時(shí)間序列的曲線排齊及其相似性度量方法研究.pdf

1、在信息爆炸的大數(shù)據(jù)時(shí)代，無(wú)時(shí)無(wú)刻都在產(chǎn)生各式各樣的海量數(shù)據(jù)，這使得數(shù)據(jù)挖掘技術(shù)也隨著數(shù)據(jù)量以及數(shù)據(jù)種類的增加而不斷發(fā)展。時(shí)間序列數(shù)據(jù)（簡(jiǎn)稱時(shí)序數(shù)據(jù)）是一類常見的數(shù)據(jù)（如股票、居民消費(fèi)價(jià)格指數(shù)、溫度、濕度、心電圖等等），也是數(shù)據(jù)挖掘中經(jīng)常研究的數(shù)據(jù)對(duì)象。此外，一些數(shù)據(jù)由于其自身特征比較復(fù)雜，現(xiàn)有的數(shù)據(jù)分析技術(shù)較難對(duì)其分析，因此將其轉(zhuǎn)換成時(shí)序數(shù)據(jù)可以更好地對(duì)數(shù)據(jù)進(jìn)行分析，如在研究樹葉形狀時(shí)，可以將經(jīng)測(cè)量得到的樹葉邊緣到幾何中心的距離數(shù)據(jù)按照

2、相鄰位置關(guān)系組成一個(gè)時(shí)間序列，進(jìn)而對(duì)其進(jìn)行分析。由于時(shí)序數(shù)據(jù)具有容易建模、分析技術(shù)比較成熟等優(yōu)點(diǎn)，所以直接對(duì)時(shí)序數(shù)據(jù)分析更加方便且可以提取更多信息。
　　時(shí)序數(shù)據(jù)挖掘的主要研究?jī)?nèi)容有預(yù)測(cè)建模、聚類、分類等，而數(shù)據(jù)對(duì)象之間的相關(guān)度分析是其挖掘方法的重要前提，相關(guān)度分析結(jié)果的優(yōu)劣會(huì)在很大程度上影響數(shù)據(jù)分析的結(jié)果，所以如何提高目標(biāo)數(shù)據(jù)之間的相關(guān)度分析精度是時(shí)間序列分析的一項(xiàng)主要工作。在對(duì)時(shí)序數(shù)據(jù)進(jìn)行相關(guān)度分析時(shí)，會(huì)遇到在形狀和走勢(shì)上有很

3、大相似性但是存在時(shí)間彎曲（時(shí)間差）的一類數(shù)據(jù)，時(shí)間彎曲的出現(xiàn)會(huì)嚴(yán)重影響研究對(duì)象間的相關(guān)度分析效果，因而很容易產(chǎn)生類別誤判，所以首先對(duì)時(shí)序數(shù)據(jù)進(jìn)行排齊；此外，對(duì)于如何提取屬性并通過屬性定義相關(guān)性也是時(shí)序數(shù)據(jù)挖掘的關(guān)鍵。因此，本文針對(duì)時(shí)序數(shù)據(jù)曲線排齊和相似性度量展開研究，主要研究?jī)?nèi)容如下：
　?。?）提高曲線排齊的效果和效率方法研究。本文提出兩種非均勻采樣方法對(duì)曲線進(jìn)行排齊：基于斜率的非均勻采樣（SBNS）和基于弧長(zhǎng)的非均勻采樣（AL

4、BNS），前者按照函數(shù)曲線的斜率大小采樣，后者在函數(shù)曲線的弧長(zhǎng)上采樣。這兩種方法都不是在時(shí)間軸上均勻采樣，而是根據(jù)曲線的形狀特征進(jìn)行采樣，因而可在一定程度上克服均勻采樣方法由采樣點(diǎn)數(shù)量和位置分配不當(dāng)而產(chǎn)生的缺陷，從而提高曲線排齊效果。在模擬數(shù)據(jù)和實(shí)際數(shù)據(jù)中的測(cè)試效果說明，兩種非等間隔采樣方式在效率和效果上都優(yōu)于均勻采樣。
　?。?）提高時(shí)間序列間的相關(guān)度分析精度方法研究。提出兩種解決方法，分別為平移最大化相關(guān)系數(shù)方法（MSCD）和

5、基于屬性變換的相似性度量方法（AT）。前者通過曲線排齊來避免由時(shí)差引起的相關(guān)性誤差，進(jìn)而提高帶時(shí)差數(shù)據(jù)對(duì)象間的相關(guān)度分析精度；后者是將更能表示時(shí)間序列本身特征以及相互之間關(guān)系的特征作為自身的屬性，將這些屬性構(gòu)成的新的序列替換原始時(shí)間序列以進(jìn)一步對(duì)其相似性進(jìn)行度量。通過多組聚類方法測(cè)試效果表明提出的兩種相關(guān)度分析方法在一定水平上可以提升時(shí)間序列相關(guān)度分析精度。
　　本文針對(duì)時(shí)序數(shù)據(jù)的曲線排齊和相關(guān)度分析展開研究，提出的曲線排齊方法和