基于分形的非平穩(wěn)時(shí)間序列挖掘關(guān)鍵技術(shù)研究.pdf

1、隨著計(jì)算機(jī)信息系統(tǒng)的日益普及，人們?cè)谌粘Ｊ聞?wù)處理和科學(xué)研究中積累了大量的各種類型的數(shù)據(jù)。在這些保存的數(shù)據(jù)中，絕大部分都是時(shí)間序列類型的數(shù)據(jù)，如金融證券市場(chǎng)中，每天的股票價(jià)格變化；零售行業(yè)POS系統(tǒng)中，某種商品每天的銷售額；氣象預(yù)報(bào)研究中，某一地區(qū)的每天氣溫與氣壓的讀數(shù)以及生物醫(yī)學(xué)中，某一癥狀病人在每個(gè)時(shí)刻的心跳變化等。如何對(duì)這些海量的時(shí)間序列數(shù)據(jù)進(jìn)行分析處理，從中挖掘出蘊(yùn)藏在數(shù)據(jù)信息背后的客觀規(guī)律，這對(duì)于我們揭示事物發(fā)展變化的內(nèi)部規(guī)律，

2、發(fā)現(xiàn)不同事物之間的相互作用關(guān)系，為人們正確認(rèn)識(shí)事物和科學(xué)決策提供依據(jù)等都具有十分重要的現(xiàn)實(shí)意義。在這種需求的大力推動(dòng)下，時(shí)間序列數(shù)據(jù)挖掘就是為解決這一問題而出現(xiàn)的一種新型數(shù)據(jù)分析技術(shù)。利用時(shí)間序列數(shù)據(jù)挖掘技術(shù)，得到數(shù)據(jù)中蘊(yùn)含的與時(shí)間相關(guān)的有用信息，實(shí)現(xiàn)知識(shí)的發(fā)現(xiàn)與規(guī)則的提取。
　　 本文針對(duì)非平穩(wěn)時(shí)間序列數(shù)據(jù)挖掘技術(shù)中的時(shí)間序列表示方法、相似性查找、時(shí)間序列距離度量、序列分類和異常檢測(cè)等關(guān)鍵技術(shù)進(jìn)行了深入的分析研究。將網(wǎng)格和分形

3、技術(shù)應(yīng)用到非平穩(wěn)時(shí)間序列挖掘任務(wù)中，既保留了時(shí)間序列的非線性和分形的重要特征，同時(shí)又實(shí)現(xiàn)了維度的約簡(jiǎn)。論文主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　 1)時(shí)間序列表示方法研究首次將網(wǎng)格思想應(yīng)用到MBR(minimum bounding rectangle)中，提出了一種基于MBR的高效時(shí)間序列表示法GMBR(Grid Minimum Bounding Rectangle)，同時(shí)將分形思想首次應(yīng)用到APCA(Adaptive Piecewi

4、se Constant Approximation)中，提出了一種高精度的基于分形和符號(hào)化的時(shí)間序列表示方法FSPA(FractalSymbolic Piecewise Approximation)，前一種方法是將網(wǎng)格的思想引入到MBR中，能夠保證在低開銷的情況下有效提高查找的準(zhǔn)確性；后一種方法是將分形理論和R/S方法應(yīng)用到現(xiàn)有的時(shí)間序列表示方法中，既保留了時(shí)間序列的非線性和分形的重要特征，同時(shí)也實(shí)現(xiàn)了維度的約簡(jiǎn)。實(shí)驗(yàn)數(shù)據(jù)表明，這兩種方

5、法在相似性查找和分類任務(wù)等多種挖掘任務(wù)中均具有較高的效率。
　　 2)時(shí)間序列的距離度量方法研究分別提出了基于GMBR和FSPA表示法的時(shí)間序列距離度量公式，并給出了理論證明，證明了用我們所給出的距離度量公式計(jì)算兩個(gè)時(shí)間序列間的距離要比原始序列間的歐式距離小，從而證明了這兩種時(shí)間序列表示方法的可用性；這兩種距離度量公式均以簡(jiǎn)約后的歐式距離公式為基礎(chǔ)，基于GMBR的距離度量公式引入位運(yùn)算，容易快速地計(jì)算出序列間的距離，且通常這些運(yùn)

6、算都可以通過硬件來實(shí)現(xiàn)；基于FSPA表示法的距離度量將分形維度應(yīng)用到距離度量中，大大增加了時(shí)間序列相似性查找的精度。本文還給出了相似性挖掘任務(wù)的算法描述，通過實(shí)驗(yàn)數(shù)據(jù)表明，這兩種方法在時(shí)間序列的相似性挖掘任務(wù)中具有較高的精度且需要較少的存儲(chǔ)空間。
　　 3)時(shí)間序列的分類問題研究提出了基于FSPA表示法的時(shí)間序列分類方法。該分類方法引入了分形技術(shù)，能夠有效地保留原序列的重要特征，同時(shí)將時(shí)間序列進(jìn)行符號(hào)化表示，具有比初始數(shù)據(jù)低的距

7、離度量。該分類方法共分為兩步，首先利用分形和符號(hào)化的時(shí)間序列表示方法進(jìn)行數(shù)據(jù)的轉(zhuǎn)化，將數(shù)據(jù)轉(zhuǎn)化成等長(zhǎng)向量，然后在經(jīng)過轉(zhuǎn)化的等長(zhǎng)數(shù)據(jù)集上使用一般的分類算法進(jìn)行分類。將本文算法與領(lǐng)域無關(guān)算法進(jìn)行了比較，并從訓(xùn)練樣本大小、序列長(zhǎng)度和噪聲對(duì)兩種算法的影響三個(gè)方面進(jìn)行了分析研究。實(shí)驗(yàn)結(jié)果表明在訓(xùn)練數(shù)據(jù)較少時(shí)，使用本文提出的領(lǐng)域相關(guān)算法比較合適；另一方面，領(lǐng)域無關(guān)的算法受噪聲的影響相對(duì)較少。
　　 4)時(shí)間序列異常檢測(cè)研究在時(shí)間序列的GMB

8、R表示的基礎(chǔ)上，本文首次提出將基于距離和基于密度的時(shí)間序列檢測(cè)方法結(jié)合，給出了時(shí)間序列模式異常的定義，并用“異常特征值”來衡量時(shí)間序列模式的異常程度。根據(jù)本文所提出的模式異常的定義，在強(qiáng)力搜索算法的基礎(chǔ)之上提出了新的時(shí)間序列異常檢測(cè)算法GMBR-DD(Grid Minimum BoundingRectangle-Discords Detect)，該算法將基于距離和基于密度的異常檢測(cè)方法結(jié)合，能夠高效地發(fā)現(xiàn)時(shí)間序列中的異常模式。通過三組實(shí)