基于增量式的時(shí)間序列分類算法研究.pdf

1、近幾年來(lái)，數(shù)據(jù)挖掘技術(shù)已經(jīng)應(yīng)用到很多研究領(lǐng)域中，挖掘的數(shù)據(jù)類型也越來(lái)越復(fù)雜.作為研究熱點(diǎn)之一的時(shí)間序列數(shù)據(jù)也得到越來(lái)越廣泛地關(guān)注，例如股票交易數(shù)據(jù)、醫(yī)學(xué)腦電波圖像、經(jīng)濟(jì)銷售預(yù)測(cè)、手寫字跡圖像以及人體姿勢(shì)分析等.所有這些數(shù)據(jù)都有一個(gè)共同的特征，即數(shù)據(jù)本身是順序相關(guān)的，且都是相同時(shí)間間隔內(nèi)獲取的實(shí)值型數(shù)據(jù)，定義具有上述特征的數(shù)據(jù)為時(shí)間序列數(shù)據(jù).以上可以看出，使用一般的數(shù)據(jù)挖掘方法從時(shí)間序列數(shù)據(jù)中進(jìn)行知識(shí)學(xué)習(xí)是不適用的，并且隨著大數(shù)據(jù)理論的不

2、斷發(fā)展以及數(shù)據(jù)特征的不斷更新變化，希望能夠增量式地處理數(shù)據(jù)以減小時(shí)間序列數(shù)據(jù)的處理時(shí)間以及對(duì)存儲(chǔ)空間的需求.
　　本文基于時(shí)間序列數(shù)據(jù)維度高、實(shí)值有序、數(shù)據(jù)間存在自相關(guān)性等特點(diǎn)，對(duì)時(shí)間序列分類過(guò)程進(jìn)行了研究.論文綜述了時(shí)間序列數(shù)據(jù)的預(yù)處理過(guò)程、數(shù)據(jù)表示技術(shù)、相似性度量方法以及時(shí)間序列分類現(xiàn)狀等幾個(gè)方面的內(nèi)容.總結(jié)了當(dāng)前比較流行的時(shí)間序列分類方法的研究現(xiàn)狀，其中值得一提的是基于shapelet決策樹(shù)的時(shí)間序列分類以及基于shapel

3、ets轉(zhuǎn)化的時(shí)間序列分類.繼而，本文重點(diǎn)研究了基于增量式的時(shí)間序列分類算法.
　　首先，從圖像處理的角度出發(fā)，提出了一種將圖片信息轉(zhuǎn)化為時(shí)間序列數(shù)據(jù)的方法——ITTS方法.正如植物圖片信息、手寫字跡、人體姿勢(shì)等圖像信息，肉眼直觀獲取到的信息不能直接應(yīng)用到時(shí)間序列分類方法中，那么本文提出的ITTS方法能夠從圖像中獲取所需要的時(shí)間序列數(shù)據(jù).
　　其次，提出了一種基于增量式?jīng)Q策樹(shù)的時(shí)間序列分類算法——ISDTC算法.傳統(tǒng)的時(shí)間序列

4、分類算法只能處理靜態(tài)數(shù)據(jù)集，本文在此基礎(chǔ)上提出的算法能夠增量式地處理數(shù)據(jù)集，其中ISDTC算法是基于增量式?jīng)Q策樹(shù)的時(shí)間序列分類過(guò)程.實(shí)驗(yàn)表明，本文提出的ISDTC算法最終構(gòu)建的決策樹(shù)與使用靜態(tài)數(shù)據(jù)集構(gòu)建的決策樹(shù)非常相似.
　　最后，提出了一種基于動(dòng)態(tài)發(fā)現(xiàn)shapelets的增量式時(shí)間序列分類算法——IPST算法.shapelets作為最能夠表示一條時(shí)間序列的子序列，隨著時(shí)間的推移，這個(gè)特征序列可能會(huì)動(dòng)態(tài)發(fā)生變化.基于這樣的思想，本