面向相似性的時(shí)間序列聚類方法研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,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)

文檔簡介

1、時(shí)間序列作為一種重要的數(shù)據(jù)形式,廣泛存在于社會(huì)生產(chǎn)的各個(gè)領(lǐng)域,形成規(guī)模龐大的時(shí)間序列數(shù)據(jù)庫,真實(shí)地記錄了應(yīng)用系統(tǒng)在各個(gè)時(shí)刻的重要信息。為了充分利用這些歷史時(shí)間序列數(shù)據(jù),從大型數(shù)據(jù)庫中尋找隱藏的知識(shí),本學(xué)位論文對(duì)面向相似性的時(shí)間序列聚類方法進(jìn)行了細(xì)致的研究。 由于時(shí)間序列數(shù)據(jù)通常具有數(shù)值范圍非有窮甚至離散、采樣速度不恒定、干擾噪聲形式多樣等問題,因此尋求某種高效的數(shù)據(jù)聚類算法是解決時(shí)間序列數(shù)據(jù)挖掘問題的關(guān)鍵。本文分析比較了現(xiàn)有的基

2、于K-均值、模糊C-均值、動(dòng)態(tài)時(shí)間規(guī)整及自組織映射網(wǎng)絡(luò)的聚類算法,并通過實(shí)驗(yàn)重點(diǎn)分析了自組織映射算法的局限性:靜態(tài)的結(jié)構(gòu)以及無法展示數(shù)據(jù)的內(nèi)在層次關(guān)系。 根據(jù)對(duì)大量時(shí)間序列數(shù)據(jù)進(jìn)行探索性分析的要求,提出了一種基于增長型分層自組織映射的時(shí)間序列聚類算法。采用了一種基于上層神經(jīng)元權(quán)向量的采樣賦值方法對(duì)子網(wǎng)絡(luò)神經(jīng)元進(jìn)行初始化,保留了數(shù)據(jù)的拓?fù)浣Y(jié)構(gòu)。 仿真與實(shí)驗(yàn)結(jié)果證明,該聚類算法能夠滿足大量時(shí)間序列數(shù)據(jù)聚類分析的要求,能自動(dòng)完

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(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。

評(píng)論

0/150

提交評(píng)論