基于時(shí)間序列相似性的數(shù)據(jù)挖掘方法研究.pdf

1、時(shí)間序列數(shù)據(jù)是一類重要的復(fù)雜數(shù)據(jù)對(duì)象，廣泛存在于自然現(xiàn)象和社會(huì)經(jīng)濟(jì)等領(lǐng)域中，應(yīng)用數(shù)據(jù)挖掘技術(shù)分析時(shí)間序列數(shù)據(jù)是一項(xiàng)具有現(xiàn)實(shí)意義的工作，數(shù)據(jù)挖掘技術(shù)應(yīng)用于時(shí)間序列數(shù)據(jù)庫能夠發(fā)現(xiàn)時(shí)間序列中所蘊(yùn)涵的知識(shí)，數(shù)據(jù)挖掘技術(shù)在時(shí)間序列中的主要應(yīng)用有規(guī)則發(fā)現(xiàn)、周期模式挖掘、相似性搜索和序列模式發(fā)現(xiàn)等方面。本文探討時(shí)間序列的相似性度量及相似子序列的搜索方法。 時(shí)間序列數(shù)據(jù)具有高維性、含噪聲、振幅軸伸縮、時(shí)間軸漂移等多種變形，這造成時(shí)間序列數(shù)據(jù)挖掘

2、困難，對(duì)時(shí)問序列數(shù)據(jù)首先進(jìn)行去噪聲和規(guī)范化預(yù)處理，包括數(shù)據(jù)填補(bǔ)缺失、數(shù)據(jù)清洗、維數(shù)約減，消除不一致等技術(shù)，得到高質(zhì)量的數(shù)據(jù)以便處理。 在目前時(shí)間序列相似性挖掘的研究中，對(duì)時(shí)間序列數(shù)據(jù)庫的描述、存儲(chǔ)、檢索等操作，通常都是基于序列幅度值和時(shí)間坐標(biāo)進(jìn)行的。采用以點(diǎn)距離為度量標(biāo)準(zhǔn)。如線性平均分段累積近似方法(PAA)，點(diǎn)距離不能克服時(shí)間序列幅度值伸縮和時(shí)問軸漂移以及高維誤匹配等方面的不足，為此本文提出以時(shí)間序列模式距離為度量的標(biāo)準(zhǔn)，直觀

3、時(shí)間序列曲線變化，會(huì)發(fā)現(xiàn)一些能標(biāo)志時(shí)間序列曲線動(dòng)態(tài)變化的點(diǎn)，將其稱作關(guān)鍵點(diǎn)，以關(guān)鍵點(diǎn)為邊界分割時(shí)間序列，用各分段擬合時(shí)間序列變化模式，提取各分段擬合的形態(tài)特征向量(斜率反正切值)。關(guān)鍵點(diǎn)的選擇必須滿足各段線性擬合的誤差閾值，為提高分段線性擬合的準(zhǔn)確性，提出一種相對(duì)誤差閩值的改進(jìn)算法，使關(guān)鍵點(diǎn)反映時(shí)間序列變化的總體趨勢和特征。 在現(xiàn)有相似子序列搜索方法的基礎(chǔ)上，根據(jù)其不足，本文提出改進(jìn)算法，首先考慮各分段線性擬合的時(shí)間跨度。海量的

4、時(shí)問序列數(shù)據(jù)庫各段模式特征的存儲(chǔ)搜索的規(guī)模很大，將分段序列的特征向量進(jìn)行離散化分類，以字符代替各分段時(shí)間序列，后綴樹結(jié)構(gòu)存儲(chǔ)各分段序列的形態(tài)特征字符，在給定序列樹中快速有效地檢索與查詢序列相似的子序列，這種算法能夠?qū)Σ煌≈捣秶?、不同長度的子序列進(jìn)行有效的搜索，實(shí)現(xiàn)了序列數(shù)據(jù)庫在不同劃分粒度下的相似性檢索。提出離散化邊界模糊分類的方法，實(shí)驗(yàn)表明此改進(jìn)方法優(yōu)化了相似子序列的查全率。本文最后與目前的PAA方法比較，通過實(shí)驗(yàn)證明關(guān)鍵點(diǎn)分割線性