检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多元时间序列相似度分析与应用研究

多元时间序列相似度分析与应用研究

作者：甘斌斌华北电力大学

学位级别：硕士

多元时间序列广泛存在于金融、气象、航天等社会生产和生活中,时间序列的分析具有重要的研究和应用价值。本文研究分析多元时间序列相似性度量方法和多元时间序列异常检测问题,主要涉及相似性度量方法和异常检测算法两个方面的研究。在... 详细信息

多元时间序列广泛存在于金融、气象、航天等社会生产和生活中,时间序列的分析具有重要的研究和应用价值。本文研究分析多元时间序列相似性度量方法和多元时间序列异常检测问题,主要涉及相似性度量方法和异常检测算法两个方面的研究。在多元时间序列相似度分析中,选用标准数据集仿真实验,对比分析几种常见的多元时间序列相似度度量方法的性能。在多元时间序列相似度应用研究中,基于传统离群检测算法的相似性度量方法忽略了时间弯曲等相关因素,无法确保多元时间序列中异常检测结果的准确性。针对这一问题,本文对传统的离群检测算法进行优化改进,提出了一种基于改进距离的离群检测算法,并选用多元时间序列标准数据集验证基于改进距离的离群检测算法的有效性和优越性。针对时间序列数据集权重对检测结果的影响,论文进一步提出了基于加权优化距离的离群检测算法。该算法通过主成分分析对每个多元时间序列数据进行降维;其次通过夹角公式计算每个多元时间序列的特征矩阵与其正交坐标系之间的距离,并利用匈牙利算法得到对多元时间序列的加权最小距离;最后构建基于加权优化距离的离群算法来实现多元时间序列异常检测。选取四种多元时间序列数据集和变压器实测振动数据集,对基于加权优化距离的离群检测算法完成实验仿真,同时将该算法与传统的离群检测算法、黎曼流形算法进行对比分析,实验结果表明本文提出的算法具有更好的检测性能。

关键词：多元时间序列相似度分析主成分分析异常检测离群检测算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高炉铁水温度的多元时间序列建模和预测

钢铁研究学报 2014年第4期26卷 33-37页

作者：崔桂梅李静张勇卢俊慧马祥内蒙古科技大学信息工程学院内蒙古包头014010 包钢钢联股份有限公司炼铁厂内蒙古包头014010

针对高炉炉温铁水硅含量为预测对象的不确定性和高炉炉温单变量时间序列模型所含炉温输入信息量少、难以揭示各个变量之间的相互关系及变化规律的特点,以高炉铁水温度为研究对象,建立BP神经网络多元时间序列模型和T-S模糊神经网络多元... 详细信息

针对高炉炉温铁水硅含量为预测对象的不确定性和高炉炉温单变量时间序列模型所含炉温输入信息量少、难以揭示各个变量之间的相互关系及变化规律的特点,以高炉铁水温度为研究对象,建立BP神经网络多元时间序列模型和T-S模糊神经网络多元时间序列模型。应用高炉实际数据做模型检验,结果表明,T-S模糊神经网络多元时间序列模型取得更好的命中率和预测精度。

关键词：高炉铁水温度多元时间序列 BP神经网络模糊神经网络

基于HSIC-GL的多元时间序列非线性Granger因果关系分析

在线全文

学校读者我要写书评

暂无评论

信息与控制 2021年第3期50卷 356-365页

作者：李柏松任伟杰韩敏大连理工大学电子信息与电气工程学部辽宁大连116024 大连理工大学工业装备智能控制与优化教育部重点实验室辽宁大连116024

因果分析是数据挖掘领域重要的研究课题之一.由于传统的Granger因果模型难以准确识别多变量系统的非线性因果关系,本文提出一种基于Hilbert-Schmidt独立性准则(Hilbert-Schmidt independence criterion,HSIC)的组Lasso模型的Granger因... 详细信息

因果分析是数据挖掘领域重要的研究课题之一.由于传统的Granger因果模型难以准确识别多变量系统的非线性因果关系,本文提出一种基于Hilbert-Schmidt独立性准则(Hilbert-Schmidt independence criterion,HSIC)的组Lasso模型的Granger因果分析方法.首先,利用HSIC将输入样本和输出样本映射到再生核Hilbert空间,克服了传统的Granger因果模型不能应用于非线性系统的缺陷.然后,建立具有组Lasso约束的回归模型,对多变量及其组派生变量进行因果分析,并采用贝叶斯信息准则进行模型选择,避免了人为设置滞后阶数和正则化参数.最后,根据HSIC-GL模型的回归系数和显著性检验结果,实现了多变量时间序列之间的非线性因果分析.通过对非线性和混沌系统的仿真实验,验证了该方法的有效性.最后将其应用于沈阳空气质量指数(AQI)和气象时间序列的因果关系分析.

关键词：多元时间序列 Granger因果 Hilbert-Schmidt独立性准则组Lasso

基于特征矩阵的多元时间序列最小距离度量方法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2015年第3期10卷 442-447页

作者：李海林郭韧万校基华侨大学信息管理系福建泉州362021

相似性度量是多元时间序列数据挖掘任务过程中一项重要的前期工作,度量质量直接影响到后期整个数据挖掘的性能和结果。利用主成分分析方法对数据集中的每个多元时间序列数据进行特征分析,提取其特征矩阵并且构建相应的新正交坐标系。通... 详细信息

相似性度量是多元时间序列数据挖掘任务过程中一项重要的前期工作,度量质量直接影响到后期整个数据挖掘的性能和结果。利用主成分分析方法对数据集中的每个多元时间序列数据进行特征分析,提取其特征矩阵并且构建相应的新正交坐标系。通过夹角公式来度量2个正交坐标系之间距离,并且结合匈牙利算法计算它们之间的最小距离,进而实现了一种基于特征矩阵的多元时间序列最小距离度量方法。实验结果表明,与传统方法相比,新方法具有较好的相似性度量质量,提高了多元时间序列的数据挖掘效果。

关键词：多元时间序列相似性度量特征矩阵最小距离主成分分析匈牙利算法数据挖掘

基于PCA-LSTM模型的多元时间序列分类算法研究

在线全文

学校读者我要写书评

暂无评论

统计与决策 2020年第15期36卷 44-49页

作者：张可崔乐河海大学商学院南京211100

多元时间序列数据广泛存在于金融市场、动作识别等众多领域,但由于其存在指标多、时序长等特点,现有分类算法难以兼顾两个维度的特征提取。文章提出将PCA和LSTM综合应用于多元时间序列分类问题中序列,采分用类P算CA法提。取并指通标过... 详细信息

多元时间序列数据广泛存在于金融市场、动作识别等众多领域,但由于其存在指标多、时序长等特点,现有分类算法难以兼顾两个维度的特征提取。文章提出将PCA和LSTM综合应用于多元时间序列分类问题中序列,采分用类P算CA法提。取并指通标过维与度k N特N征、SV,利M用等L分ST类M算遗法忘在门多学个习数时据间集维上度的特实征验,对从比而,建验立证基了于该P方C法A-不LS仅TM降的低多了元计时算间复杂度,且在多个数据集上均取得了精度较高的实验结果。

关键词：多元时间序列长短时记忆 PCA 神经网络深度学习

基于多元时间序列的移动通信业务产品生命周期评价

在线全文

学校读者我要写书评

暂无评论

计算机应用 2006年第B6期26卷 175-177页

作者：李勇熊世平顾学道深圳现代计算机有限公司中国联通湖南分公司湖南长沙410000

在存储了全生命周期移动通信业务产品特征数据的知识库中,利用时序数据相似性原理提取产品的生命周期特征,寻找近似示例。在此基础上综合示例已有分类结果形成移动通信业务产品生命周期预测分类。通过对实际数据的分析,给出了基于此方... 详细信息

在存储了全生命周期移动通信业务产品特征数据的知识库中,利用时序数据相似性原理提取产品的生命周期特征,寻找近似示例。在此基础上综合示例已有分类结果形成移动通信业务产品生命周期预测分类。通过对实际数据的分析,给出了基于此方法的移动通信业务产品生命周期的某地实际分布形态。

关键词：移动通信业务产品生命周期评价多元时间序列

在线全文

学校读者我要写书评

暂无评论

两阶段的多元时间序列异常检测算法

计算机应用研究 2011年第7期28卷 2466-2469页

作者：王欣中国民航飞行学院计算机学院四川广汉618307

提出了一个两阶段的多元时间序列异常检测算法。该算法通过有界坐标系统(BCS)技术计算多元时间序列样本之间的相似性,采用基于距离的方法实现异常检测。算法第一阶段采用K-means算法对数据进行聚类,并按照一个启发式规则对其进行排序;... 详细信息

提出了一个两阶段的多元时间序列异常检测算法。该算法通过有界坐标系统(BCS)技术计算多元时间序列样本之间的相似性,采用基于距离的方法实现异常检测。算法第一阶段采用K-means算法对数据进行聚类,并按照一个启发式规则对其进行排序;第二阶段在聚类结果上采用循环嵌套算法进行异常检测,并通过两个剪枝规则进行高效剪枝,提高了算法的效率。在两个实际数据集上进行实验,实验结果验证了算法的有效性。

关键词：多元时间序列有界坐标系统基于距离的异常检测

自适应代价动态时间弯曲的多元时间序列相似性度量

在线全文

学校读者我要写书评

暂无评论

统计与决策 2020年第2期36卷 25-29页

作者：孟晓静万源武汉理工大学理学院武汉430070

文章针对在多元时间序列动态时间弯曲度量中出现一对多情形容易产生距离相同的多条匹配路径导致无法确定最优路线的问题,提出一种自适应代价动态时间弯曲的多元时间序列相似性度量方法(ACM-DTW)。首先,多元时间序列按变量纵向排列把每... 详细信息

文章针对在多元时间序列动态时间弯曲度量中出现一对多情形容易产生距离相同的多条匹配路径导致无法确定最优路线的问题,提出一种自适应代价动态时间弯曲的多元时间序列相似性度量方法(ACM-DTW)。首先,多元时间序列按变量纵向排列把每个变量中数值列作为向量看待,计算向量之间的欧式距离作为两条多元时间序列间的基础距离矩阵;然后,自适应代价函数更新权重减少点列的重复使用次数,运用ACM-DTW度量多元时间序列间的相似性;最后,计算k近邻法在不同数据集上分类准确率。实验证明,ACM-DTW能有效地改进匹配时一对多情形从而实现较好的匹配结果,具有良好的准确性。

关键词：多元时间序列自适应代价动态时间弯曲相似性度量时间序列分类

基于ARIMA的多元时间序列神经网络预测模型研究

在线全文

学校读者我要写书评

暂无评论

统计与决策 2009年第11期25卷 23-25页

作者：刘全刘汀成都信息工程学院成都610103 西南交通大学外国语学院成都611756

文章基于ARIMA模型具备准确提取时间序列当前值、过去值及误差值之间回归关系的能力,人工神经网络具备对各种变量的感知能力强,非线性逼近、自适应、自学习性等特性,构建了一种多元时间序列预测模型,并进行了理论探讨和实证。该模型能... 详细信息

文章基于ARIMA模型具备准确提取时间序列当前值、过去值及误差值之间回归关系的能力,人工神经网络具备对各种变量的感知能力强,非线性逼近、自适应、自学习性等特性,构建了一种多元时间序列预测模型,并进行了理论探讨和实证。该模型能较准确模拟和预测时间序列的变化规律,可较好满足对复杂时间序列的分析预测需求。

关键词： ARIMA模型多元时间序列 BP神经网络预测模型