基于人體運動捕捉數(shù)據(jù)的高維時間序列模式挖掘算法的研究.pdf

1、時間序列是包含一系列隨時間變化的數(shù)據(jù)的序列，它反映了某種屬性值隨時間變化的特征。在金融、經(jīng)濟、自然科學(xué)、信息工程等重要領(lǐng)域，每天都會產(chǎn)生大量的時間序列，因此如何有效地處理這些數(shù)據(jù)并挖掘其背后隱含的規(guī)律和知識，成為人們?nèi)找骊P(guān)注的問題，隨著研究的深入，許多經(jīng)典的問題得到了有效地解決。而近年來，隨著技術(shù)的發(fā)展，出現(xiàn)了許多復(fù)雜龐大的高維時間序列數(shù)據(jù)庫，然而其帶來的計算復(fù)雜度的激增，使得大部分能夠成功地應(yīng)用于一維時間序列的挖掘技術(shù)，都無法應(yīng)用在高

2、維時間序列的挖掘上。 針對該問題，本文首先對時間序列數(shù)據(jù)挖掘領(lǐng)域的研究進(jìn)行了系統(tǒng)的文獻(xiàn)總結(jié)，分析了時間序列及高維時間序列的分類、特點和研究現(xiàn)狀。之后，闡述了該領(lǐng)域研究的幾個主要問題，即相似性度量、快速檢索、主旨模式挖掘，并針對每個問題，對主流方法的特點、適用范圍及優(yōu)缺點進(jìn)行了詳細(xì)的分析與說明。 在此基礎(chǔ)上，本文針對當(dāng)前該領(lǐng)域的兩個熱點問題，即序列的快速檢索和主旨模式挖掘，以人體運動捕捉數(shù)據(jù)作為具體分析對象，進(jìn)行了深入的研

3、究，分別提出了有效的解決方法，并通過相關(guān)實驗驗證了算法的有效性。 (1)在序列的快速檢索方面，通過充分挖掘人體運動的特征，本文提出了兩個新的模型：借助于運動中產(chǎn)生的能量對運動進(jìn)行描述的能量模型和利用相關(guān)系數(shù)描述人體運動中關(guān)節(jié)間協(xié)作狀態(tài)的運動協(xié)調(diào)性模型。利用這兩個模型，可以從人體運動中提取出能夠有效地體現(xiàn)出其運動特征的低維度索引序列。之后，利用支持向量機對該低維索引序列進(jìn)行粗分類，從而最大程度地避免了與查詢序列不相似的序列參與到時

4、間復(fù)雜度較高的精確比較中。最后，在經(jīng)過粗分類的候選序列集合上，利用基于DTW距離進(jìn)行度量和Keogh索引下界進(jìn)行剪枝的線性檢索算法精確地度量輸入運動和候選動作之間的相似性。 (2)在主旨模式挖掘方面，針對現(xiàn)有算法易受噪聲干擾的問題，本文提出了一種基于最長公共子序列距離的主旨模式挖掘算法。但該度量方法具有復(fù)雜度較高的問題，因此，在搜索過程中，該算法采用了基于子序列距離判別的策略進(jìn)行了剪枝。之后，采用了層次化聚類的方法將相鄰重疊并高