資源描述：
《基于小波變換的時(shí)間序列挖掘研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、天津大學(xué)碩士學(xué)位論文基于小波變換的時(shí)間序列挖掘研究姓名：田政雄申請學(xué)位級別：碩士專業(yè)：管理科學(xué)與工程指導(dǎo)教師：寇紀(jì)淞20080501摘要時(shí)間序列是按時(shí)間順序排列的，隨時(shí)間變化且相互關(guān)聯(lián)的數(shù)據(jù)序列，在金融、科學(xué)觀測和工程等各個(gè)領(lǐng)域都廣泛存在。如何有效的管理和利用這些數(shù)據(jù)，發(fā)現(xiàn)這些數(shù)據(jù)背后隱含的規(guī)律和知識，是人們廣泛關(guān)注，具有重要意義的理論和實(shí)際應(yīng)用課題。數(shù)據(jù)挖掘的方法主要有統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法和數(shù)據(jù)庫方法。本文主要研究了小波變換應(yīng)用到時(shí)間序列挖掘中的方法，包括小波變換在時(shí)間序列屬性
2、約簡，時(shí)間序列相似性匹配，時(shí)間序列奇異點(diǎn)檢測中的應(yīng)用，根據(jù)小波變換的多分辨性提出了基于小波變換的聚類算法，重點(diǎn)研究了時(shí)間序列挖掘中的多層次相似性匹配和多層次頻繁模式挖掘問題。主要研究成果如下：1．小波變換改進(jìn)傳統(tǒng)聚類算法針對傳統(tǒng)聚類算法如k．Means算法中初始聚類中心是隨機(jī)選擇的，不太合理的問題，提出了基于小波分析的時(shí)間序列聚類算法W．kMeans算法，一算出時(shí)間序列的Ham"分解系數(shù)，就在這些系數(shù)上運(yùn)用k．Means聚類算法，從第二個(gè)層次開始，再漸漸的進(jìn)行到更高的層次上。2．時(shí)間序列的多尺度
3、相似性模式匹配改進(jìn)了現(xiàn)有的時(shí)間序列多尺度相似匹配算法，現(xiàn)有算法中序列的片段相似標(biāo)準(zhǔn)僅僅考慮了兩個(gè)片段的傾角而沒有考慮長度，本文結(jié)合時(shí)間序列的KL相似性度量提出了一種更好更合理的多尺度時(shí)間序列相似模式匹配算法。并根據(jù)小波變換的多尺度性提出一種更有效，更合理的方法來解決時(shí)間軸伸縮問題，進(jìn)行更長時(shí)間的模式匹配。3．時(shí)間序列的多尺度頻繁模式挖掘時(shí)間序列本身有長期和短期之分，挖掘時(shí)間序列的多尺度模式有著重要的現(xiàn)實(shí)意義，本文首次提出了多尺度頻繁模式挖掘的概念，并根據(jù)小波變換的多分辨性，提出了基于小波變換的時(shí)
4、間序列多尺度頻繁模式挖掘算法，本算法首先對原序列進(jìn)行小波變換，然后在變換后的序列上挖掘頻繁模式，并結(jié)合了基于重要點(diǎn)分段方法和互關(guān)聯(lián)后繼樹方法，能挖掘出不同尺度的頻繁模式。關(guān)鍵詞：數(shù)據(jù)挖掘，時(shí)間序列，小波變換，頻繁模式，互關(guān)聯(lián)后繼樹ABSTRACTAtimeseriesisadatasequenceofobservationswhichareorderedintime，whichexistsinvariousfields，suchasfmance，scienceobservingandengine
5、ering，etc．Howtomanageandusethesetimeseriesdataefficientlyisanimportantandchallengingsubject．Atpresent，mainmethodsofdataminingresearchinclduestatisticalmethods，machinelearning，neuralnetworkanddatabasemethods．Inthisthesiswavelettransformappliedtothetim
6、eseriesminingistobestudied，whichincludeswavelet乜．a(chǎn)nsf．onninthetimeseriesattributereduction，timeseriessimilaritymatching，outlierdetectionintimeseries．Byusingthemultiresolutionpropertyofwavelettransform，anapproachtoperformincrementalclusteringoftimeser
7、iesatvariousresolutions1Spresented，andthen,theissuesofmulti—leveltimeseriessimilaritysearchtechniqueandmulti．1eveldiscoveryofthefrequentpatternsbasedonwavelettransformationsareproposed．Themainworksandcontributionsofthisthesisare：(1)Improvethetraditio
8、nalclusteringalgorithmusingwavelettransformInordertomitigatetheproblemassociatedwiththechoiceofinitialcentersoftraditionalclusteringalgorithm(suchask-means)，W-kMeansalgotithmisproposed·OncewecomputetheHaardecomposition,weperformthek—meansclusteringal
