原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
针对时间序列多步预测的聚类隐马尔科夫模型.pdf
第 12期 电 子 学 报 V01．42 No．12
2014年 12月 ACTA EI|ECTR0NICASINICA Dee． 2Ol4
针对时间序列多步预测的聚类隐马尔科夫模型
章登义，欧阳黜霏，吴文李
(武汉大学计算机学院，湖北武汉 430072)
摘 要： 时间序列的预测在现今社会各个领域中有着广泛的应用．本文针对时间序列趋势预测中的多步预测问
题，提出了基于聚类的隐马尔科夫模型，利用隐马尔科夫模型中的隐状态来表示产生时间序列数据时的系统内部状
态，实现对多步时间序列的预测．针对时间序列聚类中的距离计算问题，提出结合时间序列时间性和相似性的聚类算
法，并给出了迭代精化基于聚类的隐马尔科夫模型的方法．实验表明，本文提出的方法在时间序列多步预测中精度较
高．
关键词： 时间序列；多步预测；隐马尔科夫模型；聚类
中图分类号： TP301 文献标识码 ： A 文章编号： 0372．2112(2014)12．2359—06
电子学报uRL：http：／／www．ei01删a1．org．CF／ DOI：10．3969／j．issn．0372．2112．2014．12．004
Cluster--BasedHiddenMarkovModelinTimeSeriesMulti--StepPrediction
ZHANG Deng—yi，OUYANG Chu—fei， rLJWen—li
(SchoolofComputer，WuhanUniversity，Wuhan，Hubei430072，China)
Absttact： Thestudyoftimeseriespredictionispervasiveinvariousfields．Wepropoes acluster-basedhiddenMarkovmodel
toapproachthemulti-steppredictionproblem intimeesries．Asmulti—steptimeseriespredictionproblem isnotfullyaddressedfrom
asystem angle，weutilizethehiddenstateofhiddenMarkovmodeltorepresenthteinnersatteofatimeseriesproductionsystem ．
W ealsopromote aclusteralgorithm combiningtheternporalandsimilaritycriteriaot addresshtedistancecalculatingissueintime
seriesclustering．Thisnon-trivialcriterionproveseffectiveinmulti-steptimeesriesprediction．Throughanon-parameterapproximate
mehtod weestimatehteinnerhiddenstatedistributesfromeverysinglesatte．Andwealsoprovehtecorrectnessofalliterativelyre—
finementofhtecluster-basedhiddenMarkovmodel(mtM)．Experimentalresultsonauhtenticdaatindicatehteeffectivenessand
accuracyofthisapproach．
Keywords： timeesries；multi-stepprediction；hiddenMarkovmodel(HMM)；cluster
文档评论（0）