隨著計算機科學(xué)技術(shù)的發(fā)展,我們步入了“數(shù)據(jù)爆炸”時代,各行業(yè)每天產(chǎn)生的海量數(shù)據(jù)不斷累積,也形成了企業(yè)、社會的無形資產(chǎn)。海量的數(shù)據(jù)包含潛在的各種各樣有價值的信息,越來越受到社會各界的重視,數(shù)據(jù)挖掘技術(shù)應(yīng)用而生。由于時序數(shù)據(jù)流體量大,連續(xù)性強且模態(tài)各異,如何對其進行快速分析,挖掘有價值的信息成為一個研究熱點。數(shù)據(jù)流突變點檢測技術(shù)作為數(shù)據(jù)挖掘的一個分支,可以從數(shù)據(jù)整體分布出發(fā),過濾掉大多數(shù)常態(tài)數(shù)據(jù),快速定位突變點位置,分析突變原因及前后數(shù)據(jù)波動情況。其中,滑動窗口模型可以對數(shù)據(jù)流進行分割,形成若干子窗口分別分析,有效的提高了數(shù)據(jù)處理能力和突變點檢測速率。突變點檢測算法的性能,滑動窗口大小及其更新方式都是影響數(shù)據(jù)挖掘的重要因素。神經(jīng)系統(tǒng)疾病,如癲癇、心臟疾病等具有高發(fā)病率、高殘疾率和高死亡率特點,是一種威脅人類生命安全的主要疾病,此類疾病病理信號作為一種代表性的大數(shù)據(jù)量時序數(shù)據(jù),對其分析檢測時耗時和精確度都有較高的要求。本文針對上述現(xiàn)狀,以突變點檢測算法和滑動窗口模型為基礎(chǔ),提出建立時序數(shù)據(jù)波動向量的理論,給出了基于波動向量的兩種模板匹配算法,可以實現(xiàn)對海量時序數(shù)據(jù)的快速分析。并選擇癲癇腦電信... 

【文章來源】：東華大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

Haar小波K級分解示意圖

基于突變點檢測的病理信號分析方法研究與應(yīng)用11根據(jù)分解的k,jcA和k,jcD，我們可以構(gòu)建兩個矩陣，分別為均值矩陣McA和差值矩陣McD[66]，表示為：1,11,/2,,1......000nkjmcAcAMcAcAcA(2-16)1,11,/2,,1......000nkjmcDcDMcDcDcD(2-17)其中20kmlogn,12kjn。如果時序數(shù)據(jù)的數(shù)據(jù)長度n是為2的整冪次方，則第k級分解的第個j均值分量和差值分量所對應(yīng)的原數(shù)據(jù)可以由數(shù)學(xué)關(guān)系計算得出:k,j1cA()(2)^biiazk(2-18)k,j11cD()(2)^cbLRLaRczzk(2-19),,1,(z,z)z,...,z,z,...,kjkjLRaccbcAcDz(2-20)其中211kaj，2*kbj，12*12kkcj。得到均值參數(shù)矩陣McA和差值參數(shù)矩陣McD后，可以建立均值二叉樹TcA和差值二叉樹TcD。具體做法是分別將McA和McD映射到均值二叉樹TcA和差值二叉樹TcD的各層非葉子節(jié)點上，同時，葉子節(jié)點直接來自Z中的元素形成如下的結(jié)構(gòu)：圖2-2均值二叉樹TcA

基于突變點檢測的病理信號分析方法研究與應(yīng)用13圖2-3國際通用10-20腦電圖標(biāo)準電極放置法一般健康人的EEG幅值較低且波動穩(wěn)定，癲癇發(fā)作時波動劇烈，幅值瞬間可達到1000μV。腦電信號按照頻率可以分為δ、θ、α、β、γ五種波形[69]，都有大量的醫(yī)學(xué)研究和臨床數(shù)據(jù)作為劃分的依據(jù)。每種腦電波都有其各自的意義和價值，具體為：表2-1常見腦電波形及其特征2.4.2癲癇腦電信號特征目前，腦電圖是癲癇診斷治療中最常用，最具有參考價值的手段[70]，癲癇發(fā)作期間腦電信號特征對診斷具有重要意義。因此，熟悉和了解癲癇腦電信號特點[71]，如幅值、頻率、波形等對癲癇分析檢測和模式匹配研究具有重要的意義。癲癇腦電信號是指那些明顯和正常腦電信號不同的腦電信號，在臨床上通常通過是否出現(xiàn)幾種特征波形來進行判斷。常見的癲癇腦電波形特征及其特點如表2-2所示。

【參考文獻】：
期刊論文
[1]大數(shù)據(jù)技術(shù)在經(jīng)濟運行監(jiān)測分析中的應(yīng)用[J]. 戎天.  中國經(jīng)貿(mào)導(dǎo)刊(中). 2020(04)
[2]一種快速的突變點在線檢測算法設(shè)計與實現(xiàn)[J]. 鄒俊晨,齊金鵬,李娜,劉佳倫,朱厚杰.  電子科技. 2020(08)
[3]我國醫(yī)療行業(yè)大數(shù)據(jù)應(yīng)用現(xiàn)狀及政策建議[J]. 徐志祥,王瑩.  中國衛(wèi)生信息管理雜志. 2017(06)
[4]基于多級Haar小波變換與KS統(tǒng)計的突變點快速探測方法[J]. 宋巧紅,齊金鵬,張煜.  計算機工程. 2018(05)
[5]大數(shù)據(jù)的國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)分析[J]. 王軍,劉金輝.  電子技術(shù)與軟件工程. 2015(23)
[6]時間序列異常點及突變點的檢測算法[J]. 蘇衛(wèi)星,朱云龍,劉芳,胡琨元.  計算機研究與發(fā)展. 2014(04)
[7]大數(shù)據(jù)應(yīng)用的現(xiàn)狀與展望[J]. 張引,陳敏,廖小飛.  計算機研究與發(fā)展. 2013(S2)
[8]基于滑動窗口的Top-K概率頻繁項查詢算法研究[J]. 王爽,王國仁.  計算機研究與發(fā)展. 2012(10)
[9]傳感器網(wǎng)絡(luò)數(shù)據(jù)流異常數(shù)據(jù)檢測與修正[J]. 楊杰,白洋.  齊齊哈爾大學(xué)學(xué)報(自然科學(xué)版). 2009(06)
[10]關(guān)于我國上證指數(shù)突變點的研究[J]. 王維國,王霞.  統(tǒng)計與決策. 2008(21)

博士論文
[1]大數(shù)據(jù)的社會價值與戰(zhàn)略選擇[D]. 張?zhí)m廷.中共中央黨校 2014

碩士論文
[1]基于數(shù)據(jù)挖掘的移動用戶行為分析系統(tǒng)的構(gòu)建[D]. 陳紅.南京郵電大學(xué) 2018
[2]基于多路搜索的時序突變異�？焖俜治鯷D]. 艾辣椒.東華大學(xué) 2018
[3]一種數(shù)據(jù)流突變點快速探測算法的研究與實現(xiàn)[D]. 宋巧紅.東華大學(xué) 2018
[4]我國股票市場結(jié)構(gòu)突變的貝葉斯研究[D]. 殷思宇.湖南大學(xué) 2015
[5]滑動窗口模型下的數(shù)據(jù)流自適應(yīng)異常檢測方法研究[D]. 龐景月.哈爾濱工業(yè)大學(xué) 2013
[6]癲癇腦電信號的提取與識別[D]. 宋煥榮.大連理工大學(xué) 2012
[7]中國股票市場股指波動的突變性分析[D]. 侯有英.大連海事大學(xué) 2010



本文編號：3456320