時(shí)間序列的數(shù)據(jù)挖掘研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩67頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著計(jì)算機(jī)、網(wǎng)絡(luò)和通訊等信息技術(shù)和數(shù)據(jù)存儲(chǔ)技術(shù)的迅速發(fā)展,人們獲取和存儲(chǔ)的數(shù)據(jù)急劇增長(zhǎng),出現(xiàn)了“數(shù)據(jù)泛濫,知識(shí)貧乏”的現(xiàn)象。傳統(tǒng)的數(shù)據(jù)庫(kù)技術(shù)和數(shù)據(jù)查詢(xún)方法由于不能有效的組織和處理這些海量數(shù)據(jù),已經(jīng)不能滿(mǎn)足人們對(duì)隱含在數(shù)據(jù)中的知識(shí)的渴求,數(shù)據(jù)挖掘技術(shù)隨之應(yīng)運(yùn)而生,并得到了迅速的發(fā)展。數(shù)據(jù)挖掘時(shí)數(shù)據(jù)庫(kù)、人工智能、模式識(shí)別和統(tǒng)計(jì)分析等學(xué)科相互交叉、結(jié)合的前沿性研究領(lǐng)域。它的出現(xiàn)為人們有效地從海量數(shù)據(jù)中得到有用的信息和知識(shí)提供了有力的手段。

2、 目前計(jì)算機(jī)上存儲(chǔ)了越來(lái)越多的時(shí)序數(shù)據(jù)信息,作為數(shù)據(jù)的重要存儲(chǔ)和表現(xiàn)形式,時(shí)間序列數(shù)據(jù)廣泛的存在于各個(gè)領(lǐng)域中,例如證券公司的大量股票信息,商場(chǎng)的售貨中大量的銷(xiāo)售信息,人造衛(wèi)星觀測(cè)的氣象信息和廣泛的以時(shí)間推移存儲(chǔ)的數(shù)據(jù)等信息。時(shí)間序列的數(shù)據(jù)挖掘時(shí)數(shù)據(jù)挖掘中的一個(gè)重要的領(lǐng)域,近年來(lái)越來(lái)越引起人們的重視。時(shí)間序列的數(shù)據(jù)挖掘幫助人們獲得時(shí)序數(shù)據(jù)中隱含的、有價(jià)值的信息和知識(shí)。例如電力負(fù)荷系統(tǒng)時(shí)間序列數(shù)據(jù)中就包含著關(guān)于電力負(fù)荷特征的信息,股票時(shí)

3、間序列中包含著有關(guān)股票規(guī)律的潛在信息。因此,從時(shí)間序列數(shù)據(jù)中挖掘潛在的有用的知識(shí)具有重要的理論和實(shí)踐意義。 本文比較深入地研究了時(shí)間序列的數(shù)據(jù)挖掘問(wèn)題,對(duì)其挖掘方法進(jìn)行了歸納和整理。在介紹目前時(shí)間序列的數(shù)據(jù)挖掘領(lǐng)域比較經(jīng)典的一些思想和方法的基礎(chǔ)上,在時(shí)間序列的相似性,離群性和趨勢(shì)性等方面提出了一些新的思路和方法。本文的主要研究?jī)?nèi)容下。 1、對(duì)時(shí)序數(shù)據(jù)相似性挖掘方法進(jìn)行了深入的研究。首先介紹了相似性以及歐幾里的距離空間的基

4、本概念,以及目前使用較為廣泛的離散復(fù)利葉變換進(jìn)行時(shí)序數(shù)據(jù)相似性挖掘的基本方法。然后提出了一種基于小波的相似性挖掘算法,這種方法采用了另外的判別函數(shù)對(duì)序列的相似性進(jìn)行判別。采用小波變換將數(shù)據(jù)降維,用盡量小的數(shù)據(jù)量進(jìn)行相似性的匹配;同時(shí)采用了改進(jìn)的快速排序法處理排序結(jié)果,有效的減少了計(jì)算量。此外,本方法對(duì)數(shù)據(jù)相似性分析中存在的幅值以及偏移的情況有很好的去除。 2、對(duì)時(shí)序數(shù)據(jù)離群挖掘進(jìn)行了深入的研究。首先介紹了基于距離的離群挖掘方法以

5、及相關(guān)的定義。然后提出了一種基于小波的相似系數(shù)離群挖掘算法。這種方法采用了小波變換得到的細(xì)節(jié)分量作為分析對(duì)象,對(duì)數(shù)據(jù)進(jìn)行降維處理;計(jì)算數(shù)據(jù)對(duì)象間的相似系數(shù)進(jìn)行離群挖掘。同樣,可以使用改進(jìn)的快速排序方法處理排序結(jié)果,也可以有效的減少計(jì)算量。 3、對(duì)時(shí)序數(shù)據(jù)趨勢(shì)挖掘進(jìn)行了深入的研究。介紹了兩種趨勢(shì)挖掘方法。第一部分介紹了基于小波的神經(jīng)網(wǎng)絡(luò)時(shí)序數(shù)據(jù)趨勢(shì)挖掘算法。第二部分介紹了基于相似日的時(shí)序數(shù)據(jù)趨勢(shì)挖掘算法。本章中重點(diǎn)闡述了基于相似日

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論