基于相似性分析的時間序列數(shù)據(jù)挖掘算法研究.pdf

1、時間序列是指隨著時間變化而形成的有序數(shù)據(jù)序列，它頻繁地出現(xiàn)在金融、商業(yè)、科學(xué)和醫(yī)療等各個領(lǐng)域。如何管理和利用這些時序數(shù)據(jù)，發(fā)現(xiàn)隱藏在它們背后的規(guī)律和知識，成為人們?nèi)找骊P(guān)注的問題。
　　 本文在國內(nèi)外時間序列數(shù)據(jù)挖掘最新研究的基礎(chǔ)上，從相似性分析出發(fā)，研究了時間序列分段線性表示和多模式匹配等問題。本文的主要工作和創(chuàng)新如下：
　　 1.研究了時間序列的表示方法、相似性度量和相似性搜索，并對其主要技術(shù)做了詳細介紹和優(yōu)缺點分析。

2、
　　 2.定義了極值噪聲和轉(zhuǎn)折點，在此基礎(chǔ)上提出了基于轉(zhuǎn)折點的分段線性表示方法。該方法選擇極值點作為候選點，并將插值誤差不超過閾值的候選點識別為噪聲。實驗表明，該方法在多種領(lǐng)域的數(shù)據(jù)集上具備更小的擬合誤差，且在處理大數(shù)據(jù)量時具有較高的穩(wěn)定性。
　　 3.提出了基于轉(zhuǎn)折點的自適應(yīng)分段線性表示方法。該方法以轉(zhuǎn)折點為初始分段點，啟發(fā)式地選取插值誤差最大的數(shù)據(jù)點作為關(guān)鍵點。實驗表明，在多種領(lǐng)域的數(shù)據(jù)集上，該方法可以大幅度地降低