多变量时间序列的预处理和聚类研讨.pdf

摘要 摘要 多变量时间序列是时间序列的一个重要部分，而大部分有关于时间序列数据挖 掘的研究都是面对单变量时间序列。多变量时间序列不仅描述了各个变量的变化规 律，而且还揭示了各变量问的相互依存关系，因此，那些处理单变量时间序列的方 法和技术无法照搬到多变量时间序列的研究中去。本文围绕多变量时间序列的预处 理与聚类这两个主题，进行了研究现状分析，并提出了具有针对性的改进方法。 预处理是多变量时间序列数据挖掘的重要课题，而插值是预处理的一种重要技 术。本文将保形三次样条插值引进时间序列的插值，提出了双重插值模型。此模型 插值的优点，不需要序列上各点的导数信息便可以形成序列轨迹，容易将模型推广 到高维空间，弥补了数据库中数据点太稀疏的缺陷。以移动对象时间序列为例，双 重插值模型取得较好的实验效果，插值精度比分段线性插值、非结点样条插值和保 形三次Hermite插值更高。 多变量时间序列的变量属性可能是混合属性，即，包括数值属性和分类属性等。 针对混合属性的多变量时间序列，首先基于奇异值分解提出了一种加权矩阵覆盖的 方法，直观地判断对象间的邻居关系：然后以对象间的共同邻居数量作为多变量时 间序列相似性的新度量标准，共同邻居越多越相似；最后提出了改进的层次聚类算 法对多变量时间序列进行聚类，每一层上同时合并满足条件的若干对节点，这样减 少了噪音对聚类过程的干扰，具有较好的鲁棒性：实验结果表明，这种方法在混合 多变量时间序列的数据集上具有良好的效果，此外，在数值多变量时间序列的数据 上，实验效果比基于动态时间弯曲距离∞T帅的标准层次聚类算法更好。 多变量时间序列数据预处理是聚类研究的前提，数据插值可以填补空缺值、增 加点密度和平衡序列刻度等，从而提高聚类分析的准确率。在移动对象和机器人仿 真领域的实验结果表明，本研究具有较高的实际应用价值和良好的应用前景。 关键词：多变量时间序列，预处理，保形三次Hermite插值，双重插值模型，混合 属性 中文文摘 中文文摘 时间序列是一类重要的复杂数据，普遍存在于社会的各个领域，如生物医学、 气象预报、网络入侵检测和移动对象模拟等。如何对这些时间序列数据进行有效的 分析，揭示隐藏在其背后的信息，帮助人们正确认识事物并据此做出科学的决策， 已经引起了数据挖掘领域的广泛关注。时间序列按照变量(属性)的数目可分为单 变量时间序列和多变量时间序列，但是目前大部分有关于时间序列数据挖掘的文献 都是面对单变量时间序列，并在这方面形成了一套较为完整的理论体系，而对多变 量时间序列的研究工作还很少。多变量时间序列不仅描述了各个变量的变化规律， 而且还揭示了各变量间相互依存关系的动态规律性，因此，那些处理单变量时间序 列的方法和技术无法照搬到多变量时间序列的研究中去。 多变量时间序列的预处理是时间序列数据挖掘的重要课题，而插值是预处理的 一种重要技术。本文围绕多变量时间序列预处理的插值技术与聚类这两个主题，进 行了研究现状分析，并提出了具有针对性的改进方法，具体内容及贡献概括如下： (1)第一章说明本文的研究背景及意义，探讨数据挖掘的一般过程和主要技术， 着重分析了分类预测、聚类分析和关联规则三种方法；介绍本文的主要工作，以及 论文的结构安排。 (2)第二章对时间序列的理论体系进行较为全面的概述，描述时间序列的概念， 从统计学和数据挖掘两个角度对时间序列分类，并阐述了时间序列数据挖掘的目的； 介绍时间时间序列数据挖掘的主要课题，简单探讨它们的技术分类和适用范围，总 结了这些方面的研究现状和发展前景。 (3)第三章说明了多变量时间序列数据预处理过程中插值的意义，介绍一些常 用的插值技术，且对它们的优缺点进行分析和比较；将保形三次Hermite插值引入 时间序列的插值，并在此基础上提出了双重插值模型。双重插值模型两次使用保形 三次Hermite插值技术对时间序列进行插值，继承了保形三次Hermite插值的优点， 不需要导数信息便可以形成序列轨迹，容易将模型推广到高维空间。以移动对象时 间序列为例，将双重插值模型和其它插值技术(分段线性插值、非结点样条插值和 保形三次Hermite插值)进行比较，实验结果表明双重插值模型的插值精度较高。 (4)第四章介绍了数值多变量时间序列的一些相