基于学习行为时间序列相似性模型的研究

以学习者学习行为为研究对象,提取了学习行为特征,构建了一组学习行为时间序列数据,提出了一种学习行为时间序列相似性模型;通过学习行为相似性模式的表示、度量和聚类,验证模型的有效性;结果表明,能够很好地对学习行为进行分类,对无效样本有效检验。     

时间序列相似性搜索算法研究

时间序列分析正成为数据挖掘研究的热点,时间序列的相似性搜索是时间序列研究的重要方面,介绍了时间序列相似性搜索研究的现状,详细分析了两类具有代表性的时间序列相似性搜索算法及各自特点,指出了时间序列相似性搜索研究的挑战性及目前的局限性。     

基于时间序列相似性匹配算法的研究

把匹配抽象时间序列相似性的方法引入到地震预报的应用中,结合大量地震历史源数据,地震领域的专家经验知识和相关成果基础上,提出了一种简化的抽象时间序列匹配模型.该模型在对海量数据进行预处理筛选的基础上再进行时间相似性匹配,增加了横向和纵向多方位地区和多方位时间段的匹配,不同时间差和阈值的匹配,并通过大量实验对该模型进行了反复验证,同时对我国地震频繁地区近几十年的地震历史数据进行了相似性匹配实验分析,取得了可信度较高的实验结果,实验结果验证了所给时间序列相似性匹配控制策略的有效性、实用性以及算法的优越性.     

多元时间序列相似性研究

本文在分析信息系统与多元时间序列关系的基础上,利用主成分的方差贡献率得到主成分的加权综合属性,从而达到将多元时间序列降为一元时间序列的目的;利用动态时间弯曲距离来刻划两个已经降为一元的时间序列相似性.     

基于两点的时间序列相似性研究

目前,时间序列相似性判定大多采用欧式距离和动态时间弯曲DTW（DynamicTimeWar．ping）方法,这两种方法均存在一定缺陷。欧式距离要求序列长度一样,垂直移动序列将影响相似性判定和阈值设置的经验性;动态弯曲距离对欧式距离进行了优化,避免了欧式长度的一致性,但其他两个缺点仍然存在且计算复杂度增加。提出了一种新的基于两点时间序列相似性算法,可计算任意两序列的相似度。首先分析了两点组成的序列形态,提出了相似性判定方法TPSS（TwoPointsSegmentationSimilarity）;其次为提高相似性判定的鲁棒性,减少人为阈值设置的影响,对TPSS进行了拓展;最后给出了算法及实验分析。实验结果表明,该算法能很好地判定任意序列的相似性,提高了鲁棒性及减少人为干预,对数据挖掘中的聚类与预测有很好的帮助作用。     

基于变换的时间序列相似性分析

为了解决时间序列相似性比较问题,采用从时间序列的直观特征分析入手进行定义的方法,定义了具体的基于变换的时间序列的相似性,并分析了良好的时间序列变换函数所应具备的性质,讨论了一些有代表性的基于变换的时间序列相似性的定义和分析方法,对这些方法的基本思想加以提炼和总结,并讨论了这些方法的优、缺点,为基于变换的现代时间序列分析方法研究提供了较为完整的成果概览。同时,提出了借助变换函数来对时间序列的相似性进行定义的方法,为进一步做好时间序列相似性的比较工作提供了具体方向和理论依据。     

基于小波变换的多元时间序列相似性研究

多元时间序列由于多元性和变量间的相关性而趋于复杂.简单综述了时间序列研究方法,结合小波变换的降维和多尺度特性,以矩阵的Froenius加权平方范数为度量工具,提出了基于haar小波变换的多元时间序列间相似性匹配方法.实验数据表明,该方法能够有效的比较多元时间序列间的相似性程度.     

水文时间序列的相似性搜索研究

将时间序列相似性搜索的数据挖掘方法应用于水文时间序列数据中,挖掘相似的水文过程.在分析欧氏距离和动态时间扭曲距离两种相似性距离度量方法特点的基础上,采用对时间轴的伸缩和弯曲具有较好适应性的动态时间扭曲距离法对塔里木河流域源流区出山口水文站沙里桂兰克站1961—2000年共220场洪水流量过程进行相似性搜索,基于相似性距离度量矩阵,挖掘出相似的洪水流量过程.结果表明,沙里桂兰克站洪水过程虽形态多样,但也表现出一定的相似性,基于动态时间扭曲法的相似性搜索能有效挖掘出相似的水文过程.     

基于时间序列相似性匹配算法的地震预测研究

把匹配抽象时间序列相似性的方法引入到地震预报的应用中,结合大量地震历史源数据,地震领域的专家经验知识和相关成果基础上,提出了一种简化的抽象时间序列匹配模型。该模型在对海量数据进行预处理筛选的基础上再进行时间相似性匹配,增加了横向和纵向多方位地区和多方位时间段的匹配,不同时间差和阈值的匹配,并通过大量实验对该模型进行了反复验证,同时对我国地震频繁地区近几十年的地震历史数据进行了相似性匹配实验分析,取得了可信度较高的实验结果,实验结果验证了所给时间序列相似性匹配控制策略的有效性、实用性以及算法的优越性。     

基于时间序列模型的收视率研究

收视率是指在某个时段收看某个节目的目标观众人数占总目标人群的比重,以百分比表示。收视率的高低能够反映出节目的观众喜爱程度以及节目所具有的社会影响力。本文采用2006年中国电视收视年鉴中的全国收视数据,以工作日及节假日收视率为研究对象,利用SAS统计软件做时间序列分析,并进行预测。结果显示,节假日收视率数据能够较好的拟合ARIMA(1,2,(1,4))模型,工作日收视率数据则利用ARIMA(1,2,(1,4))模型和AR(1,4)模型拟合结果都较好,但是相对而言ARIMA(1,2,(1,4))拟合效果最好。     

变换域时间序列相似性搜索

在时间序列的研究中,经常需要计算二个序列的相似程度.由于序列变化的多样性和复杂性,结果通常不能很好地满足要求.采用变换法则对时间序列进行从时域到频域的转换,再将转换后的数据按照一定的规则变换成字符序列;利用求最长公共子序列的方法计算二个序列的匹配度,实现时间序列的相似性搜索.     

变换域时间序列相似性搜索

在时间序列的研究中，经常需要计算二个序列的相似程度。由于序列变化的多样性和，复杂性，结果通常不能很好地满足要求。采用变换法则对时间序列进行从时域到频域的转换，再将转换后的数据按照一定的规则变换成字符序列；利用求最长公共子序列的方法计算三个序列的匹配度，实现时间序列的相似性搜索。     

基于时间序列模型SARIMA的犯罪预测研究

基于时间序列分析的犯罪预测是公安情报工作的重要办法之一。利用2005年2月～2013年12月我国某北方大型城市的一般伤害、抢夺和抢劫3类犯罪案件数量数据,建立了SARIMA时间序列预测模型,并进行了验证。结果表明一般伤害案件的数量存在周期性波动,且没有明显的增减趋势,预测效果较好(PRMSE为11.95%,MAPE为10.92%)。抢夺案件的数量具有周期性波动且在2008年前后存在明显的增减趋势,通过数据处理,将抢夺数据的增减趋势与周期性分别进行了研究,得到了相对较好的预测效果(PRMSE为17.08%,MAPE为13.53%)。抢劫案件的数量不具有明显的周期性波动,难以利用SARIMA进行预测。研究结果可以应用于一般伤害和抢夺类犯罪的趋势预测,为犯罪打击提供宏观决策支持。     

基于分数微分的时间序列相似性度量及其应用

时间序列的相似性度量是时间序列聚类、分类以及其他相关时间序列分析的基础.传统基于距离的相似性度量方法,忽视了时间序列可能存在的时间上的联系,而将时间序列看作一系列孤立点的集合.对于序列间可能存在的前后联系,基于分数阶微分的遗传特性和记忆特性,提出一种新的时间序列聚类的相似性度量.根据时间序列的分数阶微分计算新序列间的点距离,将其作为聚类算法的输入对时间序列进行聚类.仿真实验结果表明,与基于原始序列矢量距离的聚类结果相比,新的分数阶相似性度量方法表现更好.     

基于时间序列的轨迹数据相似性度量方法研究及应用综述

移动通信和传感设备等位置感知技术的发展,将人和事物的地理位置数据化。由此形成的轨迹数据正以极快的速度产生并呈指数级增长。轨迹数据中蕴含着丰富的信息,对其分析和挖掘具有重要的社会和应用价值。轨迹相似性度量研究是轨迹数据管理和分析的基础,在轨迹计算中起决定性作用。轨迹相似性度量通常以时间、空间或若干关键词作为参数,度量轨迹之间的相似程度。本文总结归纳了现有的轨迹相似性度量经典研究工作。首先,总结归纳了轨迹大数据的高维异构、多粒度、不确定、高冗余的特点,对轨迹的相似性度量问题进行了形式化的描述。其次,依据不同的数据类型,就经典的空间相似性、文本相似性和时间相似性的评价方法分别进行了说明和总结;依据轨迹形式与度量范围,将现有工作分为了基于离散点的轨迹全局和局部相似性,基于线段的轨迹全局和局部相似性的计算方法,并评价了各种方法的优缺点。再次,分析了轨迹相似性度量在交通管理、城市规划、智能推荐、智慧出行等领域的具体应用。最后,总结展望了轨迹相似性度量在未来研究与应用方面的发展方向。     

关于时间序列相似性概念体系的探讨与研究

通过分析高维空间的欧氏几何距离关系并对相似性定义进行拓展,提出了一种新的时间序列相似性概念体系,即以相似性函数和变换约束函数共同描述两个序列的相似关系．在这种概念体系中,相似性只能是某种相似性函数和变换函数约束下的相似,客观的相似性结果依赖于相似性函数和变换函数的主观选取．新的相似性概念体系可以涵盖以往各种相似性定义,不同定义可以看作相似性比较中所关注的不同方面的特征或性质．     

时间序列的快速相似性搜索改进算法

针对时序数据进行相似性挖掘方法的研究,提出一种寻找已知序列的所有相似性子序列的方法,用该方法对数据模拟,结果表明该算法提高了查询性能。     

基于时间序列的南昌房地产价格指数模型研究

鉴于房地产全国价格指数与实际城市房地产价格相差较大,本文基于自回归积分移动平均模型理论,构造了南昌市1998～2011年共55个季度房地产价格指数数据的理论模型ARIMA(3,2,0),经Box-Pierce检验表明该模型具有95％的概率合理性,为预测南昌市未来房地产价格指数提供参考.     

基于云模型的时间序列预测

在日常生活中广泛存在着各种时间序列数据,发现时间序列知识、对时间序列进行预测正成为数据挖掘与知识发现的重要内容.首先提出了基于云模型的时间序列预测机制,该机制以云理论为知识表示的理论基础,提出了两种预测知识:准周期变化规律和当前趋势,并综合两种不同粒度的预测知识实现了时间序列的预测.然后着重于运用云模型进行知识表达、定量数值与定性知识的转换以及综合不同时间粒度的知识进行时间序列预测.     

基于时间序列模型的预估控制算法

提出一种具有反馈修正的，基于时间序列模型ＣＡＲＭＡ的单值预估控制算法，对这种算法下闭环预估控制系统结构和稳定性进行了分析，对各种预估控制算法的鲁棒性进行了仿真对比。反馈修正的引入，使闭环预估控制系统的鲁棒性有很大的改善，使这种算法更适合于工业应用。