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。     

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。     

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.     

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。     

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．     

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。     

一种新的时间序列相似性模式发现算法

为了提高效率,基于时间序列的数据挖掘,采用了近似的方法取代原有时间序列,这导致了数据挖掘准确性的降低,文章的主要目标在于有效率地搜寻时间序列中的相似子序列向量,且希望能够兼顾准确性及效率,进而提供不同领域对于时间序列的不同需要.     

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.     

Mining Rules from Electrical Load Time Series Data Set

The mining of the rules from the electrical load time series data which are collected from the EMS(Energy Management System)is discussed.The data from the EMS are too huge and sophisticated to be understood and used y the power system engineer,while useful information is hidden in the electrical load data,The authors discuss the use of fuzzy linguistic summary as data mining method to induce the rules from the electrical load time series.The data preprocessing techniques are also discussed in the paper.     

混沌系统时间序列的二维重构

本文利用平均环绕时间的概念，提出了一种确定二维重构延迟时间τ的方法，并用此方法确定了时间晚二维重维的最侍者延迟时间，以强迫鲁塞尔振子吸引子为例进行了计算，获得较为理想的结果。     

检测时间序列数据中的例外模式

提出一种从时间序列数据中辨识例外模式的系统化方法,包括4个步骤1)将时间序列数据分割为一系列子序列;2)将这些子序列映射到某个特征空间;3)在此特征空间中,用聚类算法将分割得到的子序列聚类为不同的模式;4)定义例外支持的概念,并计算每个模式的例外支持,如果某个模式的例外支持小于1,则该模式是一个例外模式。实验表明该方法能够有效地监测出时间序列中的例外模式。     

改进的时间序列关键点表示算法

针对时间序列数据表示存在压缩率不高的问题,首先给出了时间序列定义和时间序列的9种基本形态;然后通过对极值点的优化处理,提出了关键极值点、剔除了轻微变化的极值点,并给出了结合转折点算法的IRAKPTS算法;最后通过实验验证,通过IRAKPTS算法的时间序列数据,较好地保留了时间序列的外形轮廓,并提高了压缩效率。     

RCR:一种面向金融时间序列的相似度量模型

在对我国证券市场交易数据的研究基础上,提出了一种新的面向金融时间序列的相似度量模型。此模型的数学定义清晰,易于计算机实现,能够有效完成形态搜索的自动化。给出了模型的形式化定义和模型的性质,并在实际股票交易数据上进行了相似性搜索实验,实验结果验证了模型的识别能力。     

多数据流时间序列中的依赖模式发现算法研究

针对多数据流组成的时间序列中发现有用的结构模式的MSDD算法不能很好地对节点剪枝，以及直观地表示模式的时间关系的问题，经过研究，提出了发现多数据流时间序列结构模式的算法：时间窗口移动筛选算法(TWMA)．采用事件序列化的策略来发现多流时间序列中的依赖模式，与MSDD相比，在表示上更直观，发现模式的过程更灵活．     

时间序列数据的稳健最优分割方法

针对分段多项式回归方法存在计算效率低和对噪声较敏感等缺点，提出了具有稳健性的最优分割方法，以解决时间序列数据相似搜索及知识发现处理中的长时间序列分割问题。该方法采用自顶向下策略，然后根据自适应定阶算法直接选定一个合适的多项式阶，对每个候选变化点，经过一次判断即可确定多项式的合适阶次。由于该方法基于对线性模型的数据矩阵作奇异值分解，从而可自适应确定子序列合适的模型，简化了计算过程，文中对此给出了理论证明。通过与Garalnik-Srivastava方法进行实验比较，证明所提方法不仅计算效率高，而且具有良好的稳健性。     

基于时间序列的数据挖掘在证券中的应用

为更好地对股票数据进行分析,从理论上对数据挖掘中时间序列的产生、应用进行了研究,通过对时间序列处理以及相关性搜索的多种方法的比较和分析,设计一个以股票预测为对象的小型系统。该系统首先对时间序列进行适当的处理,然后进行相似性搜索,分析未来的短时间的走势是否是历史上的重现。同时对得到的结果进行了分析,实验结果表明,该方法能找到股票数据中历史上相似走势,并通过历史走势分析当前的走势。     

射影点列线束的移动与对合

任意二射影点列，二射影线束通过移动群的变换都可以共底而且产生对合对应。对合的射影，点列与对合的射影线束的“对合比”为一定值。