学位论文 > 优秀研究生学位论文题录展示

多时间序列上挖掘框架的研究

作　者: 魏志勇
导　师: 蒋学英
学　校: 东北大学
专　业: 计算机应用技术
关键词: 时间序列 数据挖掘 异常模式 异常检测 关联规则
分类号: TP311.13
类　型: 硕士论文
年　份: 2009年
下　载: 29次
引　用: 0次
阅　读: 论文下载
 

内容摘要


时间序列是一组按时间顺序排列的数据集合,它广泛存在于商业、交通、工业等各个行业,对时间序列数据进行分析,可以揭示事物运动、变化和发展的内在规律,对于人们正确认识事物并据此作出科学的决策具有重要的现实意义。本文的具体研究背景为热轧控制。在轧制过程中很多异常情况大多由多个原因引起,原因之间存在着相互关联的关系。针对此,本文提出了一个多时间序列上的挖掘框架。框架首先采用模式表示的方法将数据进行压缩,在压缩后的数据上进行异常检测。然后在检测到的异常模式基础上进行挖掘,从中发现一些对企业决策有决定性或者指导性的信息。框架中模式表示部分,通过借鉴数字图像研究领域中边缘算子的基本思想,将边缘算子与时间序列的特点结合起来,得到了时间序列的一种分段线性表示。框架中异常检测部分,在TOD异常模式发现算法的基础上加入了滑动窗口的思想,以进行局部异常的检测。在序列模式挖掘中,本框架采用一种基于PrefixSpan序列模式挖掘的改进算法(PSD算法),通过删除非频繁项以及判断投影序列数与最小支持数的关系,减少不必要的存储空间,提高查询速度。本框架的多时间序列上的挖掘,采用了非同步多时间序列中频繁模式的发现算法。针对上述算法的实验证明了各个算法的可行性和有效性。实验证明,本框架较好地完成了钢轧制过程中的异常模式发现,以及多种因素间相互影响关系的挖掘,可以为企业提高钢产品质量,控制钢生产数量起到指导作用。

全文目录


摘要  5-6
Abstract  6-9
第1章 绪论  9-19
  1.1 论文研究的背景  9-10
  1.2 相关技术的研究现状  10-16
    1.2.1 模式表示的研究现状  10-12
    1.2.2 异常检测的研究现状  12-13
    1.2.3 序列模式挖掘的研究现状  13-14
    1.2.4 关联规则分析的研究现状  14-16
  1.3 论文研究内容及意义  16-17
  1.4 论文组织结构  17-19
第2章 多时间序列上挖掘的框架  19-25
  2.1 热轧控制的领域背景  19-20
    2.1.1 质量数据库服务器  19-20
    2.1.2 质量诊断过程  20
  2.2 框架的提出  20-23
    2.2.1 框架的意义  21
    2.2.2 框架的基本内容  21-23
  2.3 框架实现目标  23-24
    2.3.1 异常模式发现  23-24
    2.3.2 异常模式挖掘  24
  2.4 小结  24-25
第3章 框架中时间序列的模式表示  25-37
  3.1 模式表示方法的研究  26-32
    3.1.1 频域表示  27-29
    3.1.2 奇异值分解  29
    3.1.3 符号化表示  29-30
    3.1.4 分段线性表示  30-32
  3.2 本框架采用的模式表示方法  32-36
    3.2.1 边缘算子  32-33
    3.2.2 时间序列的TEO表示  33-35
    3.2.3 算法分析  35-36
  3.3 小结  36-37
第4章 框架中时间序列的异常检测  37-44
  4.1 异常检测方法的研究  37-40
  4.2 时间序列的模式异常定义  40-42
  4.3 本框架采用的异常检测算法  42-43
  4.4 小结  43-44
第5章 框架中时间序列的挖掘  44-54
  5.1 序列模式挖掘  44-48
    5.1.1 相关算法研究与比较  44-46
    5.1.2 本框架采用算法  46-48
  5.2 多时间序列上的模式挖掘  48-53
    5.2.1 Apriori算法  48-50
    5.2.2 本框架采用算法  50-53
  5.3 小结  53-54
第6章 框架实现及结果分析  54-61
  6.1 框架实现背景  54-56
    6.1.1 实验的硬件条件  54
    6.1.2 数据准备  54-55
    6.1.3 数据预处理  55-56
  6.2 框架的实现  56
  6.3 结果评价  56-60
    6.3.1 模式表示结果及分析  56-57
    6.3.2 异常检测结果分析  57-59
    6.3.3 序列模式挖掘结果分析  59-60
    6.3.4 多时间序列上的挖掘结果及分析  60
  6.4 小结  60-61
第7章 结束语  61-64
  7.1 工作总结  61-62
  7.2 未来研究方向  62-64
参考文献  64-69
致谢  69-70
攻硕期间参加的项目  70

相似论文

  1. 基于数据挖掘技术的保健品营销研究,F426.72
  2. 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
  3. 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
  4. 基于核方法的高光谱图像异常检测算法研究,TP751
  5. 发育于热带地区玄武岩的时间序列土壤中石英和植硅体的变化特征,S153
  6. 人工免疫分类和异常识别算法的改进,R392.1
  7. Bicluster数据分析软件设计与实现,TP311.52
  8. 基于变异粒子群的聚类算法研究,TP18
  9. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  10. 基于遗传算法和粗糙集的聚类算法研究,TP18
  11. 朝阳地区参考作物腾发量演变特征与预测模型研究,S161.4
  12. 基于数据挖掘的税务稽查选案研究,F812.42
  13. 面向社区教育的个性化学习系统的研究与实现,TP391.6
  14. 基于关联规则挖掘的入侵检测系统的研究与实现,TP393.08
  15. 数据仓库技术在银行客户管理系统中的研究和实现,TP315
  16. 基于Moodle的高职网络教学系统设计与实现,TP311.52
  17. 交通视频中车辆异常行为检测及应用研究,TP391.41
  18. 教学质量评估数据挖掘系统设计与开发,TP311.13
  19. 关联规则算法在高职院校贫困生认定工作中的应用,G717
  20. 基于数据挖掘技术在城市供水的分析与决策,F299.24;F224
  21. 数据挖掘技术在电视用户满意度分析中的应用研究,TP311.13

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com