检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

时间序列聚类算法及其在手势识别中的应用

模式识别与人工智能 2005年第1期18卷 1-5页

作者：吴江琴高文浙江大学计算机学院杭州310027 哈尔滨工业大学计算机科学与工程系

针对中国聋人手势词"语形"是由若干个基本手势组成的特点,本文提出了沿时间轴的贪心聚类算法,并在此基础上给出了一种快速训练算法及快速识别算法。将该算法具体应用到中国手语手势词的识别中,实验结果表明,与HMM相比,该方法不仅在识别... 详细信息

针对中国聋人手势词"语形"是由若干个基本手势组成的特点,本文提出了沿时间轴的贪心聚类算法,并在此基础上给出了一种快速训练算法及快速识别算法。将该算法具体应用到中国手语手势词的识别中,实验结果表明,与HMM相比,该方法不仅在识别速度上有大的改观,而且大大缩短了手势词对应模板的训练时间。

关键词：手势识别沿时间轴贪心聚类算法时间序列聚类

在线全文

学校读者我要写书评

暂无评论

时间序列聚类在投资组合风险管理中的应用

时间序列聚类在投资组合风险管理中的应用

作者：赵冲首都经济贸易大学

学位级别：硕士

2007年金融危机之后，国际经济金融市场发生了很大的变化，比较突出的方面是金融市场的波动性增加，金融市场上出现持续动荡。而且我国自加入世贸组织以来，不断面临着资本市场开放的压力，国际资本市场的运动对国内的资本市场影响越来... 详细信息

2007年金融危机之后，国际经济金融市场发生了很大的变化，比较突出的方面是金融市场的波动性增加，金融市场上出现持续动荡。而且我国自加入世贸组织以来，不断面临着资本市场开放的压力，国际资本市场的运动对国内的资本市场影响越来越大，导致国内金融市场的风险增加。最后由于近几年金融行业竞争的加剧，也导致金融市场风险的增加。由此，人们更加注重金融风险的管理，越来越关注投资面临的风险。在投资理论界和实务界，Markowitz的均值-方差模型为投资决策提供了一个基本和完整的框架，成为金融分析的主流方法之一。在均值-方差模型中，最核心的部分是对风险进行度量，但是该模型通过方差来对风险进行度量，存在一个显著的缺陷，这便要求探索更为准确的风险度量方法。而且现代的金融定价理论和投资理论也是建立在风险度量的基础之上，由此可见，风险度量在金融领域占据重要的位置。因此，在过去的60多年中，从Markowitz提出的方差到后来的风险价值，人们一直在追求更为合理的风险度量方法。本文首先对金融风险和风险管理进行介绍，在金融风险度量方面主要分析了VaR和CVaR两种风险度量方法。然后文章介绍了基于Copula尾部相关系数的时间序列聚类方法，最终把这种方法运用于投资组合的构建。实证分析结果表明通过时间序列聚类方法构建的投资组合的风险要小于随机构建的投资组合的风险，对实际中的投资具有指导意义。

关键词：风险度量投资组合相似度度量时间序列聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

时间序列聚类分析中几种算法的研究及应用

时间序列聚类分析中几种算法的研究及应用

作者：陈美云（Duangrux Tangsirisakul）中国矿业大学

学位级别：硕士

聚类是无监督机器学习方法之一,聚类数据可以帮助识别相似数据,为决策行为提供最佳方案。例如,预订出租车应用程序可以把客户数据进行聚类分析以匹配供求关系、检测电子商务交易的恶意订单类型或在约会应用程序中将客户分类等。为了得... 详细信息

聚类是无监督机器学习方法之一,聚类数据可以帮助识别相似数据,为决策行为提供最佳方案。例如,预订出租车应用程序可以把客户数据进行聚类分析以匹配供求关系、检测电子商务交易的恶意订单类型或在约会应用程序中将客户分类等。为了得到聚类的最佳决策结果在各种的聚类分析都有自己的基本条件请求,当用错误的数据分析条件请求时会导致低质量的结果。因此,我们希望深入研究和比较这类数据。应用时间序列分析基于先前观测值的预测,将聚类分析和时间序列数据混合起来,以便更好地理解聚类分析,以达到服务广大公众的初心,同时还希望更多的专家学者在这一领域持续探索,以期未来在更广泛的领域应用。目前常用于描述金融市场中的数据,如数字货币、人民币兑美元汇率、上海证券交易所50指数(上证50)和泰国证券交易所50指数(泰证50)。本文主要研究金融时间序列数据的时间序列聚类算法比较,通过时间序列聚类分析研究金融市场的数据,得出不同数据集的最有效聚类算法,并验证了其合理性及有效性。本文主要内容如下:1、论文依次介绍了数据挖掘、机器学习、时间序列聚类的重要性以及相关的一些检验方法的基本原理,为文章开展正式研究奠定理论基础。2、论文综述了生物信息学、机器人学、医学、化学、手势识别、语音识别、跟踪、金融、生物特征学、天文学、制造学等领域的相关数据挖掘、机器学习和时间序列聚类研究。3、论文通过分析时间序列聚类的结构,包括距离测量、时间序列原型、聚类算法和聚类评价标准等几个部分。本文针对每个数据集分别设置了3种模式的聚类算法,如层次聚类、k-中心点划分聚类、K-形划分聚类和Tadpole划分聚类。我们使用轮廓索引(Silhouette index)、COP索引(COP index)、DB索引(DB index)、CH索引(CH index)和DB*索引(DB*index)等聚类评价方法来比较这些聚类算法是否有效性。4、论文在实证分析中,构建了关于数字货币、人民币兑美元汇率、上证50指数(上证50)和泰国证券交易所50指数(泰证50)的时间序列聚类分析。对每个时间序列数据集使用3种聚类算法模式比较,并用5个指标对聚类算法进行评价,以确定每个聚类算法的有效性。研究结果表明,层次算法是对于非等长度数据数字货币和上证50指数最有效的算法。另外,对于等长度数据所有货币兑美元汇率和泰国证券交易所50指数(泰证50),划分算法是最有效的。

关键词：时间序列聚类机器学习 DTW 密码货币

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

时间序列聚类模型在金融中的应用研究

时间序列聚类模型在金融中的应用研究

作者：杨铠宁上海交通大学

学位级别：硕士

时间序列数据在经济金融、气象地理等诸多领域都广泛存在,是一种基础且重要的数据对象,针对时间序列数据的信息分析也逐渐成为数据挖掘领域的一大重要研究分支。本文探究了基于形状的时间序列聚类的多种可行方法,包含距离度量、原型函... 详细信息

时间序列数据在经济金融、气象地理等诸多领域都广泛存在,是一种基础且重要的数据对象,针对时间序列数据的信息分析也逐渐成为数据挖掘领域的一大重要研究分支。本文探究了基于形状的时间序列聚类的多种可行方法,包含距离度量、原型函数选择、聚类评估等多个聚类流程。以动态时间弯曲(DTW)距离、基于形状的距离(SBD)等为基础,介绍相关的优化算法,比较各种算法的适用范围和计算资源等指标,从而对时间序列聚类相关理论进行综述与整合。在此基础上,本文将时间序列聚类算法应用在金融时间序列数据上,探索模型在此类数据上的优劣性。本文对300只个股的股票价格进行时间序列聚类,横向比较多种距离度量及原型函数的实证效果。结合完善的聚类评估程序,认为DTW距离在聚类效果评估上有更好的效果。结合外部的行业分类标签,我们发现聚类的结果体现出一定的行业聚集特点,但是同一类中仍有不同行业的混合现象。进一步,本文对上述聚类结果进行应用,发现不同聚类的股票在后续60天时间仍呈现一定程度的收益差异,并基于此构建等权重投资组合,验证了时间序列聚类模型能够帮助我们降低投资组合的波动风险。

关键词：时间序列聚类股价序列 DTW距离投资组合

时间序列聚类中U-shapelets提取方法的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

时间序列聚类中U-shapelets提取方法的研究

作者：孟庆红华东师范大学

学位级别：硕士

时间序列数据广泛存在于生活的各个方面,它记录了事物在每个给定时间间隔内的观测值,具有数据维度高、数据量大的特点。时间序列聚类作为数据挖掘领域的一个重要研究分支,受到人们的广泛关注。传统的研究方法大多直接对整个时间序列进... 详细信息

时间序列数据广泛存在于生活的各个方面,它记录了事物在每个给定时间间隔内的观测值,具有数据维度高、数据量大的特点。时间序列聚类作为数据挖掘领域的一个重要研究分支,受到人们的广泛关注。传统的研究方法大多直接对整个时间序列进行聚类分析,然而时间序列中存在的噪音等无关数据会影响聚类结果的准确性。最近,一种基于u-shapelets的时间序列聚类方法被提出,该方法利用局部形状特征来区分序列之间的差异,不仅聚类精度高,对聚类结果也有很好的解释性。虽然基于u-shapelets的时间序列聚类方法已经取得一定的成果,但仍存在一些问题。主要体现在三个方面:其一,提取u-shapelets的过程非常耗时,尤其是在一些大数据集上;其二,为了加速u-shapelets的提取而忽略其质量,在一定程度上降低了聚类结果的准确性;其三,原始的u-shapelets质量度量方式不够准确,会影响u-shapelets的辨别性。本文围绕以上问题主要对u-shapelets的提取过程进行研究,其主要内容如下:(1)本文提出一种随机局部搜索u-shapelets的算法(Random Local Search Algorithm,简称RLS算法)。首先,针对提取u-shapelets时间花费高的问题,RLS算法采用随机技术从数据集的整个子序列空间中选取一定数量的子序列,大幅度减少了u-shapelets候选样本的数量;其次,为了改善提取到的u-shapelets质量,引入一种局部搜索策略,求得局部最优子序列作为u-shapelets。本文在27个大小不同的数据集上对RLS算法的有效性进行了验证,实验结果表明,RLS算法在提高u-shapelets的提取效率的同时还提高了聚类结果的准确率。(2)本文提出一种基于特征点提取u-shapelets的算法(Feature Points Algorithm,简称FPs算法)。不同于RLS算法采用随机策略提取子序列,FPs算法在时间序列的特征点上提取子序列,不仅能够过滤掉大量多余的子序列,有效地解决提取u-shapelets时间花费大的问题,还能保证u-shapelets的质量。此外,采用一种新的u-shapelets质量评估方式,充分考虑相似的序列之间的紧密度,可增强提取到的u-shapelets的辨别性。实验结果表明,基于特征点提取u-shapelets的方法在提高u-shapelets的平均提取速度上具有更优的性能,并且能够保证聚类结果的准确性和确定性。

关键词：时间序列聚类 U-shapelets 子序列提取局部搜索特征点提取

基于时间序列聚类算法的叙词表新术语遴选研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

情报科学 2021年第1期39卷 135-141页

作者：雷晓常春刘伟中国科学技术信息研究所资源中心北京100038

【目的/意义】为保证叙词表术语收录的完整性,需要及时将领域出现但未收录的新术语补充收录到叙词表中,结合候选词的时间及文档词频特征,从时间序列角度探索新术语的分布情况以指导新术语遴选是值得研究的问题。【方法/过程】文章主要... 详细信息

【目的/意义】为保证叙词表术语收录的完整性,需要及时将领域出现但未收录的新术语补充收录到叙词表中,结合候选词的时间及文档词频特征,从时间序列角度探索新术语的分布情况以指导新术语遴选是值得研究的问题。【方法/过程】文章主要对词汇文档词频对应的时间序列进行研究,将时间序列进行词频归一化及时间等长预处理,引入k-means聚类算法,对候选词汇进行基于时间序列趋势变化的聚类,探索术语以及非术语趋势变化的规律,进而总结新术语应该满足的趋势变化特征。【结果/结论】通过聚类研究,总结得出新术语普遍处于增长趋势。实证将处于增长状态的候选词汇遴选出来,经过专家判断,该方法可以有效从候选词汇中遴选出其中能补充到叙词表中的新术语,该方法有比较高的准确率。【创新/局限】创新之处表现为叙词表新术语的遴选中同时考虑了时间变化和文档词频因素,局限于数据处理规模,实证中只统计了论文关键词的词频数据。

关键词：叙词表新术语遴选文档词频时间序列聚类 k-means

在线全文

学校读者我要写书评

暂无评论

基于时间序列聚类的主题发现与演化分析研究

情报学报 2019年第10期38卷 1041-1050页

作者：李海林邬先利华侨大学工商管理学院

针对现有研究对文献主题发现和演化分析方法的单一性,本文提出了基于时间序列聚类的主题发现与演化分析方法。该方法首先通过共词分析找出文献数据集中高频关键词的共现矩阵,利用Ochiia系数计算方法将共现矩阵转换为相似性矩阵,然后使... 详细信息

针对现有研究对文献主题发现和演化分析方法的单一性,本文提出了基于时间序列聚类的主题发现与演化分析方法。该方法首先通过共词分析找出文献数据集中高频关键词的共现矩阵,利用Ochiia系数计算方法将共现矩阵转换为相似性矩阵,然后使用近邻传播聚类算法发现文献主题。同时,再将主题在某段时间内的研究热度进行分析并转化为反映主题热度时间序列数据,结合时间序列聚类方法对各主题进行分类以及演化趋势的分析。实验结果表明,通过对中国知网中2000—2018年与创新管理相关的期刊文献进行数据处理与挖掘,提出的方法能有效地发现期刊的研究主题,并且能较好地分析这些主题的演化趋势。

关键词： AP聚类时间序列聚类主题发现主题演化

基于时间序列聚类方法分析北京出租车出行量的时空特征

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2016年第9期18卷 1227-1239页

作者：程静刘家骏高勇北京大学遥感与地理信息系统研究所北京100871

受城市资源配置、区域功能分化的影响,城市中居民的出行往往呈现出特定的模式和规律,而这种出行模式的背后反映出城市的功能结构。城市车辆GPS导航的广泛使用,以及车辆轨迹数据的大量获取,为分析城市居民出行模式及理解城市功能结构提... 详细信息

受城市资源配置、区域功能分化的影响,城市中居民的出行往往呈现出特定的模式和规律,而这种出行模式的背后反映出城市的功能结构。城市车辆GPS导航的广泛使用,以及车辆轨迹数据的大量获取,为分析城市居民出行模式及理解城市功能结构提供了数据支撑。本文以道路分割城市得到的地块为研究单元,利用北京市一个月的出租车轨迹数据,对北京居民的出行模式及城市功能格局进行分析。在轨迹数据分析中,本文从轨迹数据中提取每个地块的出行量时间序列信息,然后采用结合时间序列距离度量和时间序列自身相关性的聚类方法,对出行量时间序列数据进行聚类分析,从而研究乘客出行的时空分布特征,最后结合北京市POI数据,探讨了不同区域乘客出行规律和区域功能类型的相互关系。结果表明,出租车出行量时间序列模式在工作日和周末间存在明显差异。此外,工作日的2个出行高峰与通常的通勤早晚高峰不同。由出行量所得的区域聚类结构,除具有重要交通枢纽功能的地块外,总体上以市中心为圆心大致呈同心圆分布,且距离市中心越远出行量越小。研究结果对于分析北京市居民出行行为、辅助城市交通规划具有一定的意义。

关键词：轨迹数据时空特征城市功能结构出行模式时间序列聚类

一种基于Normal矩阵的时间序列聚类方法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2010年第8期27卷 2926-2928页

作者：姜荣赵凤霞谢福鼎张永辽宁师范大学计算机与信息技术学院辽宁大连116081 秦皇岛职业技术学院河北秦皇岛066100

提出了一种基于Normal矩阵的时间序列聚类方法。该算法首先对时间序列数据进行向量形式转换,计算出各个时间序列间的相似度并构建复杂网络,然后利用基于Normal矩阵的方法进行复杂网络社团划分,同一类的时间序列被划分到一个社团,即实现... 详细信息

提出了一种基于Normal矩阵的时间序列聚类方法。该算法首先对时间序列数据进行向量形式转换,计算出各个时间序列间的相似度并构建复杂网络,然后利用基于Normal矩阵的方法进行复杂网络社团划分,同一类的时间序列被划分到一个社团,即实现对时间序列数据的聚类。为了验证该方法的可行性和有效性,将其应用于股票时间序列数据聚类分析中,并在两个实际的数据集上与其他方法相比较,取得了较好的实验结果。

关键词：时间序列聚类社团结构复杂网络 Normal矩阵相似度