时序数据相似匹配技术的研究

时间序列的相似性度量是时间序列数据挖掘研究中的一个重要问题,是进行序列查询、分类、预测的一项基础工作,寻求一种好的度量对提高挖掘任务的效率和准确性有着至关重要的意义.文章提出了基于关键点分段的KT分段线性模式表示和基于时间序列模式表示的KT动态模式匹配距离,采用1NN分类方法,设计了子序列查询实验,对欧氏距离、动态弯曲距离和基于KT模式的动态匹配距离进行了准确率和误报率的分析比较,结果显示该度量方法具有更高的准确性.     

面向非平稳时间序列的因果关系发现算法

针对传统因果关系算法不能分析非平稳时间序列和可变时滞时间序列数据因果关系的问题,本文提出一种基于分段聚合近似可变时滞转移熵(PAAVL-TE)的因果关系算法。利用分段聚合近似法对时间序列进行转换,提取时间序列的特征信息,运用动态时间弯曲距离寻找相似程度最高的时间序列计算可变时滞时间序列的转移熵,实现了非平稳时间序列的因果分析。通过计算机仿真模拟实验将提出的算法与存在的算法相比较,证实算法有效性。将该算法用于北京市昌平区PM_2.5浓度和气象数据分析,表明本文算法具有广泛的应用性。     

基于动态时间弯曲技术的流数据处理方法

提出基于动态时间弯曲技术的流数据处理方法,将一段时间内采集到的流数据作为一个时间序列来进行处理．由于同一时间段内数据流变化的影响因素基本相同,导致一些数据流变化存在错位相似,具体表现为数据流形状大致相同,但在时间上有所超前或延迟．对于这种错位相似的数据流采用常用的欧几里得测度法是无法识别的,而采用动态时间弯曲技术却可以很好地判断数据流的这种相似性．在采用动态时间弯曲路径法得到两个时间序列对应点的基础上提出了用预测法估计两个时间序列的关系,从而确定时间序列最佳匹配点的算法．     

动态时间弯曲距离精确计算的Dijkstra方法

将动态时间弯曲距离（DTW）的差异矩阵一一对应于点阵,按DTW定义的行走规则对该点阵连线定向,使所对应点阵成为一个有向图,然后使用一个加权技巧对该有向图的边加权后得到一个加权有向图,于是把求DTW的精确计算问题等价地转化为求一个有向图起点到终点的最短路长,从而使图论中求两点间最短路径的方法如目前公认的经典Dijkstra算法均可用于求DTW,因此间接地找到了精确计算DTW的一个新方法.     

基于近邻传播算法的航迹聚类分析

随着航空事业的发展,对航迹进行聚类分析,存在许多应用价值。在分析历史飞行航迹特征的基础上,将航迹看作时间序列,采用近邻传播聚类算法,对航迹进行聚类分析,得到聚类结果并进行优化分析。近邻传播算法（AP）是建立在相似度矩阵基础上进行的聚类,为了得到相似度矩阵,结合航迹不等长的特征,选择使用DTW距离作为航迹间相似性的度量;同时,使用DCT对航迹时序列进行降噪,以求得到更好的聚类效果。实验结果表明：该方法在393条航迹的数据集中,划分出11个聚类,提高了航迹聚类的准确性。     

基于时间序列的数据相似性统计

介绍了时间序列相似性搜索研究的现状,以指定查询序列搜索为算法基础,将其应用于具体的数据统计实践中去.时向序列相似性搜索研究具有挑战性及局限性.     

一种基于分段线性的FKD时间序列模式表示

时间序列模式有利于提高时间序列数据挖掘的效率和准确率.本文在时间序列分段线性表示法的基础上,提出了一种FKD时间序列模式表示.该模式具有简单直观、拟合误差小等特点.通过实验验证,FKD时间序列模式表示是有效的,有利于时间序列的异常挖掘.     

一种基于滑动窗口的时间序列异常检测算法

时间序列的异常检测的应用越来越广泛,本文是讨论在基于分段线性的FKD时间序列模式表示基础上时间序列的异常检测。文中提出了一种基于滑动窗口的时间序列模式偏离和窗口异常度的概念,并在此基础上提出了基于滑动窗口的时间序列模式异常的检测算法。通过实验证明了该算法是合理的、有效的。     

时间序列的多尺度小波变换特征提取

本文基于小波变换,提出了一种提取时间序列特征的方法,用小波变换的低频逼近信号表示原时间序列。与傅里叶变换降维比较,该方法更能体现原时间序列的细部特征。     

上市公司股票成交额时间序列的模糊聚类分析

引入了股票成交额时间序列的相似性度量,通过模糊聚类方法,将成交额时间序列相关性好、数量级接近的股票聚类,并以有色金属类股票为例进行了实证分析,通过MATLAB编程实现算法,计算出聚类结果,并从市场经验和直观角度对结果进行了分析,说明了聚类结果的有效性．     

时间序列相似性度量的研究

时间序列的相似性度量是时间序列数据挖掘研究中的一个重要问题,是进行序列查询、分类、预测的一项基础工作。寻求一种好的度量对提高挖掘任务的效率和准确性有着至关重要的意义。目前从事这方面的研究除了少许理论论述外,几乎都采用一种固定的方法,即提出具体要求并提供实验数据。然而,大多数实验方法不是使用范围有限就是侧重点不同。为了提供一个比较全面的实验验证,用1NN分类算法进行了大量的时间序列交叉验证实验,重新评估了其中的弹性度量,并使用不同应用领域的28个时间序列数据集进行比较,结果表明,该方法具有更高的准确性。     

基于多注意力的多变量时间序列特征选择方法

特征选择是避免维度诅咒的一种数据预处理技术。在多变量时间序列预测中,为了同时找到与问题相关性最大的变量及其对应时延,提出一种基于多注意力的有监督特征选择方法。该方法利用带有注意力模块和学习模块的深度学习模型,将原始二维时间序列数据正交分割成两组一维数据,分别输入两个不同维度的注意力生成模块,得到特征维度和时间维度的注意权重。两个维度的注意力权值点积叠加作为全局注意力得分进行特征选择,作用于原始数据后输入随学习模块训练不断更新至收敛。实验结果表明,所提出的方法在特征数小于10时可达到全量数据训练效果,与现有几种基线方法相比实现了最佳准确率。     

灰Rij的非唯一性及其意义

对不同时间序列的Rij存在非唯一性特征给予理论上的论证，并以实例进行验证，结果完全一致。阐明了统计学结论与课题结论的辩证统一关系，说明任意时间序列的关联度Rij仍具有体育训练决策规划的参考意义。     

时间序列数据挖掘在瓦斯监测中的应用

时间序列数据挖掘是一种根据动态数据揭示系统动态结构和规律的方法.本文就时间序列数据挖掘的国内外研究现状、时间序列分析等进行了论述,在分析了煤矿瓦斯监测数据的特点和多种模型的特征基础上,提出了论文所适用的数据模型为ARMA,同时,对特定的数据进行了数据建模,并对结果进行了分析和验证..     

基于改进的DTW算法的仿真与分析

传统的DTW算法着重于时间规整和间距测量的概念，对数据的可靠性没有进行有效的分析，且对连续词的识别效果不明显。基于松弛起始点和分段思想的改进DTW算法，可以改善明阿算法的缺陷。通过对语音样本0．9在MATLAB6．5上的仿真实现与分析表明，采用改进后的DTW算法具有良好的语音识别效果。     

程序相似度判定算法研究与实现

有效检测程序设计类课程作业抄袭现象具有重要的现实意义。传统的代码相似度检测方法主要利用代码属性或结构信息判定代码之间的相似性。基于已有的属性度量与最长公共子序列算法,提出一种代码相似度检测算法,算法将属性度量的结构无关性与最长公共子序列算法的结构依赖性有机结合。实验结果表明,该算法可以有效降低程序源代码的评测难度,得到较为可信的综合相似度值,增强了评测人员对抄袭现象的监测力度。     

基于小波变换和动态时间规整算法相结合的故障识别算法

提出了一种基于小波变换和动态时间规整算法相结合的故障识别算法。该算法首先利用小波变换对实验样本与参考样本进行处理以去掉样本信号的非平稳性和噪声,然后利用动态时间规整算法对未知的实验样本与参考样本之间的相似性进行评价,并基于最短距离进行分类,以达到故障识别的目的,最后将此算法应用到Tennessee Eastman过程的故障识别中,仿真结果表明基于小波变换和DTW算法能够准确地识别出发生何种故障,而常规的DTW算法则存在一定的失误。     

最长公共子序列算法的分析与实现

本文首先分析最长公共子序列的特点,利用动态规划法求出最长公共子序列的长度数组和状态数组并通过矩阵搜索求出所有有效的跳跃点,构造了求解所有最长公共子序列的算法并通过程序给予实现。算法能有效避免重复搜索,时间效率大大提高,特别适用于基因工程中的基因片段分析。     

应用时间序列分析模型分析我国航班延误问题

时间序列分析理论用于处理数据有明显的时间序列特征。用于解决此类问题的软件Eviews是专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速从数据中寻找出统计关系,并用得到的关系去预测数据的未来值。将时间序列模型应用于分析我国航班延误问题,得出了较为准确的分析结果,并提出了改善航班延误问题的方法和思路。     

时间序列分析的理论与应用综述

时间序列分析提供的理论和方法是进行大型高难度综合课题研究的工具之一。其预测和评估技术相对比较完善,其预测情景也比较明确。近年来已有很多学者对于时间序列的研究取得了极其丰硕的成果,有的甚至在时间序列分析方法的基础上,研究出新的预测方法,在应用中求创新求发展。笔者从基本理论与应用等方面对时间序列分析进行了综述,同时阐述了它未来的发展趋势。