隨著社會經(jīng)濟和信息技術的發(fā)展 ,時間序列的數(shù)據(jù)量增長越來越快 ,相應地 ,利用數(shù)據(jù)挖掘技術在時間序列數(shù)據(jù)庫中發(fā)現(xiàn)潛在的有價值的信息和知識也備受關注 ,其研究成果已被成功地應用于經(jīng)濟、金融、電子信息、醫(yī)療衛(wèi)生、教育、工業(yè)和工程等領域。然而,時間序列數(shù)據(jù)的特征表示和相似性度量是時間序列數(shù)據(jù)挖掘任務中為基礎和關鍵的工作 ,其質量直接影響時間序列數(shù)據(jù)挖掘的結果。時間序列數(shù)據(jù)隨時間的推移而不斷增長 ,數(shù)據(jù)的高維、動態(tài)、不確定等特性阻礙了傳統(tǒng)數(shù)據(jù)挖掘技術性能的發(fā)揮。特征表示的主要目的是利用少量特征近似表示原始時間序列 ,起到有效降維的作用 ,進而提高數(shù)據(jù)挖掘任務的效率。相似性度量是測量時間序列之間差異性的方法 ,通常結合特征表示方法對時間序列之間的相似性進行快速、有效地度量 ,其度量結果可用于分類、聚類、相似性搜索和異常模式發(fā)現(xiàn)等時間序列數(shù)據(jù)挖掘任務中。本研究分別以等長和不等長的單變量時間序列為主要研究對象 ,探討利用不同的方法對這些時間序列數(shù)據(jù)進行特征表示和相似性度量 ,使得各種方法能更為完善和有效地運用于時間序列數(shù)據(jù)挖掘,并解決與時間序列挖掘任務相關的管理和應用問題 ,獲取潛在有價值的信息和知識。本書的主要內容如下。
(提出基于正交多項式回
1)從等長時間序列的整體特征出發(fā) ,歸系數(shù)特征表示的相似性度量方法。通過分析多項式項次數(shù)對時間序列整體形態(tài)擬合效果的影響 ,選取合適的特征系數(shù)反映時間序列的主要形態(tài)趨勢 ,提出更適合特征序列的相似性度量方法,并且在理論上證明其滿足下界性 ,提高特征表示和相似性度量在時間序列相似性搜索中的性能。
(2)針對分段聚合近似表示方法對等長時間序列進行特征表示時存在的問題 ,利用多維特征對等長時間序列進行特征表示 ,構造滿足下界性的相似性度量方法。通過對傳統(tǒng)分段聚合近似表示方法及其相似性度量方法滿足下界性的剖析 ,利用不同維度的特征來近似表示分段序列 ,分別提出了基于二維統(tǒng)計特征和基于二維形態(tài)特征的分段聚合近似方法 ,提高了傳統(tǒng)分段聚合近似方法在時間序列數(shù)據(jù)挖掘中的應用效率。同時 ,將分段序列的二維形態(tài)特征表示推廣到更高維形態(tài)特征表示 ,使得較高維數(shù)的分段特征表示方法在較大數(shù)據(jù)壓縮率的情況下 ,其距離度量函數(shù)的性能有所提高。

(3)以云模型理論為基礎對等長時間序列實現(xiàn)分段特征表示 ,提出了具有較高性能的相似性度量方法。利用云模型反映分段序列數(shù)據(jù)分布的不確定性 ,給出了云模型相似性度量函數(shù) ,實現(xiàn)云特征序列之間的相似性度量。雖然基于云模型的時間序列相似性度量方法不能滿足下界性 ,但它從局部和全局的角度來考慮時間序列的波動性和不確定性 ,具有較高的相似性度量質量 ,有效地提高了時間序列數(shù)據(jù)挖掘相關算法的性能。
(4)針對傳統(tǒng)動態(tài)時間彎曲方法度量不等長時間序列需要較高時間代價的問題 ,提出了兩種改良后的彎曲度量方法。首先 ,在權衡計算速度和度量精度的情況下 ,通過自適應快速分段線性表示對時間序列進行特征表示 ,再結合導數(shù)動態(tài)時間彎曲方法來快速、有效地對不等長時間序列進行彎曲度量 ,進而提出了基于分段線性近似和導數(shù)動態(tài)時間彎曲的時間序列相似性度量方法。其次,為解決動態(tài)時間彎曲方法帶來較大計算量的問題 ,通過縮小彎曲路徑的搜索范圍和提前終止計算彎曲路徑的策略 ,提高傳統(tǒng)動態(tài)時間彎曲方法在時間序列相似性搜索中的計算效率。此外 ,將動態(tài)時間彎曲用于度量變量之間的異步相關性問題 ,進而提出魯棒性較強的異步主成分分析方法 ,拓展了傳統(tǒng)主成分分析方法在時間序列數(shù)據(jù)特征表示和數(shù)據(jù)降維等方面的應用效果。
(5)時間序列數(shù)據(jù)特征表示與相似性度量方法在主題數(shù)據(jù)、融股票、期刊文獻數(shù)據(jù)和發(fā)動機參數(shù)等挖掘領域中的應用。首先 ,通過構建主題之間的共現(xiàn)時間序列數(shù)據(jù) ,使用復雜網(wǎng)絡方法來分析主題 ,提出共現(xiàn)時間序列數(shù)據(jù)聚類的主題網(wǎng)絡分析方法 ,用于提高主題分析質量。其次 ,針對金融市場中機構交易對股票市場中的散戶投資行為具有較強的誤導性的現(xiàn)象 ,提出了一種基于機構交易行為影響的趨勢預測方法 ,進而使時間序列數(shù)據(jù)挖掘技術有效地應用于金融股票數(shù)據(jù)的趨勢預測。再次 ,時間序列的動態(tài)時間彎曲度量方法對參考文獻來源期刊和引證文獻來源期刊的時間序列數(shù)據(jù)進行數(shù)值與趨勢的距離度量 ,從不同角度分析期刊文獻數(shù)據(jù)隨時間變化的情況 ,結合近鄰傳播聚類分析 ,驗證參考文獻來源期刊之間的相似性和引證文獻來源期刊之間的關系。文獻聚類分析結果有助于為期刊論文作者和編輯部工作人員提供關于參考文獻選擇和引用的相關參考意見 ,提升作者的科研水平和編輯部刊發(fā)論文的質量。另外 ,根據(jù)發(fā)動機性能參數(shù)時間序列數(shù)據(jù)的特性,利用新的時間序列特征表示和相似性度量方法來實現(xiàn)發(fā)動機性能參數(shù)的數(shù)據(jù)挖掘 ,進而有效地對發(fā)動機性能參數(shù)進行特征識別和故障檢測 ,給發(fā)動機設計過程中的知識發(fā)現(xiàn)增加了新的視角 ,為保障發(fā)動機的安全運行提供參考依據(jù)。
以上研究成果通過數(shù)值實驗檢驗了它們對不同類型時間序列數(shù)據(jù)進行特征表示和相似性度量方法的有效性 ,并且比較了它們在時間序列數(shù)據(jù)挖掘任務中提高相關算法的性能 ,進一步完善了時間序列數(shù)據(jù)挖掘中特征表示和相似性度量方法在理論技術與應用管理方面的研究。
本書特色
內容系統(tǒng)性
特征表示和相似性度量是時間序列數(shù)據(jù)挖掘過程中一項重要而又基礎的數(shù)據(jù)預處理工作 ,其質量和效率直接影響后期相關時間序列數(shù)據(jù)挖掘算法和模型的效果。本書從時間序列數(shù)據(jù)的不同特點出發(fā) ,深入和系統(tǒng)地研究和分析其特征表示和相似性度量方法,并結合相應的數(shù)據(jù)挖掘任務進行實驗比較和分析 ,同時也將研究成果應用于具體應用中 ,從時間序列數(shù)據(jù)視角更好地解決實際問題。
案例新穎性
本書對時間序列數(shù)據(jù)特征表示和相似性度量的方法有效性與先進性進行深入分析及研究 ,實驗過程中使用了大量的公共數(shù)據(jù)集,使得實驗案例具有一定的代表性。同時 ,除了將特征表示和相似性度量方法應用于常見的金融股票數(shù)據(jù)外 ,還將它們應用于文獻數(shù)據(jù)分析、文本主題分析和發(fā)動機參數(shù)檢測等與時間序列間接相關的新穎案例中 ,進而拓展了解決實際應用問題的理論和方法。
讀者對象
對于研究和使用計量經(jīng)濟模型的學者與管理者 ,可以拋開煩瑣的模型假設和檢驗等過程 ,克服時間序列數(shù)據(jù)分析中的回歸擬合模型的傳統(tǒng)思維束縛 ,嘗試從時間序列數(shù)據(jù)挖掘的視角來研究傳統(tǒng)計量經(jīng)濟模型不能發(fā)現(xiàn)或不能解決的研究問題。相信通過本書的學習 ,讀者會對時間序列數(shù)據(jù)分析有新的想法。
對于在統(tǒng)計學、計算機科學、經(jīng)濟學或管理學等領域從事關于時間序列數(shù)據(jù)分析和研究的行業(yè)工作者或有志從事相關領域科學研究的本科生、研究生 ,可以通過閱讀與學習本書 ,從特征表示和相似性度量等數(shù)據(jù)預處理的角度出發(fā) ,較為系統(tǒng)地了解時間序列數(shù)據(jù)挖掘算法和模型 ,逐步學會利用時間序列數(shù)據(jù)挖掘技術和方法來解決與時間序列數(shù)據(jù)相關的實際應用問題。