时间序列数据挖掘及应用研究

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:dumala
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
数据挖掘(Data Mining,DM)和数据库中知识发现(Knowledge Discoveryin Database,KDD)是当今人工智能和数据库等研究领域中活跃的具有广阔应用前景的研究方向.它涉及到人工智能、统计学、机器学习、数据库等多个领域.时间序列数据挖掘是数据挖掘研究中的重要方向之一,它的研究包括时间序列相似搜索、聚类、分类、关联分析、事件检测、离群值发现、预测等.时间序列是复杂类型的数据.它往往具有高维性、含有噪声、以及存在诸如平移、幅度伸缩、时间轴上的伸缩和线性漂移等多种变形.这些是时间序列数据挖掘工作的困难因素.该文讨论基于小波分析的时间序列数据挖掘的有关问题,特别地详细研究了时间序列相似度量和相似搜索算法.主要从三方面开展了研究工作.第一方面,利用小波独有的多分辨分析能力,提取序列的特征,并用这些特征表示时间序列,然后在特征上进行相似搜索.第二方面,利用小波变换的模极大值从时间序列中检测异常事件.第三方面,可视化技术可加强数据挖掘的过程,小波分析和可视化技术的结合,可以有效支持时间序列数据挖掘的整个过程.
其他文献
如今互联网已经成为了人们获取信息的重要途径之一,每天数以亿计的文本信息在互联网上被发布和传播,给用户准确获取自己需要的信息增加了难度。利用自动摘要技术为互联网上的这
互联网包含有海量网页,越来越多的用户通过搜索引擎寻找特定信息。Web信息检索的目的是在网页集合中找到与用户查询相关的所有网页,而网页评估算法将对这些网页进行评估后显示
本论文对目前的JDO技术规范进行了研究和探讨。在介绍JDO技术规范的历史形成和体系结构的基础上给出了它的各种生命状态及其在生命状态中的主要转换过程。目前关系数据库管理
近年来,信息革命促使制造业向全球方向发展,使现代企业呈现集团化、多元化的发展趋势。这些企业需要及时了解各地分公司的生产经营状况,同一企业不同部门、不同地区的员工之间也
人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,它在刑侦破案、证件验证、门禁系统、视频监视等领域中都有广泛的应用前景.该文主要研究静止图像的人脸识别
分布式计算是一种把需要进行大量计算的工程数据分割成小块,由多台计算机分别计算,在上传运算结果后再统一合并得出数据结论的科学.目前已有许多模型,如CORBA,DCOM;RMI;Web S
随着数据库技术的不断发展及其广泛应用,数据库中的数据量急剧增大,当大量数据不停地被收集和存储,业界人士对他们数据中项集之间的相关联系越来越感兴趣。这种数据中项集之间的
随着软件技术和网络技术的发展,基于构件的软件开发正成为当前分布式软件系统开发的主流.相应地,为服务器端构件提供运行时环境的应用服务器的地位和重要性也已经被迅速认可,
热点检测作为一种研究技术,被广泛地应用于环境犯罪学,生物学,传染病学,地理学和舆情学等领域。给定一系列基于空间位置的活动点,传统的热点检测方法能够检测出活动点密度较高的区
本论文针对企业复杂信息系统的集成支持环境及问题进行了分析和研究。本论文在深入讨论和分析了当前比较流行的企业信息系统集成支持技术Web Services和CORBA的基础上,提出了