资源描述：
《基于云模型的时间序列分段聚合近似方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第xx卷第x期控制与决策xxxx年x月Vol.xxNo.xControlandDecisionXxx.xxxx文章编号:1001-0920(0000)00-0000-00基于云模型的时间序列分段聚合近似方法李海林,郭崇慧(大连理工大学系统工程研究所,大连116024)摘要:针对时间序列数据的高维特性,本文提出一种基于云模型的时间序列分段聚合近似方法.利用云模型的熵评判分段聚合后各子序列的数据稳定性,选取稳定性最弱的子序列再分段聚合,最终得到云模型序列.同时,还给出了云模型序列的相似性度量.该方法对时间序列不仅能够有效地降维,还
2、能自适应地识别和描述其基本特征.实验结果表明,数据压缩比较大时,它能够较好地保证近似的准确性,并提高时间序列数据挖掘的效率.关键词:时间序列；云模型；相似性；分段聚合近似中图分类号:TP18文献标识码:APiecewiseAggregateApproximationMethodBasedonCloudModelforTimeSeriesLiHai-lin,GuoChong-hui(InstituteofSystemsEngineering,DalianUniversityofTechnology,Dalian116024,Ch
3、ina.Correspondent:LiHai-lin,E-mail:hailin@mail.dlut.edu.cn)Abstract:Inthispaper,weproposeatechniqueofpiecewiseaggregateapproximationbasedoncloudmodeltoresolvethehighdimensionalityoftimeseries.Weutilizetheentropyofcloudmodeltoevaluatethestabilityofdatapointsinasubseq
4、uenceandchoosethesubsequencewithlowerstabilitytofurtherdividesothatwecanobtainaseriesofcloudmodelstoapproximatetimeseries.Wealsoproposeamethodtocalculatethesimilaritybetweentwocloudmodelseries.Ourapproachnotonlyreducesthedimensionalitybutalsoadaptivelyrecognizesandr
5、epresentstheessentialfeaturesoftimeseries.Theresultsofexperimentsindicatethatourapproachcanguaranteetheaccuracyofsimilarityandimprovetheefficiencyoftimeseriesdataminingunderlargercompressratio.Keywords:Timeseries；Cloudmodel；Similarity；Piecewiseaggregateapproximation1
6、引引引言言言数据很有创造力的团队.时间序列数据挖掘在国内起时间序列是一类与时间相关且具有高维特步相对较晚,浙江大学、复旦大学、中国科技大学等性的数据对象,在金融、气象、经济等领域都已经展开了一些相关研究,但总体上看尚缺乏一定的普遍存在.数据挖掘技术可以从时间序列数据组织性而且研究成果相对于国外也较为不足.中发现有用的潜在的信息和知识,为生产实践由于直接对原始数据进行挖掘的效率较低,时提供有利的决策支持,这就是时间序列数据挖间序列的高维特性始终是时间序列数据挖掘的瓶掘(timeseriesdatamining,TSDM)[1,2
7、].许多国内颈.因此,数据约减和降维成为当前研究时间序列外著名学者和专家都纷纷开展该领域的相关研数据挖掘的首要任务和重要课题.目前已有不少究,其中包括CarliforniaUniversityKeogh领导的研相关的时间序列数据约简和降维技术,如离散傅里叶变换(DFT)[3]、离散小波变换(DWT)[4]、奇异值究小组,IBM公司的Pazzani和Agrawal研究小组,以分解(SVD)[5]、分段聚合近似(PAA)[6]、分段线性近及美国的Maryland大学、CarnegieMellon大学等,其似(PLR)[7]等.不同
8、方式的降维技术需要有各自的相中Keogh领导的研究小组可以称得上是研究时间序列收稿日期:xxxx-xx-xx；修回日期:xxxx-xx-xx.基金项目:国家自然科学基金项目(10571018,70871015);国家高技术研究发展计划(863计划)项目(2008AA04Z10
