)：
　　 1.在綜合分析近年來時(shí)間序列數(shù)據(jù)挖掘相關(guān)文獻(xiàn)的基礎(chǔ)上從時(shí)間序列分割、相似性度量、時(shí)間序列聚類等方面對時(shí)間序列數(shù)據(jù)挖掘進(jìn)行了綜述,并在此基礎(chǔ)上對未來的發(fā)展趨勢進(jìn)行了展望,為研究者了解最新的基于時(shí)間序列相似性聚類研究動(dòng)態(tài)、新技術(shù)及發(fā)展趨勢提供了參考。
　　 2.針對SAX(符號化聚合近似)等長分割的缺陷,提出一種基于分割模式的時(shí)間

3、序列符合化表示方法(SMSAX)。該算法根據(jù)時(shí)間序列特征對其進(jìn)行不等長分割,同時(shí)加入波動(dòng)率消除奇異點(diǎn)的影響。通過對標(biāo)準(zhǔn)數(shù)據(jù)集和鋁電解數(shù)據(jù)的相關(guān)實(shí)驗(yàn)和分析,表明該算法能獲得比SAX相對精確的結(jié)果,有效解決SAX等長分割的缺陷。
　　 3.針對時(shí)間序列角度距離相似性度量子線段長度信息丟失的缺陷,提出一種加權(quán)央角距離相似性度量方法。該方法使用相鄰線段央角以及該相鄰子線段長度所占比重構(gòu)成的向量集合描述原始時(shí)間序列;并用相鄰子線段所占比重

4、作為權(quán)值,對時(shí)間序列進(jìn)行相似性度量。通過對標(biāo)準(zhǔn)數(shù)據(jù)和鋁電解數(shù)據(jù)的相關(guān)實(shí)驗(yàn)和分析,表明該方法有效避免了子序列長度信息的丟失,能夠?qū)r(shí)間序列進(jìn)行相對準(zhǔn)確的相似性度量。
　　 4.在對k-means聚類算法研究的基礎(chǔ)上,基于序列整體相似性提取分割模式對時(shí)間序列線性分割,考慮序列特征的上界和下界,提出一種基于k-edge的時(shí)間序列相似性聚類算法。通過對鋁電解槽況判斷的相關(guān)實(shí)驗(yàn)和分析,表明該算法在聚類效率和聚類準(zhǔn)確度都有著比k-means