当前位置:大学毕业论文> 专科论文>材料浏览

关于时间序列论文范文写作 区间映射规则下的时间序列相似形态搜索算法相关论文写作资料

主题:时间序列论文写作 时间:2024-02-22

区间映射规则下的时间序列相似形态搜索算法,本论文为免费优秀的关于时间序列论文范文资料,可用于相关论文写作参考。

时间序列论文参考文献:

时间序列论文参考文献 文后参考文献著录规则大学生时间管理论文自考毕业论文申请时间自考论文答辩时间

摘 要:时间序列数据是一种随机过程,历史的波动趋势在不同的时期看来往往似曾相似.本文使用用可解释性的符号来刻画时间序列变化形态,改进了基于符号聚合相似的搜索模型,在原始搜索模型中引入改进的参数优化准则HIC,并提供了将字符转义为数值的变换方法,用于度量两个形态间的相似程度.结果表明,改进的模型实现了字符、数值的相互转化,且满足距离下界原理;参数的优化准则稳健的提高了模型的搜索精,有效的降低了算法复杂度.

Abstract: Time series data is a kind of stochastic process. The trend of historical volatility seems to be similar in different periods. In this paper, we use interpretive symbols to depict the time series variation, improve the similar search model based on symbolic aggregation, introduce the improved parameter optimization criterion HIC into the original search model, and provide the tranormation method of translating characters into numerical values, to measure the similarity between the two forms. The results show that the improved model realizes the mutual tranormation of characters and values and satiies the lower bound principle of distance. The optimization criterion of parameters steadily improves the searching precision of the model and reduces the complexity of the algorithm effectively.

關键词:时间序列;SAX算法;参数优化准则;形态相似度;稳健性

Key words: time series;SAX algorithm; parameter optimization criteria;morphological similarity;robustness

中图分类号:TP301.6 文献标识码:A 文章编号:1006-4311(2018)03-0205-04

0 引言及综述

时间序列数据本身是一种随机过程,从数据变动所反映的形态来看,历史的波动状态在不同的时期看来往往似曾相识,而在细节上又有所差别.若能从这些变化着的数据中识别特定的变化趋势,则便可利用这些蕴含共同趋势形态的序列片段,对数据进行分类比较以及预测.

对时间序列形态搜索的研究可追述至上世纪90年代.1993年Rakesh Agrawal等人[1]首次提出了一种使用离散傅里叶变换(DFT)处理时间序列的相似性索引方法,通过离散傅里叶变换(DFT)将时间序列映射到到较低维空间.随后,C.Faloutsos等人[2]于1994年提出在时间序列数据上使用滑动窗口并提取其特征,将每个数据序列片段映射到特征空间中,通过对这些特征的比对,迅速找到与给定(查询)模式相匹配的子序列.这两篇文章开启了时间序列相似性搜索的研究热潮.Eamonn Keogh[3]提出了一种基于均匀缩放条件下特征符号化表示的新方法,以实现快速相似序列搜索.Lin等人[5]提出的时间序列符号化聚合近似(SAX),是一种基于分段聚合近似的符号表示方法.Wei和Xi等人[6]提出利用符号聚合近似(SAX)的方法将一些关于物体形状数据转化为时间序列,通过符号化的表示,进行异常序列模式的发现与识别.

1 相似形态搜索模型构建

分段符号聚合表示的方法是一种连续变量离散化的形态匹配算法,该算法将原始数据标准化后按正态分布的分位区间进行压缩编码,压缩后的代码,缩短了移动窗口的长度,易于识别,同时降低了噪声的影响,且保持了变化趋势.然而该模型的缺点也显而易见,主要包括模型对参数的过度依赖,相似形态距离定义的不明确等等.本文基于SAX模型的针对上述问题提出了改进方法,主要内容涉及两个方面:一是设定时间序列片段编码的评估准则,用以优化参数;二是改进不同编码形态之间的相似性度量方式.

1.1 时间序列片段分段聚合符号化模型

该部分是本研究的基础模型,以SAX算法为基础,对时间序列进行编码.算法的主要步骤见下文:

①第一步:窗口内时间序列片段线性表示.

设置等长的时间序列片段窗口,用等宽度窗口分割时间序列,且步长为1.每个窗口内序列压缩为更小的区间,并用区间平均值来表示,它的输入参数为窗口长度N,子区间长度为n;

将标准正态分布取m个等分为点,则每两个分位点的区间对应的概率相等,按分位点的大小,小到大对区间进行命名,区间号即为编码符号.

④第四步:子区间的均值进行分为区间匹配.

时序窗口子区间的标准化均值的每个点在N(0,1)分布中对应的区间,并将区间号设为每个子区间的编码,即对时序窗口完成了编码,将N长的连续变量降为长为n的离散字符.整个过程可表示为:winY→PAA→symbol(符号化)

第三步与第四步过程如图1所示,序列片段按子区间平均化后,找到对应在正态分布中的分为区间,按分为区间的位置,赋给该数值相应的编码.图中相应数据的编码结果为“1-3-2-5-5”,整体上反映了时间序列片段波动上升的趋势.

结论:适合时间序列论文写作的大学硕士及相关本科毕业论文,相关时间序列开题报告范文和学术职称论文参考文献下载。

时间序列数据模型人工智能算法
摘 要:时间序列数据模型是当前科研领域当中一种十分重要的构成部分。而在当前很多关于时间序列数据的预测、仿真、建模等方面的研究,在分析过程中大多是。

基于时间序列分析我国进出口贸易总额预测
云南财经大学改革开放以来,我国经济实力不断上升,对外贸易在我国的国民经济中地位越来越重要,因此了解我國进出口贸易总体发展趋势也将有利于我国经济。

基于R软件对股票时间序列模型分析
摘要:本文通过R软件对机器人股票五年的数据进行分析,建立ARIMA模型分析该股的报酬率,发现该股在期间内报酬稳定增长,是适合长期投资的股票。同时。

基于时间序列经济计量模型分析农产品价格波动影响因素
摘要:农产品价格是社会经济价格体系中的重要组成部分,关系到农民收入以及社会整体物价水平,直接影响到农业建设的可持续发展和国家宏观经济的正常运行。。

论文大全