牛顿多项式拟合时间序列预测方法的研究

提出一种基于牛顿多项式拟合时间序列预测方法,通过对时间序列的牛顿多项式拟合函数特征化,将时间序列的数据映射到牛顿多项式的系数特征空间,然后根据系数的特征空间采用类似欧氏距离的方法来比较时间序列的相似性,从而进行时间序列的预测.实验验证了该方法比其它几种经典方法预测精度高,稳定性好,而且对给定长度的变化敏感度低,具有较高的实际应用价值.     

一种快速的时间序列线性拟合算法

提出一种新的基于关键点的时间序列分段拟合算法.通过一次扫描数据,该算法依次利用三个连续数据形成的夹角和非单调序列中的极值点,选择反映序列趋势变化的关键点,实现时间序列的线性拟合的同时剔除了噪音干扰,能精确定位单调序列中的突变转折点,发现序列中的尖峰状态.实验结果表明该算法具有良好的分段拟合性能.     

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。     

一种时序数据多项式拟合加速方法

考虑到时序数据自身特点,特别是针对周期采样的时序数据,本文提出一种多项式拟合加速方法,讨论了平均分段和非平均分段两种情况下时序数据多项式拟合方法,通过重复利用部分矩阵的中间计算结果,大幅提高了多项式拟合的计算速度.实验结果表明,对于周期采样数据,该方法在平均分段和非平均分段时最多可分别获得约28倍和17倍计算加速.      

一种新的基于DFNN的时间序列预测

对时间序列预测, 利用自回归移动平均模型(ARIMA)给出了一种新的基于动态模糊神经网络(DFNN)的模型, 该模型中主要是考虑了输出误差这个重要因素. 将ARIMA模型产生的非线性特征用DFNN模型模拟. 能够产生比DFNN和ARIMA单个模型更加精确的模型. 因此, 它可以作为一个适当的替代模型来预测任务,特别是当需要更高的预测精度的时候. 最后用Mackey-Glass时间序列验证了模型的有效性.     

基于形态拟合的时间序列距离计算

针对现有的距离度量方法度量准确度低且计算效率低的问题,提出了基于形态拟合的距离度量算法.该算法使用滑动聚集平均近似方法对序列进行分段降维处理,计算降维后的分段序列的动态弯曲路径,并计算处于动态弯曲路径上的分段序列之间的欧式距离,以所有分段序列的欧式距离的累积值作为最终的距离计算结果.实验表明基于形态拟合的距离度量算法具有度量准确度高且计算效率高的优点.     

一种基于Web资源相似性的序列模式度量方法

提出了一种基于资源相似性的Web访问序列模式的相似度量方法,并且考虑了用户访问资源的时间因素,经过检验,证明其能够有效真实地反映实际情况。     

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.     

计算动力触探修正系数的多项式拟合法

给出了用于计算动力触探修正系数的多项式拟合法.首先通过比对确定了拟合函数,指出用二次多项式拟合是考虑精确性和实用性的最佳契合点,通过数学分析介绍了双因素函数拟合的嵌套方法,并给出了重型动力触探修正系数在考虑杆长和实测锤击数条件下的二元二次多项式拟合函数及其行列式形式.通过拟合出的修正系数与规范所给的修正系数之间的误差分...     

利用线性空间中基表示方法计算多项式序列的一种加权和

利用线性空间中基表示方法得到了直接计算多项式序列{p(n)}加权和∑i=0^np(i)α^i的形式较为简单的闭型表达式。     

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。     

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。     

短时间序列仿真模型正确性确认方法的研究

针对短时间序列的特殊性，根据仿真模型的现代确认技术，用置信区间的方法作为定量的统计决策。并给出了应用实例。     

特征向量灵敏度分析的快速级数展开法

根据特征向量灵敏度分析的模态法,研究出计算特征向量灵敏度的快速级数展开法。该方法是用Ｎｅｕｍａｎｎ矩阵级数的表式来等效未知模态对特征向量灵敏度的贡献,并引入特征值移位量来控制矩阵级数的收敛性,从而明显地提高了计算效率。     

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．     

金融时间序列数据挖掘的研究与应用

介绍了金融时间序列分析及其方法,阐述了金融时间序列数据挖掘的特点,总结了金融时间序列数据挖掘的主要方法,介绍了金融时间序列数据挖掘的典型应用及技术进展。     

时间序列数据的相似模式抽取

提出一种基于多项式回归分析的相似性度量和时间序列相似模式抽取的系统化方法,其基本思路是用一个分段多项式回归模型近似一个时间序列,把原始序列映射到多项式系数张成的特征空间,并推导出此特征空间的欧几里德距离作为相似性度量,从而自然地把原始序列分为一个不重叠的有序子序列集合,然后对这个子序列集合进行聚类,得到一组不重叠的模式。所提方法还定义了不等长度时间序列相似的概念。说明了一些著名的分段直线表示（PLR）法是所提方法的特例,并给出了理论分析和实验结果。     

海洋时间序列的谱分析方法

本文简要阐述了海洋时间序列中两类（标量与矢量）随机过程各种谱的定义、概念、性质等，并对国内目前应用尚不广泛的旋转谱与二阶谱作了较详细的叙述，且重点介绍用ＦＦＴ进行各种谱估计的方法。