時間序列數(shù)據(jù)挖掘若干關(guān)鍵問題研究.pdf

1、時間序列是一種廣泛存在的數(shù)據(jù)，客觀記錄了所觀測的系統(tǒng)在各個時刻點的具體值，所以可以通過研究時間序列數(shù)據(jù)來辨識和重構(gòu)所觀測系統(tǒng)的動力學(xué)行為。早期的研究方法是基于統(tǒng)計學(xué)知識的，主張在滿足某種假設(shè)的前提下用解析函數(shù)來對時間序列進行全局建模。但是時間序列往往都含有大量噪聲和復(fù)雜結(jié)構(gòu)，導(dǎo)致解析函數(shù)的建模變得非常困難。因此，需要一種研究方法能夠充分利用時間序列數(shù)據(jù)發(fā)掘其背后隱含的規(guī)律和知識。
　　在這種需求的促進下，基于數(shù)據(jù)挖掘技術(shù)的時間序列

2、數(shù)據(jù)研究方法就應(yīng)運而生了。數(shù)據(jù)挖掘是一個十分活躍和具有研究前景的領(lǐng)域，為時間序列分析提供了新思路和視野。由于所研究的真實系統(tǒng)或現(xiàn)象的內(nèi)部往往受到多個因素的綜合作用，從而導(dǎo)致作為其輸出的時間序列具有許多復(fù)雜性的表現(xiàn):維度高、海量性、結(jié)構(gòu)復(fù)雜、存在噪聲、存在相似性變形（不精確匹配）等等。這些固有的特性使時間序列數(shù)據(jù)挖掘研究充滿了挑戰(zhàn)。盡管國內(nèi)外研究者在時間序列挖掘上已經(jīng)取得了許多研究成果，但依然存在很多亟待解決的關(guān)鍵問題。
　　本論文

3、對時間序列數(shù)據(jù)挖掘技術(shù)中的近似表示方法、相似性度量方法和時間序列聚類等技術(shù)面臨的關(guān)鍵問題進行了深入研究，其主要研究內(nèi)容如下:
　　第一，針對現(xiàn)有近似表示方法所面臨的維度約簡會丟失基本信息、算法參數(shù)需要精調(diào)的問題，本文提出了一種無參的符號化近似表示模型NSAR(Nonparametric Symbolic Approximate Representation)。針對以往近似表示在實現(xiàn)維度約簡的同時會丟失基本信息的問題，NSAR主要采

4、用符號化編碼技術(shù)實現(xiàn)維度的極大約簡，同時采用了提取多尺度離散小波近似系數(shù)和關(guān)鍵點來保留原始序列的基本特征信息。針對現(xiàn)有的絕大多數(shù)近似表示方法面臨需要精調(diào)參數(shù)的難點，NSAR在設(shè)計時從三個方面實現(xiàn)了無參化:小波分解尺度log2 n是由序列長度確定的;關(guān)鍵點提取在濾除噪聲后的小波近似系數(shù)上進行，不用設(shè)置閾值篩選;對關(guān)鍵點序列進行符號化，自動決定出只需要2個符號來表示上升，下降趨勢。實驗結(jié)果表明，NSAR能夠有效解決上述兩個問題，可以實現(xiàn)維度

5、極大約簡的同時保留住原始時間序列的基本信息，并且是無參。
　　第二，針對現(xiàn)有的相似性度量方法只能容忍一兩種輕微的相似性變形，本文設(shè)計了一種基于形狀信息的肘間序列相似性度量方法SIMshape(SIMilaritymeasure based shape information)。不同于現(xiàn)有的相似性度量方法在相似性比較時不加區(qū)別的對待序列所有信息，SIMshape在相似性判斷時更側(cè)重序列基本形狀的對比，弱化細節(jié)信息的影響，以充分考慮相

6、似性變形只會影響細節(jié)信息，不會改變序列基本形狀的特性。SIMshape的實現(xiàn)是在序列的多尺度形狀信息上進行，同時設(shè)計了尺度權(quán)值函數(shù)賦予較粗尺度大權(quán)值，較細尺度上小權(quán)值來進一步減弱相似性變形對相似性判斷的干擾。實驗結(jié)果表明SIMshape可以容忍更多的相似性變形。
　　第三，針對現(xiàn)有的時間序列聚類過程中缺乏自發(fā)性、聚類質(zhì)量較差的問題，本文提出了一種基于全局結(jié)構(gòu)特征和核力場的時間序列聚類。針對現(xiàn)有的聚類方法需要人為指定閾值完成對聚類對

7、象，缺乏自發(fā)性的問題，新的聚類方法選取了核力為聚類的一種新標準，利用物理粒子相互作用的核力，來產(chǎn)生自發(fā)的相向運動反映數(shù)據(jù)對象之間的天然聚散關(guān)系，從而可以依據(jù)數(shù)據(jù)對象間的自組織聚集特性找出類結(jié)構(gòu)，減少了聚類過程中的人為因素。針對現(xiàn)有的時間序列聚類質(zhì)量較差的問題，新的聚類方法利用信息熵的方法找出有助于呈現(xiàn)聚類結(jié)構(gòu)的全局特征，從而使得后續(xù)的算法更容易發(fā)現(xiàn)真實的類簇。相關(guān)實驗結(jié)果表明提出的時間聚類方法可以自發(fā)的找出數(shù)據(jù)的真實聚類，并且可以容忍一

8、定程度的時間序列不等長，不易受到噪聲和缺失點的影響。
　　本文從三個方面進行研究來提高時間序列數(shù)據(jù)挖掘的性能，即:通過建立非參數(shù)符號化近似表示模型NSAR來減少基本信息丟失和實現(xiàn)無參化設(shè)計;通過建立形狀相似性度量SIMshape來提高相似性度量方法對相似性變形的容忍力;根據(jù)全局特征和基于核力場的動態(tài)聚類來實現(xiàn)時間序列自發(fā)的聚類。實驗結(jié)果表明，本文提出的方法在時間序列數(shù)據(jù)挖掘上具有更好的相似性檢索性能，可有效降低時間序列最近鄰分類誤