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(rèn)領(lǐng)
文檔簡介
1、數(shù)據(jù)挖掘是從海量數(shù)據(jù)中發(fā)現(xiàn)有價值的規(guī)律和信息的一門學(xué)科,結(jié)合了統(tǒng)計學(xué)、數(shù)據(jù)庫、機器學(xué)習(xí)、優(yōu)化理論等各個領(lǐng)域的算法和知識。近年來,隨著信息化技術(shù)的高速發(fā)展,大量原始數(shù)據(jù)被采集,數(shù)據(jù)挖掘及其在各類交叉學(xué)科的應(yīng)用研究已經(jīng)越來越受到研究界以及企業(yè)界的重視。其中,空間數(shù)據(jù)與時間序列數(shù)據(jù)均為常見的數(shù)據(jù)類型,廣泛存在于地理信息系統(tǒng),傳感器網(wǎng)絡(luò),股票市場,和氣象領(lǐng)域等等。針對空間數(shù)據(jù)、時間序列數(shù)據(jù)的基礎(chǔ)算法研究,以及與其它學(xué)科領(lǐng)域相結(jié)合的應(yīng)用研究一直以
2、來都是數(shù)據(jù)挖掘的熱點問題。
氣象領(lǐng)域是數(shù)據(jù)挖掘技術(shù)應(yīng)用研究的一個新興的領(lǐng)域,而氣象事件挖掘是其中一個重點研究方向。氣象事件的挖掘研究可以為人們生產(chǎn)生活的各種行為決策提供及時且堅實的數(shù)據(jù)支持,具有極其重要的現(xiàn)實意義。因此,本文以氣象領(lǐng)域為研究背景,以常見的氣象數(shù)據(jù)如時間序列、空間數(shù)據(jù)、時空數(shù)據(jù)等為研究的數(shù)據(jù)對象,就氣象事件挖掘的相關(guān)問題展開研究。具體來說,本文主要專注于空間數(shù)據(jù)聚類分析、時間序列符號化表示等基礎(chǔ)算法研究,并針對氣
3、象領(lǐng)域特定事件挖掘等具體需求做算法和框架的設(shè)計。本文主要的研究成果如下:
(1)提出了一個空間數(shù)據(jù)聚類分析算法Yupc。受自然界粒子在勢能場下相互吸引的動態(tài)過程的啟發(fā),本文提出一種全新的基于湯川勢的動態(tài)聚類算法Yupc。該算法既不需要事先假設(shè)數(shù)據(jù)初始分布,也不需要用戶指定簇的個數(shù),可以檢測出不同形狀、大小、密度、數(shù)量、以及分布的簇,反映出原始數(shù)據(jù)集本質(zhì)內(nèi)在結(jié)構(gòu)特點。同時,為了解決聚類算法的參數(shù)設(shè)置問題,本文還提出一個自動搜尋最
4、佳參數(shù)的框架,以做到自動聚類分析。在人造數(shù)據(jù)集和真實數(shù)據(jù)集上的實驗表明,Yupc的聚類效果優(yōu)于現(xiàn)有算法,尤其擅于處理同時包含了多種簇的數(shù)據(jù)集。
(2)設(shè)計了一個時間序列符號化表示算法rSAX。時間序列符號化表示是處理高維時間序列的一種常用方法,可以在保留時間序列特征的前提下大大降低數(shù)據(jù)的維度,以便后續(xù)的分析挖掘。SAX是一個經(jīng)典的符號化表示算法,被廣泛用于時間序列分析的各個領(lǐng)域。但是SAX總是使用確定的分割點來映射時間序列,這
5、使得鄰近分割點的相似對象難以被合適的表達(dá)出來,還會影響TLB下界的緊度。為了解決這個問題,本文提出了一種基于隨機偏移的符號化表示算法rSAX。該算法通過隨機偏移算法生成“軟邊界”而非傳統(tǒng)算法的“硬邊界”,使得越為相似的對象點將有越高的概率被映射成同一個符號,進而做到更好TLB界而無需加大表達(dá)粒度。同時,本文從理論證明了rSAX與經(jīng)典算法SAX相比,可以做到更好的映射效果和更緊的TLB界。最后,在真實數(shù)據(jù)集上的實驗驗證了rSAX的有效性和
6、效率。
(3)為氣象領(lǐng)域協(xié)同異常事件挖掘提出了一個挖掘框架。氣象領(lǐng)域的溫度序列是時間序列的一種。歷史多維溫度序列記錄了多年來各地氣溫隨時間變化的趨勢和細(xì)節(jié),同時隱含了很多重要的事件信息。其中,協(xié)同異常(co-anomaly)事件便是重要的氣象現(xiàn)象之一,表現(xiàn)為相似異常模式同時刻發(fā)生在不同的溫度序列上。這類協(xié)同異常事件在理解氣象行業(yè)異常氣象行為以及自然災(zāi)害方面扮演了非常重要的角色。然而,由于溫度序列自身獨特性質(zhì),自動挖掘氣象領(lǐng)域協(xié)
7、同異常事件是一個尚待解決的問題。為此,本文提出一個全新的算法框架Sevent來從多維溫度序列中自動檢測協(xié)同異常氣象事件。具體的思想如下,首先把原始溫度序列投影成符號式表達(dá);然后,通過統(tǒng)計顯著性檢驗從中檢測協(xié)同異常模式;最后從協(xié)同異常模式中生成可覆蓋不同子維度以及不同子序列的協(xié)同異常事件。在真實數(shù)據(jù)集上的實驗結(jié)果清楚地驗證了Sevent的有效性。
(4)為氣象領(lǐng)域高溫?zé)崂耸录O(shè)計了一個基于時空聚類的挖掘算法。氣象領(lǐng)域的事件挖掘面
8、臨著各種各樣的氣象場景和需求。高溫?zé)崂吮闶瞧渲幸活愔匾氖录r空溫度數(shù)據(jù)進行自動高溫事件挖掘,可以幫助氣象專家們對歷史上各起高溫?zé)崂烁采w的時間和空間范圍做界定,從而對高溫?zé)崂说钠鹨蚣把莼鲞M一步的研究。事件時空區(qū)域挖掘同時也是數(shù)據(jù)挖掘領(lǐng)域一類重要的問題,在各種自然、社會學(xué)科中有著廣泛的應(yīng)用。傳統(tǒng)的事件時空區(qū)域挖掘算法多基于時空聚類分析,當(dāng)事件覆蓋的區(qū)域不規(guī)則,且隨著時間推移而呈現(xiàn)出各種演變時難以準(zhǔn)確對其進行捕獲和挖掘;同時各項參數(shù)的
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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于文本挖掘的學(xué)科領(lǐng)域相關(guān)問題研究.pdf
- 36628.時間序列數(shù)據(jù)挖掘在氣象領(lǐng)域的應(yīng)用研究
- 35127.氣象領(lǐng)域破紀(jì)錄事件預(yù)估理論研究
- Web挖掘相關(guān)問題的研究.pdf
- 關(guān)聯(lián)規(guī)則挖掘的相關(guān)問題研究.pdf
- 基于領(lǐng)域本體的Web實體事件抽取問題研究.pdf
- 面向領(lǐng)域的數(shù)據(jù)挖掘平臺相關(guān)技術(shù)研究及實現(xiàn).pdf
- 媒體介入突發(fā)事件的相關(guān)問題研究.pdf
- 探析農(nóng)業(yè)氣象觀測的相關(guān)問題
- 海量流數(shù)據(jù)挖掘相關(guān)問題研究.pdf
- 芻議地面氣象測報質(zhì)量相關(guān)問題
- 氣象數(shù)據(jù)的分類挖掘和預(yù)測研究.pdf
- 基于商空間的氣象數(shù)據(jù)挖掘研究.pdf
- 數(shù)據(jù)挖掘中規(guī)則提取相關(guān)問題研究.pdf
- 音樂領(lǐng)域典型事件抽取技術(shù)的研究.pdf
- 67931.領(lǐng)域工程在gis特定領(lǐng)域中的應(yīng)用及相關(guān)問題研究
- 基于云計算及關(guān)聯(lián)規(guī)則挖掘技術(shù)的氣象數(shù)據(jù)挖掘研究.pdf
- 刑事領(lǐng)域中同案不同罰現(xiàn)象相關(guān)問題研究.pdf
- 微博事件的評論挖掘.pdf
- Web事件關(guān)聯(lián)關(guān)系挖掘研究.pdf
評論
0/150
提交評論