時間序列數據轉換及分類算法研究.pdf

1、時間序列(Tune Series)是數據挖掘領域中的一類重要數據對象，時間序列分類是時間序列數據挖掘中的重要任務之一.不同于時間序列分析中常用的算法與問題，時間序列分類是要把整個時間序列當作輸入，其目的是要賦予這個序列某個離散標記.序列數據相對于截面數據最主要的區(qū)別在于序列包含了復雜的時域特征，這使時間序列分類問題較一般分類問題困難得多.時間序列數據通常不等長，導致一般的分類算法不能直接應用.即使是等長的時間序列，由于要考慮序列數據在時

2、間上的動態(tài)特征，不同序列在相同位置的數值很難直接比較，一般的分類算法依然還是不適合直接應用.為了解決這些難點，通常有兩種方法：第一種是基于距離的方法，這類方法定義合適的距離度量，使得在此度量意義下相近的序列有相同的分類標簽.動態(tài)時間彎曲(Dynamic Time Warping，DTW)算法是基于距離方法的代表；第二種是基于模型的方法，這類方法先對時間序列進行建模(利用序列中前后數據的依賴關系建立模型)，再用模型參數組成等長向量來表示每

3、條序列，然后用傳統(tǒng)的分類算法進行訓練和分類. 本文對不等長多維時間序列數據的分類問題，采用的研究思路是先對序列數據進行符號化處理，將多維時間序列轉換為符號序列；再基于模型對時間序列實現(xiàn)動態(tài)聚類，實現(xiàn)對序列數據的轉換，將不等長的符號序列用等長的向量表示，使得傳統(tǒng)的面對于截面數據的分類算法可以方便的應用到序列分類中.此外，本文深入分析了基于距離和基于模型這兩類序列分類算法，分別在不同的合成數據集和實際數據集上進行比較，并取得很有意義

4、的結果.在時間序列的符號化、序列轉換方法、序列分類算法比較三個研究方面的主要貢獻如下： 在多維時間序列的符號化研究中，本文采用聚類融合算法對截面數據進行聚類，將每個截面的數據用聚類標識來表示，以此得到穩(wěn)定的符號化結果.本文提出了多種面對混合型數據的聚類融合算法，其中基于Boosting的自適應聚類融合算法(Boosting-based Adaptive Cluster Ensembles，BACE)在聚類成員生成階段采用了新的訓

5、練集抽樣策略.在共識函數設計方面采用了基于互信息的投票機制，從而構建了一種新的聚類融合算法，為聚類融合算法的研究做出了貢獻，同時也為多維時間序列的符號化研究提供了新的有效方法.實驗表明，本文提出的BACE算法具有較高的魯棒性和穩(wěn)定性. 在時間序列數據轉換研究中，在序列符號化的基礎上，本文提出了一種新的基于模型的序列數據轉換方法，該方法利用Markov鏈模型，結合K-L散度(Kullback-Leibler散度)實現(xiàn)了時間序列的數

6、據轉換，并充分考慮了時間序列挖掘問題中重要的動態(tài)特征，將不等長的時間序列轉換為等長的向量，為面向截面數據的分類算法在序列數據分類問題中的應用提供了條件.本文對所采用的Markov鏈模型的魯棒性做了深入的理論分析.最后實驗還發(fā)現(xiàn)，用本文提出的序列數據轉換方法進行數據轉換后，最大似然法(MaximumIAkelihood Estimation，MLE)在電信企業(yè)客戶流失問題的研究中表現(xiàn)出較強的魯棒性和有效性. 在序列分類算法的比較中