时间序列的分割及不一致发现研究

《时间序列的分割及不一致发现研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学号532100200678608学校代码10487密级博士学位论文时间序列的分割及不一致发现研究学位申请人：李桂玲学科专业：计算机软件与理论指导教师：王元珍教授答辩日期：2012年1月12日ADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofDoctorofPhilosophyinEngineeringResearchonTimeSeriesSegmentationandDiscordDiscoveryPh.D.Candidate:LiGui

2、lingMajor:ComputerSoftwareandTheorySupervisor:Prof.WangYuanzhenHuazhongUniversityofScienceandTechnologyWuhan430074,P.R.ChinaJanuary,2012独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包括任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本

3、人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。本论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期年月日日期：年月日华中科技大学博士学位论文摘要时间序列是随着时间次序而变化的系列数据。时间序列的分割

4、和不一致发现在许多领域非常重要，如金融数据的分割、太空遥感和医学等数据的不一致发现、网络监控、移动对象轨迹流的跟踪和异常检测等。针对时间序列的分割和不一致发现方面存在的不足，开展了以下研究工作：基于符号化表示的时间序列分割、基于符号化表示的时间序列相似性度量、基于预测的时间序列分割、基于比特表示的静态时间序列不一致发现、基于分形的时间序列流异常检测。针对基于符号化表示的已有分割方法只反映子段均值信息却丢失趋势信息的现状，提出基于趋势的符号化表示(Trend-basedSymbolicapproXimation,TSX)的分割方法。在对时间序列

5、降维获得子段均值信息的同时，提炼出时间序列子段的重要趋势特征，并设计多辨析率的角度分裂区间查找表，将趋势特征离散化为符号，进而获得既提取均值信息又反映趋势信息的时间序列的符号化降维表示TSX。实验结果表明，在相似搜索中，基于TSX的分割较基于符号聚集近似法(SymbolicAggregateapproXimation,SAX)表示的分割可以更有效地支持相似搜索，错报率较低。由于基于符号化表示的时间序列分割的度量MINIDIST_PAA_iSAX不具有对称性，提出了基于SAX的相似性度量方法Sym_PAA_SAX。Sym_PAA_SAX考虑了待

6、衡量的两条时间序列在距离计算中的地位对等性，使该度量方法不仅具有对称性，而且满足下界定理。实验显示，Sym_PAA_SAX的下界紧密性较好，错报率降低。为适应时间序列流数据在线、快速、数据量大、无法全部保存的重要特征，提出基于指数平滑预测的时间序列流的分割算法(ExponentialSmoothingPredictionbasedSegmentationalgorithmfortimeseriesstream,ESPS)。运用经典的指数平滑法提前计算未来时刻的平滑值并作为其预测值；提出预测误差判定定理，保证预测误差的正态分布，并进一步推导出预

7、测误差与压缩率之间的关系，为判定数据点是否为分割关键点确立了依据；基于基本滑动窗口模型，设计了ESPS算法。为弥补大多数已有的分割方法仅仅以分割后的总驻留误差作为衡量标准的缺陷，实验中采用标准分段数、标准总误差、标准总性能、计算时间等作为评估的指标。实验结果显示，相对于滑动窗口算法和滑动窗口自底向上算法，ESPS算法效果较好、效率较高。为解决不一致发现中算法复杂度高、计算量较大的问题，提出了基于比特表示I华中科技大学博士学位论文聚类的静态时间序列不一致发现算法。首先，对给定原始时间序列采用基于PAA方式比特序列化的方法进行分割，该方法不仅提取

8、了原始序列的主要趋势特征，而且能够避免噪声的影响；然后，基于比特表示并利用聚类可以加速的思想，提出了变形的k中心点聚类算法，将具有相似变化模式的子序列归为一类；基于