基于時間序列相似性的數(shù)據(jù)挖掘方法研究.pdf

1、時間序列數(shù)據(jù)是一類重要的復(fù)雜數(shù)據(jù)對象，廣泛存在于自然現(xiàn)象和社會經(jīng)濟(jì)等領(lǐng)域中，應(yīng)用數(shù)據(jù)挖掘技術(shù)分析時間序列數(shù)據(jù)是一項具有現(xiàn)實意義的工作，數(shù)據(jù)挖掘技術(shù)應(yīng)用于時間序列數(shù)據(jù)庫能夠發(fā)現(xiàn)時間序列中所蘊涵的知識，數(shù)據(jù)挖掘技術(shù)在時間序列中的主要應(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。本文探討時間序列的相似性度量及相似子序列的搜索方法。 時間序列數(shù)據(jù)具有高維性、含噪聲、振幅軸伸縮、時間軸漂移等多種變形，這造成時間序列數(shù)據(jù)挖掘

2、困難，對時問序列數(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。 在目前時間序列相似性挖掘的研究中，對時間序列數(shù)據(jù)庫的描述、存儲、檢索等操作，通常都是基于序列幅度值和時間坐標(biāo)進(jìn)行的。采用以點距離為度量標(biāo)準(zhǔn)。如線性平均分段累積近似方法(PAA)，點距離不能克服時間序列幅度值伸縮和時問軸漂移以及高維誤匹配等方面的不足，為此本文提出以時間序列模式距離為度量的標(biāo)準(zhǔn)，直觀

3、時間序列曲線變化，會發(fā)現(xiàn)一些能標(biāo)志時間序列曲線動態(tài)變化的點，將其稱作關(guān)鍵點，以關(guān)鍵點為邊界分割時間序列，用各分段擬合時間序列變化模式，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，提出一種相對誤差閩值的改進(jìn)算法，使關(guān)鍵點反映時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間跨度。海量的

4、時問序列數(shù)據(jù)庫各段模式特征的存儲搜索的規(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間序列，后綴樹結(jié)構(gòu)存儲各分段序列的形態(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，實驗表明此改進(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，通過實驗證明關(guān)鍵點分割線性