現(xiàn)如今,隨著科學技術的發(fā)展,爆炸式增長的數(shù)據(jù)信息涉及人類的各個領域。時間序列流數(shù)據(jù)作為眾多數(shù)據(jù)類型中的一種時間序列模式數(shù)據(jù),它是一個動態(tài)的數(shù)據(jù)集合,其大小隨著時間的逐漸遞增而不斷變大。時間序列流數(shù)據(jù)所承載的信息可以實時傳輸,并且每一個數(shù)據(jù)點按照時間先后順序到達。數(shù)據(jù)點之間的順序不收系統(tǒng)調度和控制的影響,只與采樣時間相關。因其數(shù)據(jù)的流動性,所以不僅數(shù)據(jù)規(guī)模巨大,而且數(shù)據(jù)峰值具有未知性。傳統(tǒng)的數(shù)據(jù)分析和事件獲取分類與時間序列流事件的獲取和分類處理方式上有所不同,傳統(tǒng)數(shù)據(jù)分析處理是一個可對數(shù)據(jù)進行隨機的無需考慮次序的處理分析方式,而時間序列流數(shù)據(jù)是隨著時間的增長不斷收集存儲得到的,這是一種流的狀態(tài),每一個數(shù)據(jù)點都具有時間屬性故需要根據(jù)時間標簽有序的對其進行處理分析。通過對時間序列流數(shù)據(jù)的研究,可以進行醫(yī)學健康的檢測,對金融債券行情進行分析,對用戶社交行為的分析,天氣、礦山災害預警等。時間序列流數(shù)據(jù)中的時間序列流事件的完整事件獲取與分類是研究此類數(shù)據(jù)各項操作的基礎�，F(xiàn)階段時間序列流事件方面的研究已有很多,傳統(tǒng)的數(shù)據(jù)系統(tǒng)中的異常事件獲取針對的只是異常數(shù)據(jù)點的查詢,但是在許多實際應用之中,異常事件... 

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景與意義
    1.2 問題提出
    1.3 研究內(nèi)容及現(xiàn)狀
    1.4 本文組織結構
第2章 相關工作
    2.1 時間序列事件獲取方法
        2.1.1 偏振分析
        2.1.2 分型分維
        2.1.3 小波變換
    2.2 時間序列分類方法
        2.2.1 支持向量機
        2.2.2 決策樹
        2.2.3 KNN方法
    2.3 本章小結
第3章 時間序列流事件獲取方法
    3.1 問題描述及相關定義
        3.1.1 問題提出
        3.1.2 相關定義
    3.2 可變長多級時窗事件觸發(fā)
        3.2.1 時間序列流數(shù)據(jù)預處理
        3.2.2 基于STA/LTA算法的事件觸發(fā)
    3.3 基于AIC法則的事件精確獲取
    3.4 算法實現(xiàn)
    3.5 實例
    3.6 本章小結
第4章 時間序列流事件分類方法
    4.1 問題描述與相關定義
        4.1.1 問題提出
        4.1.2 相關定義
    4.2 基于神經(jīng)元網(wǎng)絡的事件分類
        4.2.1 轉換事件矩陣
        4.2.2 基于神經(jīng)元網(wǎng)絡的分類器構建
        4.2.3 反饋調節(jié)
    4.3 算法實現(xiàn)
    4.4 實例
    4.5 本章小結
第5章 實驗評價
    5.1 實驗設置
    5.2 實驗結果與分析
        5.2.1 不同參數(shù)大小對算法性能影響
        5.2.2 不同算法性能對比分析
    5.3 本章小結
第6章 總結與展望
    6.1 本文完成的主要研究工作
    6.2 工作中的不足及展望
致謝
參考文獻
攻讀學位期間發(fā)表的學術論文及參加科研情況


【參考文獻】：
期刊論文
[1]基于云平臺智能監(jiān)控終端系統(tǒng)的研究[J]. 朱興華,王曉峰,徐美芳,包劍波.  機電產(chǎn)品開發(fā)與創(chuàng)新. 2019(05)
[2]基于大數(shù)據(jù)的物聯(lián)網(wǎng)智能監(jiān)測系統(tǒng)在農(nóng)區(qū)鼠害監(jiān)測中的應用效果初報[J]. 曾娟,韓立亮,郭永旺,趙心蕊.  中國植保導刊. 2019(07)
[3]基于數(shù)據(jù)驅動的電力安全生產(chǎn)事故風險預警研究[J]. 楊軍,王東,許潔,李朋磊,米傳民.  電力大數(shù)據(jù). 2019(04)
[4]氣象大數(shù)據(jù)超短臨精準降水機器學習與典型應用[J]. 張晨陽,楊雪冰,張文生.  農(nóng)業(yè)大數(shù)據(jù)學報. 2019(01)
[5]醫(yī)院大數(shù)據(jù)平臺建設及其在醫(yī)療行為監(jiān)管中的應用[J]. 高峰,羅雪瓊,張建偉.  中國醫(yī)學裝備. 2019(03)
[6]測量中國的金融不確定性——基于大數(shù)據(jù)的方法[J]. 黃卓,邱晗,沈艷,童晨.  金融研究. 2018(11)
[7]高校突發(fā)事件中的網(wǎng)絡輿情監(jiān)管和應對機制[J]. 李恒忠,徐明磊,諸葛福民,王春宇.  煤炭高等教育. 2018(06)
[8]暴恐犯罪防控中的大數(shù)據(jù)適用問題研究[J]. 舒洪水.  南京大學法律評論. 2018(01)
[9]基于t分布鄰域嵌入算法的流式數(shù)據(jù)自動分群方法[J]. 孟曉辰,王玥,祝連慶.  生物醫(yī)學工程學雜志. 2018(05)
[10]大數(shù)據(jù)挖掘和分析在健康醫(yī)療領域的應用[J]. 顧理琴.  山西青年. 2018(13)

碩士論文
[1]近震P波震相自動識別方法研究[D]. 田優(yōu)平.中國地震局地球物理研究所 2015
[2]地震預警系統(tǒng)的P波震相自動識別方法研究[D]. 陳少波.中國地震局工程力學研究所 2015



本文編號：3668186