基于ARMA模型的時(shí)間序列挖掘.pdf

1、時(shí)序挖掘分析作為數(shù)據(jù)挖掘的一個(gè)重要研究方向，是當(dāng)今社會(huì)的研究熱點(diǎn)和難點(diǎn)。由于時(shí)間序列本身具有的特點(diǎn)，不能直接對(duì)時(shí)間序列進(jìn)行分析，一般首先要進(jìn)行特征提取。本文運(yùn)用時(shí)間序列擬合自回歸移動(dòng)平均(autoregressivemovingaverage，ARMA)模型的系數(shù)作為后續(xù)分析的前提，即以時(shí)間序列擬合ARMA模型的系數(shù)代表原始序列。給出了時(shí)間序列擬合ARMA模型的前提條件以及基本特征，對(duì)ARMA模型的建模步驟進(jìn)行了介紹。時(shí)間序列分析的方向

2、有:預(yù)測(cè)、分類、聚類等，本文重點(diǎn)介紹的是基于ARMA模型分類和聚類。
　　 以心電信號(hào)(electrocardiogram，ECG)為例，通過自相關(guān)圖、時(shí)序圖等分析ECG信號(hào)的基本特征，發(fā)現(xiàn)滿足擬合ARMA模型的基本條件。確定ECG信號(hào)可以擬合ARMA(4，2)模型，以擬合估計(jì)的系數(shù)為特征，通過支持向量機(jī)進(jìn)行分類，準(zhǔn)確度達(dá)到了85.52％，證明利用ARMA模型對(duì)時(shí)間序列進(jìn)行特征提取的方法是有效的。
　　 對(duì)時(shí)間序列進(jìn)行聚

3、類，以擬合ARMA模型后的系數(shù)為特征，它們之前的歐式距離為相似度測(cè)量進(jìn)行聚類分析，但這個(gè)過程是在一定前提下實(shí)現(xiàn):每個(gè)系數(shù)在聚類過程中的貢獻(xiàn)率是相同的，實(shí)際過程并非如此。通過ARMA模型擬合原時(shí)間序列后，每個(gè)系數(shù)代表原始序列的貢獻(xiàn)率是不同的，需要對(duì)每個(gè)系數(shù)加上一定的權(quán)重。本文提出了貢獻(xiàn)權(quán)重的概念，即以每維系數(shù)在首次聚類過程的貢獻(xiàn)率為權(quán)值與原系數(shù)相乘，得到一個(gè)新的系數(shù)向量，用此系數(shù)向量間的歐式距離為相似度測(cè)量標(biāo)準(zhǔn)進(jìn)行聚類分析。以MIT-BI