時(shí)間序列數(shù)據(jù)挖掘在生物醫(yī)學(xué)中的應(yīng)用研究.pdf

1、隨著計(jì)算機(jī)技術(shù)及其應(yīng)用的廣泛普及和超大容量存儲(chǔ)技術(shù)的發(fā)展，人們?cè)诟餍懈鳂I(yè)的應(yīng)用和科學(xué)研究中，積累的數(shù)據(jù)則呈現(xiàn)爆炸式增長(zhǎng)。這些海量數(shù)據(jù)背后隱藏著具有大量的重要價(jià)值的參考信息。如何充分利用這些海量數(shù)據(jù)，從中挖掘出更有價(jià)值需要的信息是目前數(shù)據(jù)挖掘領(lǐng)域廣泛研究的熱點(diǎn)問(wèn)題。
　　 時(shí)間序列數(shù)據(jù)具有空間或者時(shí)間順序的特征，通過(guò)時(shí)間序列數(shù)據(jù)挖掘，可以獲得與時(shí)間或空間密切相關(guān)的有用信息，實(shí)現(xiàn)對(duì)相關(guān)知識(shí)的提取。由于時(shí)間序列數(shù)據(jù)具有噪聲干擾、信號(hào)波

2、動(dòng)和高維性且數(shù)據(jù)類(lèi)型復(fù)雜多樣等特點(diǎn)，同時(shí)也是數(shù)據(jù)挖掘的重要研究方向和研究熱點(diǎn)之一，所以對(duì)時(shí)間序列數(shù)據(jù)挖掘的深入研究是非常具有挑戰(zhàn)性和必要性。時(shí)間序列數(shù)據(jù)挖掘的研究?jī)?nèi)容有許多，重點(diǎn)包括時(shí)間序列的相似性查詢、時(shí)間序列的異常檢測(cè)、時(shí)間序列的模式表示、時(shí)間序列的關(guān)聯(lián)規(guī)則、時(shí)間序列的分類(lèi)和聚類(lèi)、時(shí)間序列的趨勢(shì)分段，以及對(duì)時(shí)間序列數(shù)據(jù)挖掘框架的研究等等。
　　 本文在分析國(guó)內(nèi)外時(shí)間序列數(shù)據(jù)挖掘的研究發(fā)展和實(shí)際應(yīng)用需求基礎(chǔ)上，以生物醫(yī)學(xué)領(lǐng)域中

3、顱內(nèi)壓、動(dòng)脈血壓等相關(guān)時(shí)間序列數(shù)據(jù)的分析處理為實(shí)際應(yīng)用背景，對(duì)時(shí)間序列數(shù)據(jù)挖掘中的時(shí)間序列數(shù)據(jù)挖掘框架、異常檢測(cè)、趨勢(shì)分段、挖掘框架中映射函數(shù)等四個(gè)方面的問(wèn)題進(jìn)行了分析和研究，提出了一些算法和解決方案，并取得部分成果。所做的主要工作和創(chuàng)新點(diǎn)體現(xiàn)在以下幾個(gè)方面：
　　 1)時(shí)間序列數(shù)據(jù)挖掘框架研究
　　 時(shí)間序列數(shù)據(jù)挖掘框架是時(shí)間序列數(shù)據(jù)挖掘研究的一個(gè)應(yīng)用熱點(diǎn)：如何設(shè)計(jì)一個(gè)時(shí)間序列數(shù)據(jù)挖掘框架，利用已知的時(shí)間序列、相關(guān)的理

4、論和技術(shù)來(lái)對(duì)未知的時(shí)間序列做出準(zhǔn)確的估計(jì)是當(dāng)前應(yīng)用研究的重點(diǎn)。本文給出一種時(shí)間序列數(shù)據(jù)挖掘框架，建立知識(shí)學(xué)習(xí)模型，能夠通過(guò)數(shù)據(jù)的選取、特征向量的提取、模型辨識(shí)等技術(shù)對(duì)相關(guān)的時(shí)間序列進(jìn)行訓(xùn)練，然后對(duì)目標(biāo)時(shí)間序列進(jìn)行估計(jì)。實(shí)驗(yàn)結(jié)果證明：該數(shù)據(jù)挖掘框架能夠利用相關(guān)時(shí)間序列對(duì)目標(biāo)時(shí)間序列進(jìn)行較好地估計(jì)。
　　 2)時(shí)間序列數(shù)據(jù)挖掘的異常檢測(cè)研究
　　 研究時(shí)間序列數(shù)據(jù)的異常檢測(cè)是熱點(diǎn)問(wèn)題：如何設(shè)計(jì)相應(yīng)的算法從時(shí)間序列信號(hào)中快速、

5、高效地找出異常數(shù)據(jù)，排除無(wú)效數(shù)據(jù)和噪聲數(shù)據(jù)，提煉出有價(jià)值的時(shí)間序列數(shù)據(jù)。針對(duì)信號(hào)異常檢索算法不能滿足其他時(shí)間序列數(shù)據(jù)的檢測(cè)需要，提出了擴(kuò)展的信號(hào)異常檢索算法解決此類(lèi)問(wèn)題，并應(yīng)用到生物醫(yī)學(xué)中對(duì)SPO2、CBFV信號(hào)的檢測(cè)。實(shí)驗(yàn)證明：該擴(kuò)展方法對(duì)噪聲信號(hào)和干擾信號(hào)以及不可預(yù)知的偽信號(hào)較為敏感，能夠快速準(zhǔn)確地檢測(cè)出異常數(shù)據(jù)。
　　 3)時(shí)間序列數(shù)據(jù)挖掘的趨勢(shì)分段研究
　　 時(shí)間序列中的趨勢(shì)分段研究是時(shí)間序列研究中的另一個(gè)熱點(diǎn)問(wèn)

6、題：在各種時(shí)間序列應(yīng)用領(lǐng)域中，辨識(shí)不同的趨勢(shì)是非常普遍的問(wèn)題。為預(yù)測(cè)關(guān)鍵事件的發(fā)生，趨勢(shì)分析已經(jīng)成功作為數(shù)據(jù)處理的步驟，并進(jìn)一步結(jié)合其他數(shù)據(jù)分析模塊來(lái)預(yù)測(cè)某些關(guān)鍵事件；同時(shí)，在許多應(yīng)用中，也發(fā)展了許多方法用于趨勢(shì)檢測(cè)以及時(shí)間序列分段相關(guān)的問(wèn)題。針對(duì)基于殘留誤差的累積和時(shí)間序列趨勢(shì)分段方法存在的一些問(wèn)題，提出了自適應(yīng)時(shí)間序列趨勢(shì)分段算法。實(shí)驗(yàn)證明：該算法在小樣本情況下更能反映時(shí)間序列的趨勢(shì)走向，對(duì)估計(jì)心臟停搏的出現(xiàn)有較好的指導(dǎo)意義。

7、>　　 4)時(shí)間序列數(shù)據(jù)挖掘框架中的線性映射函數(shù)的研究
　　 時(shí)間序列數(shù)據(jù)挖掘框架中關(guān)鍵的模塊之一就是映射函數(shù)，根據(jù)存在信號(hào)的特點(diǎn)，提出了使用總體最小二乘法(TLS)、截?cái)嗥娈愔捣纸夥?TSVD)、標(biāo)準(zhǔn)吉洪諾夫正則化方法(STR)等方法構(gòu)建線性映射函數(shù)。實(shí)驗(yàn)證明：截?cái)嗥娈愔捣纸夥ê蜆?biāo)準(zhǔn)吉洪諾夫正則化方法所構(gòu)建的線性映射函數(shù)比線性最小二乘法和總體最小二乘法具有良好的估計(jì)效果。
　　 5)時(shí)間序列數(shù)據(jù)挖掘框架中的非線性映射