時間序列與聚類挖掘相關技術研究.pdf

1、數(shù)據(jù)挖掘及其應用已經(jīng)滲透到多個學科，并在人工智能與機器學習、數(shù)據(jù)庫、模式識別、生物信息學、神經(jīng)計算等領域取得了豐碩的成果。同時，數(shù)據(jù)挖掘也不僅是科學家的興趣所在，更多地得到了政府、工業(yè)界的密切關注。通過引入數(shù)據(jù)挖掘，可以大大提高生產(chǎn)力，取得社會的更大進步。世界上許多國家和地區(qū)的政府及工業(yè)界都希望掌握數(shù)據(jù)挖掘技術，提升國家和企業(yè)的科技含量，并最終取得領先的地位。 數(shù)據(jù)挖掘涉及的研究范圍較為廣泛，本文主要討論了序列數(shù)據(jù)與聚類挖掘相關

2、技術，主要的主要的研究成果如下： (1)給出小波變換在時間序列相似性查找中對距離上下界的一個嚴格估計，同時說明傳統(tǒng)的算法只是本文下界的一部分。根據(jù)本文給出的小波變換的下界，相對于傳統(tǒng)的算法，可以排除更多的不相似序列。根據(jù)給出的上界，可以直接判斷出兩條序列是否相似，進一步減少需要驗證的原始序列的個數(shù)。 (2)在使用小波變換縮減維度解決高維時間序列查詢時，傳統(tǒng)的算法均使用變換后小波序列的前七個系數(shù)作為原始時間序列的一個近似估

3、計。但是由于選擇前k個系數(shù)不一定能很好地近似原始序列集合，可能對于中間某些系數(shù)的選取，可以更好的給出原始序列集合的一個表示。因此給出相關定理，說明選擇小波系數(shù)集合的列平方和最大的k列，可以更好近似原始序列集合。 (3)對允許時間偏移的序列間相似性搜索，由于可以處理異常數(shù)據(jù)以及允許不同長度的時間序列間進行匹配，因此應用日益廣泛。但是大部分研究都是基于兩條時間序列間的全相似性匹配。給出了基于動態(tài)規(guī)劃的子序列相似性搜索算法，對于給定的

4、查詢序列，可以搜索到長序列中和給定的查詢序列最為相似的一段子序列。并進一步給出了兩種優(yōu)化算法，以減少子序列相似性搜索中距離矩陣需要計算的項的個數(shù)。 (4)時間序列的相似性搜索可以看成度量空間搜索的一種特例。提出一種新的度量空間索引數(shù)據(jù)結構，簡稱為bu-tree，它是基于自底向上的分層聚類來構造索引結構，而傳統(tǒng)的度量空間數(shù)據(jù)結構大部分是基于自頂向下構造的方法。相對于傳統(tǒng)的構造方法，bu-tree可以在更小的索引半徑內(nèi)包含更多的對象

5、，這樣有利于查詢的篩選。給出了bu-tree的構造算法以及相應的范圍查詢算法。 (5)數(shù)據(jù)概要被用來壓縮大規(guī)模的數(shù)據(jù)庫，以便進行后續(xù)的分層聚類分析。bu-tree中每個節(jié)點也可以看成是一種數(shù)據(jù)概要。討論了另一種常用的數(shù)據(jù)概要：數(shù)據(jù)泡。詳細研究了遞增數(shù)據(jù)泡的質量度量標準(數(shù)據(jù)概要指標)。當更新數(shù)據(jù)庫時，我們指出哪些因素會影響數(shù)據(jù)概要指標的期望與均方差?；谶@些因素，給出一個對數(shù)據(jù)泡進行遞增維護的一個動態(tài)算法。 (6)討論了