本文基于趨勢(shì)結(jié)構(gòu)相似性研究了時(shí)間序列相似性度量及時(shí)間序列同構(gòu)關(guān)系挖掘問題,主要研究成果如下:（1）分析了已有的時(shí)間序列相似性度量方法的兩方面局限性,即時(shí)間序列相似性度量僅是通過將相似性度量問題轉(zhuǎn)化為距離度量問題,不能反映時(shí)間序列結(jié)構(gòu)相似性的本質(zhì),也沒能綜合考慮時(shí)間序列趨勢(shì)的變化過程。針對(duì)上述問題,根據(jù)連續(xù)曲線分段間的距離度量方法,把離散的時(shí)間序列數(shù)據(jù)擬合為連續(xù)曲線,提出并論證了趨勢(shì)基元同構(gòu)的判定定理,為本文后續(xù)工作奠定了研究基礎(chǔ)。（2）基于趨勢(shì)基元同構(gòu)判定定理,明確了同構(gòu)子序列基本概念及同構(gòu)子序列挖掘的思路,針對(duì)時(shí)間序列同構(gòu)子序列發(fā)現(xiàn)問題,提出了基于趨勢(shì)基元同構(gòu)的同構(gòu)子序列發(fā)現(xiàn)算法。針對(duì)相關(guān)參數(shù)對(duì)算法結(jié)果影響的實(shí)驗(yàn)分析驗(yàn)證了理論分析的正確性。（3）針對(duì)時(shí)間序列全序列趨勢(shì)同構(gòu)性度量問題,提出了基于最長同構(gòu)子序列發(fā)現(xiàn)的時(shí)間序列趨勢(shì)同構(gòu)性度量基本思想,給出了兩種基于最長同構(gòu)子序列發(fā)現(xiàn)的時(shí)間序列趨勢(shì)同構(gòu)性度量算法,即基于譜聚類的趨勢(shì)同構(gòu)性度量和基于密度聚類的趨勢(shì)同構(gòu)性度量。實(shí)驗(yàn)分析表明,兩種趨勢(shì)同構(gòu)性度量算法對(duì)時(shí)間序列的趨勢(shì)同構(gòu)性度量結(jié)果基本一致。（4）針對(duì)面向頻繁同構(gòu)趨勢(shì)基元類的時(shí)態(tài)關(guān)聯(lián)規(guī)則... 

【文章頁數(shù)】：135 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
Abstract
1 引言
2 文獻(xiàn)綜述
    2.1 時(shí)間序列數(shù)據(jù)挖掘與時(shí)間序列分析
    2.2 時(shí)間序列的近似表示
    2.3 時(shí)間序列的相似性度量
    2.4 時(shí)間序列模式匹配
    2.5 時(shí)間序列聚類
    2.6 時(shí)間序列關(guān)聯(lián)規(guī)則發(fā)現(xiàn)
    2.7 本章小結(jié)
3 基于趨勢(shì)基元同構(gòu)的同構(gòu)子序列發(fā)現(xiàn)
    3.1 現(xiàn)有相似性度量方法分析
        3.1.1 連續(xù)曲線相似性度量方法
        3.1.2 考慮形狀相似性的時(shí)間序列相似性度量
        3.1.3 已有相似性度量方法的局限性
    3.2 趨勢(shì)基元同構(gòu)
        3.2.1 曲線同構(gòu)
        3.2.2 趨勢(shì)基元同構(gòu)
        3.2.3 趨勢(shì)基元同構(gòu)性質(zhì)及定理
    3.3 同構(gòu)子序列發(fā)現(xiàn)
        3.3.1 同構(gòu)子序列
        3.3.2 同構(gòu)子序列發(fā)現(xiàn)的基本思想
        3.3.3 同構(gòu)子序列發(fā)現(xiàn)算法
        3.3.4 HSMTPH算法復(fù)雜度分析
    3.4 實(shí)驗(yàn)分析
        3.4.1 同構(gòu)子序列發(fā)現(xiàn)結(jié)果
        3.4.2 序列長度對(duì)算法效果和效率的影響
        3.4.3 擬合多項(xiàng)式階數(shù)對(duì)實(shí)驗(yàn)效率的影響
        3.4.4 同構(gòu)度參數(shù)對(duì)算法效果的影響
    3.5 本章小結(jié)
4 時(shí)間序列趨勢(shì)同構(gòu)性度量
    4.1 時(shí)間序列趨勢(shì)同構(gòu)的研究目的
    4.2 時(shí)間序列趨勢(shì)同構(gòu)性度量的基本思想
        4.2.1 概念準(zhǔn)備
        4.2.2 時(shí)間序列趨勢(shì)同構(gòu)性度量基本步驟
        4.2.3 趨勢(shì)基元聚類的兩種方式
    4.3 時(shí)間序列趨勢(shì)同構(gòu)性度量算法
        4.3.1 基于譜聚類的時(shí)間序列趨勢(shì)同構(gòu)性度量算法
        4.3.2 基于密度聚類的時(shí)間序列趨勢(shì)同構(gòu)性度量算法
        4.3.3 時(shí)間序列趨勢(shì)同構(gòu)性度量算例
    4.4 實(shí)驗(yàn)分析
        4.4.1 時(shí)間序列趨勢(shì)同構(gòu)性度量實(shí)驗(yàn)
        4.4.2 譜聚類與密度聚類參數(shù)對(duì)效果影響分析
        4.4.3 算法效率影響因素分析
    4.5 本章小結(jié)
5 時(shí)間序列同構(gòu)趨勢(shì)的時(shí)態(tài)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)
    5.1 概念準(zhǔn)備
    5.2 面向頻繁同構(gòu)趨勢(shì)基元類的時(shí)態(tài)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)
        5.2.1 基于O-Apriori的最大頻繁同構(gòu)趨勢(shì)基元類集發(fā)現(xiàn)算法
        5.2.2 時(shí)態(tài)關(guān)聯(lián)規(guī)則計(jì)算
        5.2.3 時(shí)態(tài)關(guān)聯(lián)規(guī)則評(píng)估
        5.2.4 時(shí)態(tài)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算例
    5.3 實(shí)驗(yàn)分析
        5.3.1 時(shí)態(tài)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)實(shí)驗(yàn)結(jié)果分析
        5.3.2 參數(shù)敏感性分析
    5.4 本章小結(jié)
6 結(jié)論
參考文獻(xiàn)
作者簡歷及在學(xué)研究成果
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]一種線狀要素幾何相似性度量方法及其應(yīng)用[J]. 安曉亞,劉平芝,楊云,侯溯源.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2015(09)
[2]時(shí)間序列的表示與分類算法綜述[J]. 原繼東,王志海.  計(jì)算機(jī)科學(xué). 2015(03)
[3]基于曲線相似的在線簽名認(rèn)證方法[J]. 邱益鳴,胡華成,鄭建彬,陳慶虎.  系統(tǒng)工程與電子技術(shù). 2014(05)
[4]一種基于信息熵的時(shí)間序列分段線性表示方法[J]. 趙建秀,王洪國,邵增珍,張?jiān)?丁艷輝.  計(jì)算機(jī)應(yīng)用研究. 2013(08)
[5]多尺度地理空間線狀目標(biāo)形狀相似性的度量[J]. 江浩,褚衍東,閆浩文,郭麗峰.  測(cè)繪科學(xué). 2010(05)
[6]多邊形化簡前后相似度計(jì)算的一種方法[J]. 邊麗華,閆浩文,劉紀(jì)平,褚衍東.  測(cè)繪科學(xué). 2008(06)
[7]基于重要點(diǎn)的時(shí)間序列趨勢(shì)特征提取方法[J]. 周黔,吳鐵軍.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2007(11)
[8]基于斜率提取邊緣點(diǎn)的時(shí)間序列分段線性表示方法[J]. 詹艷艷,徐榮聰,陳曉云.  計(jì)算機(jī)科學(xué). 2006(11)
[9]一種基于演化計(jì)算的在線手寫簽名驗(yàn)證算法實(shí)現(xiàn)[J]. 匡韜,鄭建彬.  計(jì)算機(jī)應(yīng)用. 2006(11)
[10]基于小波和動(dòng)態(tài)時(shí)間彎曲的時(shí)間序列相似匹配[J]. 曲文龍,張德政,楊炳儒.  北京科技大學(xué)學(xué)報(bào). 2006(04)

博士論文
[1]時(shí)間序列相似性與預(yù)測(cè)算法研究及其應(yīng)用[D]. 閆明月.北京交通大學(xué) 2014
[2]時(shí)間序列數(shù)據(jù)挖掘若干關(guān)鍵問題研究[D]. 何曉旭.中國科學(xué)技術(shù)大學(xué) 2014
[3]時(shí)間序列數(shù)據(jù)挖掘中的特征表示與相似性度量方法研究[D]. 李海林.大連理工大學(xué) 2012
[4]時(shí)間序列模式匹配技術(shù)研究[D]. 張勇.華中科技大學(xué) 2012
[5]時(shí)間序列的分割及不一致發(fā)現(xiàn)研究[D]. 李桂玲.華中科技大學(xué) 2012
[6]譜聚類方法研究及其在金融時(shí)間序列數(shù)據(jù)挖掘中的應(yīng)用[D]. 蘇木亞.大連理工大學(xué) 2011
[7]金融時(shí)間序列模式挖掘方法的研究[D]. 吳學(xué)雁.華南理工大學(xué) 2010
[8]時(shí)間序列相似性問題研究[D]. 李俊奎.華中科技大學(xué) 2008
[9]基于模型的時(shí)間序列數(shù)據(jù)挖掘[D]. 段江嬌.復(fù)旦大學(xué) 2008
[10]時(shí)間序列數(shù)據(jù)挖掘相似性度量和周期模式挖掘研究[D]. 董曉莉.天津大學(xué) 2007

碩士論文
[1]時(shí)間序列特征表示及相似性度量方法研究[D]. 鄭旭.長春工業(yè)大學(xué) 2015
[2]不確定性時(shí)間序列的降維與相似性匹配研究[D]. 肖瑞.東華大學(xué) 2014
[3]基于特征信息的測(cè)井曲線相似度算法研究與應(yīng)用[D]. 高興.東北石油大學(xué) 2013
[4]基于交叉熵的序列事件周期性檢測(cè)及應(yīng)用研究[D]. 楊銳.電子科技大學(xué) 2013
[5]時(shí)間序列數(shù)據(jù)的周期性研究[D]. 郭龍.電子科技大學(xué) 2013
[6]基于動(dòng)態(tài)扭曲算法的時(shí)間序列部分周期模式挖掘研究[D]. 盧榮.天津大學(xué) 2009
[7]時(shí)間序列相似性查詢及異常檢測(cè)算法的研究[D]. 杜洪波.沈陽工業(yè)大學(xué) 2008
[8]一種新的曲線相似性判別方法研究[D]. 朱潔.武漢理工大學(xué) 2008
[9]時(shí)間序列部分周期模式挖掘算法研究[D]. 王端偉.天津大學(xué) 2008
[10]基于演化計(jì)算的在線手寫簽名驗(yàn)證方法實(shí)現(xiàn)[D]. 匡韜.武漢理工大學(xué) 2006



本文編號(hào)：3703725