基于深度学习的时间序列特征表示

《基于深度学习的时间序列特征表示》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、分类号作３１１：作化密级公开ＵＤＣ编号《余Ａ彎巧女研《ｉ《化俗Ａ题目基于深皮学习的时间巧列特化巧示ＴｉｍｅＳｅｒｉｅｓＦｅａｔｕｒｅＲｅｐｒｅｓｅｎｔａｔｉｏｎｗｉｔｈＤｅｅｐＬｅａｒｎｉｎｇ学院（所、中心）软件送院专业名称软件工程研巧生姓名胡健学号１２０１４００２４７１导师姓名杨云职称到教巧２０１６年５月论文独创性声明及使用授权本论文是作者在导师指导下取得的研究成果。除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，不存在割窃或抄袭行为一。与作者同工作的同志

2、对本研巧所做的任何贡献均己在论文中作了明确的说明并表示了谢意。）现就论文的使用对云南大学授权如下：学校有权保留本论文（含电子版，也可采用影印、缩印或其他复制手段保存论文；学校有权公布论文的全部或部分内容，可Ｗ将论文用于查阅或借阅服务学校有权向有关机构送交学位论文用于学术：规范审查、社会监督或评奖；学校有权将学位论文的全部或部分内容录入有关数据库用于检索服务。（内部或保密的论文在解密后应遵循此规定）ｒ研究生签名：导师签名：日期：吁摘要一时间序列作为种具有巨大挖掘价值的数据对象，广泛存在于各个领域之中，流媒体文件数据、金融财务数据、气象

3、观测数据、人口普查数据、系统日志数据等都是时间序列的存在形式。相应地，时间序列数据挖掘的研究成果已经成功地在气象、交通、金融、工业、医药、计算机系统与网络、农业等领域实现了具体的应用。时间序列数据中蕴含着巨大的有价值的信息，包括了直观可见的信息和隐含潜在的知识，，硏究如何有效地挖掘出时间序列数据中隐含的、潜在的知识与信息具有重要的理论价值和现实意义。然而，由于时间序列数据的时序相关性、维度高、海量性和多特征等特性，使得如何有效地对时间序列数据进行特征表示，从而更有效地进行数据挖掘工作面临着巨大的挑战。时间序列的特征表示是在保留时间序列关键信息的前提下，

4、降低时间序列数、据的维度及除去噪声，有效地选择维度低数量少且能反映原时间序列数据主要规律信息的特征子集，从而实现时间序列数据的特征表示和维度简约。传统的时间序一列特征表示方法主要是根据个假想的数学模型对时间序列进行踩点取样，这类方法不直观，并且需要对时间序列数据很有研究的专家构建数学模型，在特征投影时容易丢失掉时间域上的重要信息，所传统的时间序列数据特征表示方法对于当今大数据时代海量的时间序列数据的处理显然是力不从也。本文深入研究时间序列数据挖掘研究中的特征表示问题，通过分析研究己有的时间序列特征表示方法的优势与缺陷。借鉴深度学习在计算机视觉／图像识别

5、领域取得的突破性研究成果，将深度学习的最新研究成果应用于时间序列数据的特征，表示工作通过深入研巧了多种深度学习模型，最终发掘出深信度网络模型对于时间序列特征表示具有优越的性能。并将该模型在１９套ＵＣＲ时间序列基准数据集上与传统的四种特征表示算法进行性能比对。：；数据挖掘；：；关键词时间序列；特征表示度学习限玻尔兹曼机深信度网络ＩＡｂｓｔｒａｃｔＡ－ｒｅａｓ过ｆｏｒｍｏｆｔｉｍｅｓｅｒｉｅｓｄａｔａｈａｓｔｖａｌｕｅｏｕｔｏｆａｗｉｄｅｓｐｒｅａｄｉｔｓｓａｃｅｅｘｉｓｔｓｇ，ｐｔｈｒｏｕｈｏｕｔａｌｌａｒｅａｓｏ

6、ｆｌｉｆｅｍｕｌｔｉｍｅｄｉａｄａｔａｆｉｎａｎｃｉａｌｄａｔａｗｅａｔｈｅｒｄａｔａｃｅｎｓｕｓｄａｔａｇ，，，，，ｍｏｆ－ｓｓｔｅｍｌｏｄａｔａａｒｅｔｈｅｅｘｉｓｔｉｎｆｏｒｔｉｍｅｓｅｒｉｅｓＡｃｃｏｒｄｉｎｇｌｔｈｅｔｉｍｅｓｅｒｉｅｓｄａｔａｇ．ｙｙｇ，ｍｎｎｒｅｓｅａｒｃａｓａｃｅｖｅｄｓｕｃｃｅｓｓｆｌｉｃａｔｉｏｎｉｎ化ｅｆｅｏｆｍｅｔｅｏｒｏｌｏｔｒａｎｓｏｒｔｉｉｇｈｈｈｉｕｌａｐｐｉｌｄｇ乂ｐ，ｆｉｎａｎｃｅｉｎｄｕｓｔｒｍｅｄｉｃｉｎｅｃｏｍｕｔｅｒｎｅｔｗｏｒｋｓａｎｄａｒｉ

7、ｃｕｌｔｕｒｅ．Ｈｏｗｅｖｅｒｔｏｔｈｅ，ｄｕｅ，ｙ，ｐ，ｇ，－ｓｓ－ｔｉｍｉｎｃｏｒｒｅｌａｔｉｏｎｈｉｈｄｉｍｅｎｓｉｏｎｓｍａｉｖｅａｎｄｍｕｌｔｉｆｅａｔｕｒｅｔｉｍｅｓｅｒｉｅｓｄａｔ过ｏｆｇ，ｇ，ｃｈａｒａｃｔｅｒｉｓｔｉｃｓｓｕｃｈａｓｈｏｗｔｏｅｆｅｃｔｉｖｅｌｃｈａｒａｃｔｅｒｉｚｅｔｉｍｅｓｅｒｉｅｓｄａｔａｆｅａｔｕｒｅｓ，ｉｎｏｒｄｅｒｙ化ｍｏｒｅｅｆｅｃｔｉ