基于人體運(yùn)動(dòng)捕捉數(shù)據(jù)的高維時(shí)間序列模式挖掘算法的研究.pdf

1、時(shí)間序列是包含一系列隨時(shí)間變化的數(shù)據(jù)的序列，它反映了某種屬性值隨時(shí)間變化的特征。在金融、經(jīng)濟(jì)、自然科學(xué)、信息工程等重要領(lǐng)域，每天都會(huì)產(chǎn)生大量的時(shí)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(shí)間序列數(shù)據(jù)庫，然而其帶來的計(jì)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(shí)間序列的挖掘技術(shù)，都無法應(yīng)用在高

2、維時(shí)間序列的挖掘上。 針對該問題，本文首先對時(shí)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(shí)間序列及高維時(shí)間序列的分類、特點(diǎn)和研究現(xiàn)狀。之后，闡述了該領(lǐng)域研究的幾個(gè)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(gè)問題，對主流方法的特點(diǎn)、適用范圍及優(yōu)缺點(diǎn)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(gè)熱點(diǎn)問題，即序列的快速檢索和主旨模式挖掘，以人體運(yùn)動(dòng)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(shí)驗(yàn)驗(yàn)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(yùn)動(dòng)的特征，本文提出了兩個(gè)新的模型：借助于運(yùn)動(dòng)中產(chǎn)生的能量對運(yùn)動(dòng)進(jìn)行描述的能量模型和利用相關(guān)系數(shù)描述人體運(yùn)動(dòng)中關(guān)節(jié)間協(xié)作狀態(tài)的運(yùn)動(dòng)協(xié)調(diào)性模型。利用這兩個(gè)模型，可以從人體運(yùn)動(dòng)中提取出能夠有效地體現(xiàn)出其運(yùn)動(dòng)特征的低維度索引序列。之后，利用支持向量機(jī)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(shí)

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(yùn)動(dòng)和候選動(dòng)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