基于分段时间序列的试井数据相似性查询算法

从石油试井数据序列查询的实际需求出发,给出一种新的时间序列相似性查询算法。该算法首先通过中线距离阈值和极值点两个约束条件分段线性拟合时间序列,利用分段动态弯曲距离度量获得相似的分段子序列,逐点检索该子序列实现序列的精确查询。实验结果表明,该算法具有良好的相似性查询质量和效率。     

基于形态的时间序列子序列相似性研究

时间序列重新描述和相似性度量是时间序列数据挖掘的研究基础,对提高挖掘任务的效率和准确性至关重要.提出了一种新的基于形态的时间序列子序列符号描述,并给出了相应的子序列形态距离公式,以度量时间序列子序列的相似性.该方法直观简洁,对数据的平移、伸缩不敏感,能够反映子序列趋势变化的程度、去除噪声的影响,满足时间多分辨率要求.实验结果表明了算法的有效性.     

基于质心的时间序列相似性搜索

对时间序列的相似性度量提出了一种新方法.由于相似质点系的质心距离相近,则相似的时间序列质心也应相近.基于变换的时间序列,利用预处理的时间序列数据求得加权质量,继而得到时间序列的质心.通过度量时间序列质心的欧式距离,得到时间序列的相似程度.这种方法不仅适用于时间轴伸缩及其组合,而且对于弯曲的、不同长度的时间序列同样可以处理.     

一种时间序列相似性的快速搜索算法

时间序列数据库中相似子序列的搜索,常用滑动窗口、分形插值逼近等方法将时间序列分割成各子序列,线性拟合各分段子序列,计算查询序列与各子序列的欧氏距离,满足距离阈值条件的为相似子序列.这些方法忽略了时间序列本身的位置和连贯特性.为此提出时间序列变化关键点的概念,以检索出的关键点为边界分割时间序列,线性拟合各分割的子序列,计算查询序列和各子序列的形态距离,快速搜索出相似子序列.     

基于时间序列相似性度量的瓦斯报警信号辨识

提出了基于时间序列相似性度量的瓦斯报警信号自动识别技术.基于动态时间弯曲（DTW）距离对从山西某高瓦斯煤矿2010年瓦斯监测数据库中提取的150组数据采集周期为9～70s的采掘工作面瓦斯含量超限报警时间序列进行聚类分析,获得了7种典型的瓦斯超限报警时间序列模式;以此为数据源,采取分段形态度量方法,提取并筛选出3个重要指标,建立了瓦斯报警时间序列形态特征库,并提出了基于分段形态度量的瓦斯报警信号快速辨识算法.对另外150组瓦斯报警时间序列进行辨识,实验表明,准确率达92%以上.尤其是通过联合分析瓦斯报警时刻前后的k0和k1值可以快速辨别瓦斯超限原因是炮后瓦斯还是突出警报,统计表明,k0〉0.1,k1〉0时,100%发生煤与瓦斯突出.     

基于簇中心群的时间序列数据分类方法

分类算法是时间序列数据挖掘中极为重要的任务和技术,该文提出一种基于簇中心群的时间序列数据分类方法。该方法根据时间序列训练数据集中的类别标签进行簇划分,利用近邻传播算法分别对每个簇进行中心代表点选择,构造出各代表点的代表对象集;然后借助基于动态时间弯曲的均值中心方法对各代表对象集实现中心群计算,结合改进后的K近邻算法实现时间序列数据的分类。数值实验结果表明,与传统方法相比,新方法具有更好的分类效果和计算性能。     

一种快速的时间序列相似性算法的研究及其在股票管理中的应用

提出了一种新的股票时间序列相似性的研究方法,该方法与已往的算法相比,具有很高的计算效率.首先将时间序列分段线性化,将近似直线的端点按时间顺序排列形成转折点序列来描述原始序列,从而降低了数据的数量和复杂度,提高了快速性.基于分段线性化,提出了一种相似性计算方法,可以从时间序列中搜索用于传统股票分析的基础模型.将基础模型的谷点和峰点的位置按照某种规律重新排序,然后从转折点序列中寻找重新排序后与基础模型排序相同的子序列（即相似性搜索）,用该基础模型可以对股票后续趋势做出预测.与通常的相似性算法相比,该算法不考虑时间尺度和数据的幅值的变化,因此,大大提高了相似性的计算精度.     

基于分段聚合时间弯曲距离的时间序列挖掘

针对时间序列的相似性度量问题,提出基于分段聚合时间弯曲距离的时间序列挖掘方法。首先运用经典分段聚合近似方法来对时间序列进行数据变换,实现时间序列的特征提取和数据降维,然后利用动态时间弯曲距离进行距离计算,最后将其应用于时间序列聚类和分类的数值实验中。新方法不仅过程简单、易于实现,而且实验结果表明其平均分类错误率与传统分段时间弯曲相比,几乎降低了50%。同时,新方法在运行时间和聚类挖掘结果上都具有一定的优势。     

基于时间序列相似性匹配算法的地震预测研究

把匹配抽象时间序列相似性的方法引入到地震预报的应用中,结合大量地震历史源数据,地震领域的专家经验知识和相关成果基础上,提出了一种简化的抽象时间序列匹配模型。该模型在对海量数据进行预处理筛选的基础上在进行时间相似性匹配,增加了横向和纵向多方位地区和多方位时间段的匹配,不同时间差和阈值的匹配,并通过大量实验对该模型进行了反复验证,同时对我国地震频繁地区近几十年的地震历史数据进行了相似性匹配实验分析,取得了可信度较高的实验结果,实验结果验证了所给时间序列相似性匹配控制策略的有效性、实用性以及算法的优越性。     

基于时间序列的数据挖掘在证券中的应用

为更好地对股票数据进行分析,从理论上对数据挖掘中时间序列的产生、应用进行了研究,通过对时间序列处理以及相关性搜索的多种方法的比较和分析,设计一个以股票预测为对象的小型系统。该系统首先对时间序列进行适当的处理,然后进行相似性搜索,分析未来的短时间的走势是否是历史上的重现。同时对得到的结果进行了分析,实验结果表明,该方法能找到股票数据中历史上相似走势,并通过历史走势分析当前的走势。     

基于时间序列相似度的离群模式检测模型

针对常规基于单点数据比较的离群模式检测忽视现实生活各种波动周期规律的问题,提出采用时间序列相似度的检测方法.通过基于重要点的时序线段拟合方法描述整体波动规律,以线段斜率比较描述时序走势的相似度.模型克服了一般时序分析算法复杂度高、缺乏整体波动规律把握的缺陷,可以有效解决目前可疑金融交易监管系统高误报率、报送数据调查价值低的问题.对金融外汇交易真实数据的实验结果证实了模型在交易波动周期规律发现上的有效性.     

基于形状相似距离的K-means聚类算法

把向量作为空间中的物体展开相似度的评估,分析了向量间各维差值与形状差异的间的近似关系,提出了基于形状相似距离的K-means算法。在三个UCI(University of California,Irvine)标准数据集上的聚类结果表明,对于有关形状信息的数据,基于形状相似距离的K-means算法比采用传统距离的K-means算法,聚类准确度显著提高。     

基于小波变换的时序数据相似性挖掘

针对时序数据进行相似性挖掘,通过对时序数据进行离散小波变换(DWT)将其从时域空间变换到频域空间,将时序数据映射为多维空间的点,提出一种时序数据相似性挖掘算法。     

基于时间序列的相空间重构算法及验证(一)

很多非线性系统的外部特性通常只能是某个单变量的时间序列.采用延迟坐标状态空间这种相空间重构方法,对非线性系统中的单一时间序列进行分析,从中恢复出系统内部存在的非线性动力学特性.对两个关键参数的选择做了大量的理论分析研究.用某些经典的混沌系统对这些算法进行了验证,结果表明程序计算的实际值和理论值基本一致.     

Time series online prediction algorithm based on least squares support vector machine

Deficiencies of applying the traditional least squares support vector machine （LS-SVM） to time series online prediction were specified. According to the kernel function matrix＇s property and using the recursive calculation of block matrix, a new time series online prediction algorithm based on improved LS-SVM was proposed. The historical training results were fully utilized and the computing speed of LS-SVM was enhanced. Then, the improved algorithm was applied to timc series online prediction. Based on the operational data provided by the Northwest Power Grid of China, the method was used in the transient stability prediction of electric power system. The results show that, compared with the calculation time of the traditional LS-SVM（75 1 600 ms）, that of the proposed method in different time windows is 40-60 ms, proposed method is above 0.8. So the improved method is online prediction. and the prediction accuracy（normalized root mean squared error） of the better than the traditional LS-SVM and more suitable for time series online prediction.     

基于马氏距离的分段矢量量化时间序列分类

提出一种基于马氏距离的分段矢量量化时间序列分类(Mahalanobis distance-based time series classification using PVQA, MPVQA)算法。该算法在继承传统算法时间复杂度的基础上,引入马氏距离,克服了欧氏距离容易受模式特征量纲影响的缺点,提高了算法精度。首先,在训练时采用分段矢量量化近似方法获得码本,然后以马氏距离为相似性度量对时间序列进行分段重构。对重构后的时间序列,同样基于马氏距离为相似性度量进行判别。在4个时间序列数据集上进行的试验结果验证了所提方法在时间序列表示和分类上的优越性。     

基于相似性遗传算法及其在JSP中的应用

提出一种基于个体相似性的改进算法, 当种群的多样性较好时,采用标准的交叉策略;当种群的多样性较差时,根据个体的相似性选择个体配对, 避免相同的个体配对交叉, 减少高度相似个体进行配对交叉的概率, 从而提高交叉操作的效率. 用该改进算法对基准作业车间调度问题（JSP）进行计算,仿真结果表明：该算法优于标准遗传算法.     

海量数据上挖掘关联规则的并行算法

针对目前关联规则挖掘算法中数据库规模很大时算法执行时间太长的问题。指出了并行计算是解决该问题的一个有效方法。利用新提出的可以忽略仅仅在少于1／4的结点机上的局部频繁项集,给出了一种新的并行随机抽样方法,并利用机群并行计算机的自治能力和I／O高度并行的特点,提高了抽样算法对海量数据的处理能力和效率。理论分析和实验数据显示,该算法的加速比接近于处理机的个数p,通信复杂性为处理机的个数p的对数,具有良好的扩展性和海量处理能力,且精确度较高。