学位论文 > 优秀研究生学位论文题录展示

基于卷积算法的时间序列部分周期模式挖掘算法研究

作　者: 李素珍
导　师: 顾成奎
学　校: 天津大学
专　业: 系统工程
关键词: 时间序列部分周期模式卷积小波变换时间序列数据的重新描述
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 13次
引　用: 0次
阅　读: 论文下载

内容摘要

随着计算机技术和数据库技术等的快速发展和广泛应用,各行业积累了大量的数据。现实中的数据往往是按照时间顺序排列的,由该类型数据构成的序列即为时间序列。重复出现的周期行为在时间序列中广泛存在,时间序列周期模式挖掘技术可以从海量的时间序列数据中提取隐含的知识及模式,充分利用已获得的大量时序数据实现知识的自动提取,为决策等提供依据。对其的挖掘仍是一大研究热点,挖掘的目的主要是获得数据中隐含的知识来进行决策。本文主要研究了基于卷积的时间序列部分周期模式挖掘算法,并将小波变换应用到时间序列部分周期模式挖掘中。本文首先概述了时间序列分析和周期模式挖掘的进展情况。其次介绍了本文的核心理论基础,包括:时间序列和周期模式的相关概念、卷积概念、小波变换和时间序列数据的重新描述。其次,文章详细介绍了基于卷积的部分周期模式挖掘算法,并通过仿真数据和实际数据来验证算法的有效性。再次,借助小波变换的压缩功能和降低噪声功能来挖掘时间序列中隐含的周期。最后总结本文并展望了未来的研究趋势。本文工作的主要创新点列举如下:提出了基于卷积的时间序列数据的部分周期模式挖掘算法,该算法首先将时间序列数据符号化离散化为符号序列,然后挖掘该符号序列中的周期模式。通过对人工生成的仿真符号序列(该序列随机引入了三种噪声)进行的仿真实验,分析结果,我们调整了算法的输出来缩短算法的运行时间,并使得输出的结果直观明了。提出了基于小波变换的时间序列部分周期模式挖掘算法,借助小波变换的压缩功能和降低噪声的功能来挖掘时间序列中隐含的周期。

全文目录

中文摘要  3-4
ABSTRACT  4-8
第一章绪论  8-16
  1.1 选题背景及研究意义  8-10
  1.2 时间序列数据挖掘主要内容  10-11
    1.2.1 相似性搜索  10
    1.2.2 模式挖掘  10
    1.2.3 趋势分析  10
    1.2.4 周期性分析  10-11
  1.3 时间序列周期模式挖掘研究进展  11-13
    1.3.1 周期模式分类  11-12
    1.3.2 周期模式挖掘的进展评述  12-13
  1.4 本文主要内容和创新点  13-16
    1.4.1 主要内容  13-14
    1.4.2 创新点  14-16
第二章本文相关概念及算法介绍  16-23
  2.1 时间序列  16
  2.2 欧氏距离  16-17
  2.3 汉明距离  17
  2.4 时间序列周期模式挖掘相关定义  17-19
  2.5 卷积  19
  2.6 小波变换  19-20
  2.7 分段描述算法  20-21
  2.8 符号化表示  21-22
  2.9 小结  22-23
第三章基于卷积的符号周期模式挖掘  23-44
  3.1 引言  23
  3.2 算法  23-26
    3.2.1 算法基本原理  23-24
    3.2.2 关于匹配主题  24-26
  3.3 实验及结果分析  26-44
    3.3.1 人工数据  26-27
    3.3.2 用仿真数据进行的实验  27-32
    3.3.3 用实际数据进行的实验  32-44
第四章基于小波变换的时间序列部分周期模式挖掘  44-54
  4.1 传统的离散小波变换（DWT）及提升方案  44-47
    4.1.1 传统的离散小波变换（DWT）  44-45
    4.1.2 小波变换的提升方案  45-47
  4.2 非抽取冗余离散小波分析方法（SWT）  47-49
  4.3 算法及实验  49-53
    4.3.1 算法的基本步骤  49-50
    4.3.2 仿真实验  50-53
  4.4 小结  53-54
第五章总结与展望  54-56
  5.1 本文总结  54
  5.2 不足与展望  54-56
参考文献  56-61
致谢  61

基于卷积算法的时间序列部分周期模式挖掘算法研究

内容摘要

全文目录

相似论文