和混合聚类分析＊.pdfVIP

第25卷 第4期 大 气 科 学 _5.No4 ?no1年 7 月 ChineseJournalofAtmosphericSciences VJoul.l,2001 气候序列不连续点的小波分析 和混合聚类分析* 程乾生 周小波 孙喜晨 北〔京大学数学科学学院，北京 10()871) 摘 要 不论是单纯的小波分析还是单纯的非参数分析法都有其局限性 当样本量很大 时 Fisher算法的计算量也是很大的，而且它不具有谱系结构.因此 为了保证谓系结构以 及较快的计算速度.作者以小波变换和聚类分析相结合的方法来研究各类不连续点.给出厂 相应的算法和实验分析，并且实验结果给出了各类不连续点位置的比较精确的估计 关键词:小波分析二聚类分析;不连续点检测 1 引言 突变点检测在近几年引起了广泛的兴趣，具有重要的理论意义和应用背景 突变点 理论为研究自然界错综复杂的突变现象指明了方向和线索，其应用如气侯突变的检测、 金融数据中突变点的检测、图像处理中的边缘提取以及计算机视觉等等川 奇异点检测的小波方法以1992年Mallatl1给出的讨论最为经典;统计检测近年来 引起了广泛的注意 (参见文献[[3--91)。在气候的统计数据中，跳跃点检测具有特殊的 意义，因为从直观上难以把握数据中是否存在跳跃点。例如，图la,b是 1851年到 1984年的北半球地表空气温度的时间序列 很明显，从图形上难以直观地确定数据中 是否含有跳跃点。 小波分析是80年代逐渐发展起来的一个数学分支，被认为是Fourier分析法的 个突破性进展，并且越来越受到数学界与工程界的极大重视。各个领域的不同研究者们 正在努力挖掘小波理论的潜在影响。长期以来，人们对平稳信号进行了一系列研究、并 取得了成果 小波与统计相结合的研究虽然在90年代才开始，却取得了一系列的成 果，以Donoh。为代表的众多科学家是这个领域的开创者 1994年 Donoho和 Johnstonel103在Bionnetrika上发表了一篇文章Idealspatialadaptationbywavelet shrinkage，从此开始了研究与应用非线性小波分析的热潮。Donoho提出了小波闹值 收缩法，而Mallat[2)发表了小波分析在奇异点检侧中的理论与应用，各种各样有关小波 分析在突变点检测的应用文章迅速出现。在突变点研究中 我们也希望用小波Iii值来检 测突变点 作者用聚类分析对此做了一些研究{”一’41，同时从小波分析、非参数分析的 1999-03-09收到，1999-08-12收到修改稿 国家自然科学基金资助项国家自然科学基金重点资助项同资助 大 气 科 学 ,5卷 角度研究了该问题”，取得了比较满意的结果。 本文以小波分析和混合聚类分析来研究各类不连续点，当样本量很大时，Fisher算 法!151的计算量也是很大的，且不具有谱系结构，这一点可以在文献[[11}和!15}中看到。 因此，为保证谱系结构和较快的计算速度，以小波变换和聚类分析相结合的方法来研究 各类不连续点，值得说明的是这里不是指小波系数具有谱系结构，而是本文的算法是在 保证谱系结构的前提下给出谱系聚类算法。 2 传统方法的局限性 尽管对不连续点的研究已有很多，但不管是小波分析法，还是非参数分析法 都存 在着一些不足，如对噪声太敏感，自适应程度不高、算法中需要判断的太多.计算量太 大等等. 首先以非参数分析为例，它的不足之处是算法中需要判断的太多，特别是带宽的选 择对突变点的位置有很大的影响，回归多项式的阶也很重要，它与抑制噪声有很大的关 系 阶选的不好，可能突变点完全淹没在噪声中 相对于检测各阶不连续点来说，检测 突变点还算是容易的，但是检测各阶不连续点时 又会遇到自适应程度不高的问题.而 这在实际中尤为重要。信号中除了突变点外，还有尖点和各阶不连续点 因此，要完全 检测出所有的不连续点，还有待做进一步的工作。 再以小波分析法为例