版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、時間序列數(shù)據(jù)大量存在于生活中的各個方面,對于時間序列數(shù)據(jù)特性的挖掘研究,具有重要的科學(xué)理論意義和工程應(yīng)用價值。本文針對時間序列數(shù)據(jù)以及時序數(shù)據(jù)的異常檢測問題進行了相關(guān)研究,引入了半監(jiān)督學(xué)習(xí)和單類分類思想,結(jié)合高斯過程機器學(xué)習(xí)方法,構(gòu)建了半監(jiān)督高斯過程時間序列分類和單類高斯過程時間序列異常檢測模型,應(yīng)用于時序數(shù)據(jù)集的挖掘中,并通過實驗進行了驗證。
首先,在傳統(tǒng)的高斯過程分類模型的基礎(chǔ)上,提出了一種半監(jiān)督高斯過程時間序列分類算法(
2、SGPTC)。本文分析了時間序列數(shù)據(jù)的特性,進行了時間序列相似性特征度量,然后算法利用標記數(shù)據(jù)樣本和未標記數(shù)據(jù)樣本構(gòu)造半監(jiān)督訓(xùn)練集,同時對分類訓(xùn)練置信度的值進行了選擇判斷,將得到的訓(xùn)練集用于半監(jiān)督分類器的構(gòu)造,直到獲得最優(yōu)的SGPTC分類模型。最后在仿真數(shù)據(jù)集和UCI時序數(shù)據(jù)集上驗證了算法的有效性。
其次,針對特殊應(yīng)用領(lǐng)域中異常樣本難以獲取的問題,結(jié)合單類分類思想,提出了一種基于單類高斯過程的時間序列異常檢測算法(OCC_GP
3、)。該算法結(jié)合高斯過程先驗和回歸理論,選取 RBF作為核函數(shù),通過對目標類時序數(shù)據(jù)的特性分析構(gòu)造特征向量集,指導(dǎo)單類分類器的構(gòu)造。在仿真數(shù)據(jù)集和TE工業(yè)過程時序數(shù)據(jù)集上驗證了OCC_GP算法適用性及其在異常檢測應(yīng)用中的有效性。
最后,結(jié)合時序數(shù)據(jù)和高斯過程特性,本文設(shè)計實現(xiàn)了基于時間序列特性的半監(jiān)督高斯分類與時序異常檢測原型系統(tǒng),該系統(tǒng)不但證明了SGPTC分類模型和 OCC_GP異常檢測算法的可行性,而且還設(shè)計實現(xiàn)了相應(yīng)的對比
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高斯過程的時間序列分析.pdf
- 邊坡位移非線性時間序列的高斯過程預(yù)測方法.pdf
- 基于高斯過程分類器的高光譜圖像分類.pdf
- 基于Shapelet的時間序列分類方法研究.pdf
- 時間序列分類的研究.pdf
- 基于高斯過程的高光譜圖像分類研究.pdf
- 用于分類的高斯過程研究.pdf
- 基于增量式的時間序列分類算法研究.pdf
- 基于高斯過程的高光譜圖像分類算法研究.pdf
- 時間序列分類算法研究.pdf
- 多維時間序列分類技術(shù).pdf
- 基于分段矢量量化的時間序列分類研究.pdf
- 非線性非高斯時間序列預(yù)測研究.pdf
- 基于商空間的多因素時間序列分類預(yù)測.pdf
- 基于離散余弘變換的時間序列分類問題研究.pdf
- 基于高斯過程隱變量模型的數(shù)據(jù)降維與分類.pdf
- 基于函數(shù)系數(shù)自回歸的非線性時間序列分類.pdf
- 30197.基于高斯過程先驗的gibbs分類的pacbayesian界
- 面向時間序列分類任務(wù)的SAX方法研究.pdf
- 基于時間序列序列分析論文
評論
0/150
提交評論