基于 FCM 的时间序列论域划分方法-论文.pdf

《基于 FCM 的时间序列论域划分方法-论文.pdf》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、计算机与现代化2015年第5期JISUANJIYUXIANDAIHUA总第237期文章编号：1006-2475(2015)05-0009434基于FCM的时间序列论域划分方法刘澈，刘璇，马鸿旭(河海大学计算机与信息学院，江苏南京211100)摘要：随着社会的发展，人们对于数据预测的需求日益增加，模糊时间序列因其能够处理时间序列中含糊不清的数据而备受关注。从提高模型的预测精度角度来看，论域划分作为时间序列数据预测的第一步，作用至关重要。本文提出一种基于FCM的二次论域划分方法。该方法首先根据FCM聚类算法得到的聚类中心对论域进行一次划分，然后根据样本点空间分布的疏密程度

2、不同对论域进行二次细化，实现不等分论域，最后通过对经典样本的预测证明方法的可行性。关键词：时间序列；论域划分；FCM聚类算法；数据预测中图分类号：TP391文献标识码：Adoi：10．3969／j．issn．1006—2475．2015．05．002AFCM．basedDomainPartitionMethodforTimeSeriesDataSetLIUChe，LIUXuan，MAHong—XU(CollegeofComputerandInformation，HohaiUniversity，Nanjing211100，China)Abstract：Withthede

3、velopmentofsociety，peopleincreasinglydemandfordataprediction，fuzzytimeserieshasbeenattractedmuchattentionbecauseitcanhandletheambiguitiesintimeseriesdata．Toimprovethepredictionaccuracyofthemode1．do．mainpartitioniscrucialasthefirststepoftheprediction．Inthispaper，wepresentaFCM—basedtwo—ti

4、medomainpartitionmeth-od．WemakethefirstpartitionaccordingtotheclusteringcenterobtainedfromFCMclustering，thesecondpartitiontorealizeun—equaldomainaccordingtothedensitydistributionofthesamplepoints．Finally，thefeasibilityofthenewmethodisverifiedthroughthepredictionofclassicsample．Keywords：

5、timeseries；domainpartition；FCMclusteringalgorithm；dataforecast主要是先统计样本的疏密情况，在数据点较密的地方0引言进行细化，样本点稀疏的地方适当加长论域区间。论域划分始终是模型理论研究的一个重点。自第3类是以Aladagl6J、Egrioglu_8_、Yolcu等从Song_1首次提出模糊时间序列模型以来，很多研提出的利用相关优化算法寻求最优模糊集合的划分究人员开始针对论域划分进行研究，并在这方面取得方法。该方法首先统计预测结果的误差，通过建立误了一定的进展。下面分类别阐述到目前为止在论域差目标函数指导论域

6、划分，最后通过反复比对得到最划分方法的研究上所取得的成绩和存在的问题。优论域划分方案。第1类是以Chen、Hwang_3等为代表的早期论最新研究方法和方向是基于模糊c均值聚类域划分方法。早期论域划分方法主要根据样本数据(FuzzyC-Means，FCM)的论域划分方法，代表研究者中的最值来确定模型的论域，其中也会用到一些论域有余文利、LiL”、赵庆江以及Cheng项目组的扩展的方法。在得到论域范围后，一般会取一个整数研究”等。这类方法的思想是利用模糊聚类算法作为区间的总长度，然后将论域平均划分，这类方法的对样本数据进行聚类分析，根据得到的聚类中心或聚特点是简单、方便易

7、于理解，缺点是预测精度不够高。类矩阵对论域进行划分。FCM方法通过分析样本数第2类是以Jilani和Yu等提出的根据样本据内部空间分布情况对论域进行划分，具有更好的精中数据的空间分布情况对区间进行划分。划分思想确性和解释性，特别是采用模糊聚类技术可以通过聚收稿日期：2015-03．31作者简介：刘澈(1989-)，男，辽宁阜新人，河海大学计算机与信息学院硕士研究生，研究方向：数据挖掘与预测；刘璇(1989一)，女，博士研究生，研究方向：大数据，数据挖掘与预测；马鸿旭(1987-)，男，博士研究生，研究方向：云计算，数据挖掘与预测。10计算机与现代化2