時間序列的曲線排齊及其相似性度量方法研究.pdf

1、在信息爆炸的大數(shù)據(jù)時代，無時無刻都在產(chǎn)生各式各樣的海量數(shù)據(jù)，這使得數(shù)據(jù)挖掘技術(shù)也隨著數(shù)據(jù)量以及數(shù)據(jù)種類的增加而不斷發(fā)展。時間序列數(shù)據(jù)（簡稱時序數(shù)據(jù)）是一類常見的數(shù)據(jù)（如股票、居民消費價格指數(shù)、溫度、濕度、心電圖等等），也是數(shù)據(jù)挖掘中經(jīng)常研究的數(shù)據(jù)對象。此外，一些數(shù)據(jù)由于其自身特征比較復(fù)雜，現(xiàn)有的數(shù)據(jù)分析技術(shù)較難對其分析，因此將其轉(zhuǎn)換成時序數(shù)據(jù)可以更好地對數(shù)據(jù)進行分析，如在研究樹葉形狀時，可以將經(jīng)測量得到的樹葉邊緣到幾何中心的距離數(shù)據(jù)按照

2、相鄰位置關(guān)系組成一個時間序列，進而對其進行分析。由于時序數(shù)據(jù)具有容易建模、分析技術(shù)比較成熟等優(yōu)點，所以直接對時序數(shù)據(jù)分析更加方便且可以提取更多信息。
　　時序數(shù)據(jù)挖掘的主要研究內(nèi)容有預(yù)測建模、聚類、分類等，而數(shù)據(jù)對象之間的相關(guān)度分析是其挖掘方法的重要前提，相關(guān)度分析結(jié)果的優(yōu)劣會在很大程度上影響數(shù)據(jù)分析的結(jié)果，所以如何提高目標(biāo)數(shù)據(jù)之間的相關(guān)度分析精度是時間序列分析的一項主要工作。在對時序數(shù)據(jù)進行相關(guān)度分析時，會遇到在形狀和走勢上有很

3、大相似性但是存在時間彎曲（時間差）的一類數(shù)據(jù)，時間彎曲的出現(xiàn)會嚴(yán)重影響研究對象間的相關(guān)度分析效果，因而很容易產(chǎn)生類別誤判，所以首先對時序數(shù)據(jù)進行排齊；此外，對于如何提取屬性并通過屬性定義相關(guān)性也是時序數(shù)據(jù)挖掘的關(guān)鍵。因此，本文針對時序數(shù)據(jù)曲線排齊和相似性度量展開研究，主要研究內(nèi)容如下：
　?。?）提高曲線排齊的效果和效率方法研究。本文提出兩種非均勻采樣方法對曲線進行排齊：基于斜率的非均勻采樣（SBNS）和基于弧長的非均勻采樣（AL

4、BNS），前者按照函數(shù)曲線的斜率大小采樣，后者在函數(shù)曲線的弧長上采樣。這兩種方法都不是在時間軸上均勻采樣，而是根據(jù)曲線的形狀特征進行采樣，因而可在一定程度上克服均勻采樣方法由采樣點數(shù)量和位置分配不當(dāng)而產(chǎn)生的缺陷，從而提高曲線排齊效果。在模擬數(shù)據(jù)和實際數(shù)據(jù)中的測試效果說明，兩種非等間隔采樣方式在效率和效果上都優(yōu)于均勻采樣。
　　（2）提高時間序列間的相關(guān)度分析精度方法研究。提出兩種解決方法，分別為平移最大化相關(guān)系數(shù)方法（MSCD）和

5、基于屬性變換的相似性度量方法（AT）。前者通過曲線排齊來避免由時差引起的相關(guān)性誤差，進而提高帶時差數(shù)據(jù)對象間的相關(guān)度分析精度；后者是將更能表示時間序列本身特征以及相互之間關(guān)系的特征作為自身的屬性，將這些屬性構(gòu)成的新的序列替換原始時間序列以進一步對其相似性進行度量。通過多組聚類方法測試效果表明提出的兩種相關(guān)度分析方法在一定水平上可以提升時間序列相關(guān)度分析精度。
　　本文針對時序數(shù)據(jù)的曲線排齊和相關(guān)度分析展開研究，提出的曲線排齊方法和