版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、時間序列數(shù)據(jù)挖掘作為數(shù)據(jù)挖掘的重要分支,其挖掘的對象是特定的,即為時間序列。不同于傳統(tǒng)的靜態(tài)數(shù)據(jù),時間序列是一種復(fù)雜的數(shù)據(jù)對象,描述事物的變化過程。而時間序列是無處不在的,如股票價格數(shù)據(jù)、圖像數(shù)據(jù)和文本數(shù)據(jù)等都可以看作為時間序列。作為數(shù)據(jù)挖掘的一個分支,時間序列數(shù)據(jù)挖掘研究主要有以下幾個方面:時間序列相似性搜索、時間序列聚類、時間序列分類、時間序列分割與模式發(fā)現(xiàn)、海量時間序列可視化和時間序列預(yù)測等。本文探討一種特定的時間序列聚類,即基于
2、特征的時間序列聚類。
本文首先對時間序列挖掘、時間序列聚類以及基于特征的時間序列聚類做了一個總體的介紹;其次,對時間序列的特征和時間序列的相似性度量作了一個總體的概述;然后,根據(jù)已有的算法,提出一種改進(jìn)的基于關(guān)鍵點提取壓縮維度的時間序列模糊聚類算法newFCM(newfuzzyC-means),以及在newFCM算法基礎(chǔ)上的時間序列動態(tài)聚類算法Dyn-Clustering。newFCM算法通過提取時間序列中的波峰、波谷或轉(zhuǎn)折點
3、作為時間序列的關(guān)鍵點構(gòu)成關(guān)鍵點序列來表征原來的時間序列,以達(dá)到降維和去除噪聲的目的,同時采用蘭氏距離克服算法對奇異值敏感的缺點,并調(diào)整蘭氏距離,使其更準(zhǔn)確地度量我們的關(guān)鍵點序列間的相似度。更進(jìn)一步,引入基于基本統(tǒng)計特征的相似度度量,來克服算法不能發(fā)現(xiàn)平移或拉伸的時間序列的相似性的缺點。
本文進(jìn)一步介紹了聚類效果度量標(biāo)準(zhǔn),并利用這些度量標(biāo)準(zhǔn)從多方面對所提改進(jìn)算法進(jìn)行實驗評估。首先,對newFCM算法進(jìn)行了參數(shù)評測實驗;然后,與傳
4、統(tǒng)的FCM算法和K-means算法作對比,進(jìn)行性能對比實驗;最后,利用newFCM和Dyn-Clustering對20只國內(nèi)商品期貨的價格和成交量序列進(jìn)行實際應(yīng)用分析。實驗表明,用newFCM算法對時間序列進(jìn)行聚類,聚類效果良好,效率更高。在實際應(yīng)用中,用newFCM算法對時間序列進(jìn)行聚類,對于類別不是很明顯的時間序列,Dyn-Clustering算法能夠根據(jù)不同的時間段將其聚類到不同類別中,實現(xiàn)對時間序列的動態(tài)聚類,由此幫助人們進(jìn)一步
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 時間序列的特征表示與聚類方法研究
- 時間序列聚類方法研究.pdf
- 基于時間序列聚類的關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 基于比特序列變化模式聚類的時間序列相似搜索.pdf
- 基于時間序列聚類的投資組合分析.pdf
- 基于經(jīng)驗?zāi)B(tài)分解的時間序列聚類算法.pdf
- 基于流形學(xué)習(xí)的時間序列聚類研究.pdf
- 時間序列動態(tài)模糊聚類的研究.pdf
- 基于LB-Hust距離的時間序列數(shù)據(jù)聚類.pdf
- 時間序列異常檢測的聚類方法研究.pdf
- 基于隱馬爾科夫模型的時間序列聚類.pdf
- 面向離散時間序列的聚類算法研究.pdf
- 時間序列動態(tài)聚類方法研究——基于改進(jìn)的FCM算法.pdf
- 基于隱馬爾可夫模型的時間序列聚類的研究.pdf
- 時間序列相似性聚類算法研究.pdf
- 交通客流時間序列數(shù)據(jù)的聚類挖掘研究.pdf
- 時間序列的聚類和關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 金融時間序列聚類研究方法比較探究
- 基于序列模式的序列聚類挖掘算法研究.pdf
- 基于模糊熵和模糊聚類的模糊時間序列模型的研究.pdf
評論
0/150
提交評論