欢迎来到天天文库
浏览记录
ID:34561283
大小:4.12 MB
页数:64页
时间:2019-03-07
《基于pcaica的多数据流关联及模式发现》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、大连理工大学硕士学位论文基于PCA/ICA的多数据流关联及模式发现姓名:罗竞佳申请学位级别:硕士专业:软件工程指导教师:周勇20091216大连理工大学硕士学位论文摘要近年来,社会的信息讫程度逐步加深,信怠的采集传输麓力飞速发震。许多领域的数据都是以数据流的形式产生的。这些应用包含有:计算机网络流量控制、网络安全监测、金融应用以及环境监测等。分析和挖掘这释类型的数据尽益成为热点问题。数据流挖掘即是在流式数据上提取隐含在其中的潜在有用的信息和知识的过程。本文的工作目标,是将90年代以后发展的主成分分析和独立成
2、分分析技术应用在数据流挖掘领域用于进行离维度数据降维压缩、数据流关联度分析以及分离出影响数据流的综合内部因素等工作。对这种技术的结合应用要同时考虑到数据流的特点:关注的对象数据流具有潜在无界,持续至g达,速度快,一次扫描等特点。本文基于主成分分析技术、独立分量分析技术以及多数据流模型,将用于数据和信号分析的PCA矗CA方法应用予多数据流模型,提出了能够同时解决多数据流关联度分析和模式发现这两个问题的新模型。在多数据流关联度分析方面,利用PCA分析出的各个主成分彼此正交的几何意义,将数据流关联量度化为以主成分
3、为轴的向量空间_的夹角,根据夹角的余弦来定义数据流之闯的相关度;对于独立分量的分析则利用PCA的降维和白化结果,进行独立成分的分离。这一模型适用予解决在线混合数据流分离,对挖掘多数据流潜在独立内因有良好效果。挖掘独立内因及隐藏的向量,得到的向量结果本身就是一种能用于指导实践的指标,如具有盲源分离背景的语音实验。两且该向量是高度抽象的数据,为之后进行的数据流趋势预测和更进一步的数据模式识别都提供了迸一步拓展的思路。本文还探讨了这一模型的健壮性和实时性,并在实验中验证了系统性能。关键词:数据流,主成分分析,独立
4、成分分析,多数据流关联基于PCA/ICA的多数攥流关联及模式发现MultipleDataStreamRelationAnalysisandPatternDiscoverywithPCA/ICAAbstracthrecentyears.itimprovesalottogatherandtransportinformationduetothedevelopmentofITapplicationsinmanyfields.Manyapplicationsgeneratealargenumberofstreamin
5、gdatawhichinclude:network-trafficmonitoring,computernetworksecurity,financialapplicationsandenvironmentalmonitoringandmanymore.Analyzingandminingsuchkindofdatahasincreasinglybecomehotissues。Datastreamminingistoextractusefulinformationandknowledgewhichembed
6、inthestreamingdataandpreviouslyunknowntousers.曩始majorcontributionofthispaperistofindawaytocompactdatastreams,toanalysis‘thecorrelationsofstreamsandeventoseparatethecorefactorsthatinfluentthestreams’trendwiththehelpofPCAandICAwhichweredevelopedforreducingdi
7、mensionsofdatawithhi}曲dimensioncomplexityandseparatingsignalsfrommixeddatain1990’S。Atthesametime,someuniquecharacteristicsofstreamsshouldbeconsideredintheissue.Thispapermainlyintroducesanewmodelbasedonp渤cipalcomponentanalysis,independentcomponentanalysisan
8、dmultipledatastreammodelwhichsuppliesanewmethodofmultipledatastreamcorrelatiOIlSanalysisandpatterndiscovery.Theprincipalcomponentsareorthogonalfromeachother,SOwedevelopamethodwhichtakesthecosineofeachpairofve
此文档下载收益归作者所有