时间序列的相似查询与异常检测.pdfVIP

摘要 摘 要 时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列，在经济、 金融、科学观测和工程等各个领域都广泛存在。如何有效地管理和利用这些历史 时间序列，发现这些数据背后隐含的规律和知识，是人们广泛关注的问题。与传 统时间序列分析提出假设然后进行验证的数据处理方法不同，时间序列数据挖掘 适合发现型任务，能够从大量历史数据中挖掘出潜在的、未知的、有价值的知识， 已经吸引了越来越多的关注。 目前，时间序列数据挖掘主要包括相似性查询、序列挖掘、分类、聚类以及 异常检测。论文主要研究了翅型堡查塑量显簋捡型?包括时间序列的模式表示、 相似性度量、索引和查询、异常定义和检测，主要的研究内容和研究成果简单介 绍如下： (1)时间序列的模式表示 由于时间序列数据的海量和复杂数据特点，直接在时间序列上进行数据挖掘 不但在储存和计算上要花费高昂代价而且可能会影响算法的准确性和可靠性。时 问序列的模式表示是一种对时间序列进行抽象和概括的特征表示方法，是在更高 层次上对时间序列的重新描述。论文首次将边缘算子日L入时间序列研究，提出了 基于时态边缘算子的分段线性表示方法(简称为TEO表示)。TEO表示简单直观， 具有数据压缩和除噪能力。在不同领域的时间序列数据集上的实验表明：与其它 几种分段线性表示相比，TEO表示与原始时间序列之间的拟合误差更小，具有 很强的适应性，能够应用于不同的数据特征环境。 (2)时间序列的相似性度量 ． 欧几罩德距离和动态时间弯曲距离是时间序列数据挖掘中主要采用的两种 相似性度量。但是欧几里德距离不支持时间序列的线性漂移和时间弯曲，动态时 间弯曲距离则因为平方阶的时间复杂度无法得到广泛的应用。论文在时间序列的 模式表示基础上，提出了动态模式匹配距离(简称为DPM距离)，DPM距离支持 时问序列的时间弯曲，时间复杂度随着模式长度的增长而接近线性。在仿真数据 集和人脸图像识别数据集上的实验表明：采用DPM距离的Knn方法在分类准确 第vI页 摘要 率上超过了动态时『自J弯曲距离和欧式距离，在分类速度上比动态时间弯曲距离提 高了十倍以上。 (3)时间序列的索引 等。但是这些索引结构是为空间对象索引而设计的，只考虑了空间对象的形状和 位置，忽视了空间对象之间的顺序关系，因此并不适合时间序列的相似性查询。 磁盘I／O次数和候选集比率上都大幅度下降，相似性查询的效率得到了显著提高。 该方法同样可以推广到其它的多维空间索引。 (4)时间序列的相似性查询 采用动态模式匹配距离的时间序列相似性查询效率仍然不高，为了进一步提 高相似性查询的效率，提出了动态模式匹配距离的下界距离(简称为DPM_LB距 LB距离能够快速过滤50％ 离)，只需扫描时间序列一趟。实验表明：采用DPM 以上不满足相似性要求的时间序列，大大减少了动态模式匹配距离的计算量。同 时，DPMLB距离满足距离收缩性引理，能够保证相似性查询的完备性。 (5)时间序列的异常检测 目前，时间序列的异常还没有一个大家公认的定义。论文归纳了时问序列的 三种异常类型，并对时间序列的模式异常进行了深入探讨和研究。在时间序列的 模式表示基础上，提出了基于模式密度的时间序列模式异常的定义。同时，给出 了时间序列模式异常的检测算法，采用“异常因子”来衡量时间序列模式的异常 程度。与其它异常检测算法相比，TOD算法不需要训练集，而且对算法参数的 变化不敏感。在仿真数据集和真实数据集(如股票数据等)上的实验证明了模式异 常定义的合理性以及TOD算法的有效性。 关键词：时间序列，模式表示，相似性查询，空间存取方法，异常检测 中图分类号：TP39 第VII页 英文摘要