時(shí)序數(shù)據(jù)序列模式挖掘.pdf

1、玉星遙測數(shù)據(jù)中蘊(yùn)含了豐富的客觀規(guī)律和知識(shí)，序列模式挖掘作為時(shí)間序列數(shù)據(jù)挖掘研宄的一個(gè)重要分支，可為其提供有效的分析途徑。從中挖掘出的隱含有用的信息，可為在軌玉星的安全管理與健康運(yùn)行提供幫助。本文以某:E星供配電系統(tǒng)240余萬行的電源數(shù)據(jù)為分析對(duì)象。在經(jīng)過野值剔除、參數(shù)選擇、周期分析之后，對(duì)5個(gè)具有代表性的遙測參數(shù)進(jìn)行特征表示、主旨模式挖掘以及閉合模式挖掘。本文主要?jiǎng)?chuàng)新點(diǎn)如下：
　　(1)針對(duì)現(xiàn)有分段線性表示方法中存在的壓縮效率低、

2、過于細(xì)化某些尖端子序列等問題，提出了一種基于關(guān)鍵點(diǎn)的特征表示方法FR_KP。順序掃描整個(gè)序列，通過極值保持時(shí)間、變化幅度，以及轉(zhuǎn)折點(diǎn)前后線段的斜率差值來判斷是否為關(guān)鍵點(diǎn)。實(shí)驗(yàn)表明，該方法能夠在實(shí)現(xiàn)高效ffi縮的同時(shí)，準(zhǔn)確不失真地刻畫原始序列的變化趨勢。
　　(2)針對(duì)現(xiàn)有主旨模式挖掘方法中存在的問題，如難以在質(zhì)量與運(yùn)行效率之間找到一個(gè)平衡點(diǎn)，匹配數(shù)較小的主旨序列容易被忽略等，提出了一種基于懲罰的全局平均序列主旨模式挖掘方法PGAS

3、_Motifs。采用K-Means算法對(duì)子序列進(jìn)行聚類，并將所有聚類中心作為不同的主旨模式輸出。針對(duì)聚類過程中的兩個(gè)關(guān)鍵問題：距離度量的選取、聚類中心的計(jì)算，分別提出了基于時(shí)間懲罰的動(dòng)態(tài)時(shí)間彎曲距離PDTW以及基于PDTW的全局平均序列計(jì)算方法。PDTW在進(jìn)行最短路徑計(jì)算時(shí)引入懲罰因子，解決了因錯(cuò)誤匹配而帶來的距離失真問題；全局平均序列計(jì)算方法將同一簇中的所有序列作為一個(gè)整體進(jìn)行考慮，避免了迭代過程中的誤差傳遞，并解決了因“過度擬合”而

4、帶來的計(jì)算復(fù)雜度增加問題。實(shí)驗(yàn)表明，該方法能夠成功提取出遙測數(shù)據(jù)中反映衛(wèi)星工作狀態(tài)的主旨模式序列；PDTW度量比DTW度量更加有效；全局平均序列計(jì)算方法與NLAAF相比，有更好的擬合效果
　　(3)針對(duì)傳統(tǒng)頻繁模式挖掘中存在的結(jié)果集合冗余且有效模式難以發(fā)現(xiàn)，以及現(xiàn)有以模式增長為基礎(chǔ)的閉合模式挖掘方法效率低下等問題，提出了一種將垂直數(shù)據(jù)表示與啟發(fā)式剪枝策略相結(jié)合的閉合模式挖掘方法CloPMVP。在閉合模式挖掘的過程中，引入SPADE