时间序列数据挖掘中的聚类研究综述

鉴于时间序列数据的高维性和复杂性给数据挖掘带来的困扰以及聚类分析在时间序列数据挖掘领域中的重要性,对目前该领域国内外相关时间序列数据聚类研究的状况进行综述。时间序列聚类总体上可分为整体时间序列聚类、子序列聚类和时间点聚类3种,分别从特征表示、相似性度量、聚类算法和簇原型等方面来研究,同时也结合了具体的应用分析。根据时间序列数据挖掘中聚类存在的主要问题,提出了部分未来值得关注和研究的内容和方向,以便更好地促进时间序列数据聚类分析的研究与发展。     

时间序列模式挖掘的算法研究

提出一种进行时间序列模式挖掘的算法，用于对大型数据库的海量数据分析，从中挖掘出超过用户给定支持度和置信度的时间序列，从而为用户的决策支持和趋势预测提供依据，算法分为在数据中对于频繁项集的发现和频繁序列挖掘两个部分，排除不可能达到支持度和置信度阈值的项集，缩小了挖掘中的数据扫描范围，提高了数据挖掘的效率。     

时间序列模式挖掘的算法研究

提出一种进行时间序列模式挖掘的算法 ,用于对大型数据库的海量数据分析 ,从中挖掘出超过用户给定支持度和置信度的时间序列 ,从而为用户的决策支持和趋势预测提供依据 .算法分为在数据中对于频繁项集的发现和频繁序列挖掘两个部分 ,排除不可能达到支持度和置信度阈值的项集 ,缩小了挖掘中的数据扫描范围 ,提高了数据挖掘的效率     

时间序列的模式距离

为了有效度量时间序列变化趋势的相似性,基于时间序列的分段线性表示,针对变化趋势,提出时间序列的模式模型表示.该模式模型表示不对测量尺度进行标准化处理,实现了模式距离的快速计算.序列模式距离克服了以点距离为基础的时间序列误匹配以及物理概念不明确等缺陷.对应于时间序列线性分段数目的不同,模式距离体现了多分辨特性,可以有效反应不同分析频率下时间序列的相似程度.     

时间序列在建筑物沉降监测数据分析中的应用研究

在建筑物的沉降监测中,采用时间序列方法对观测数据进行分析处理,建立建筑物的动态沉降预测模型,并对其沉降趋势进行预测．从而选择合适的解决方案和采取相应的地基处理措施．把沉降量限定在允许范围内是极为重要的．介绍了时间序列分析方法中的AR模型,AR模型阶数的确定、参数估计、模型检验以及预报分析的方法,并结合某建筑物沉降观测的数据为例进行说明．     

供应链中趋势序列的神经网络预测研究

本将神经网络的方法用于带趋势的时间序列的预测中。对于趋势序列的预测，采用BP算法的改进算法进行了仿真。并得出结论，在对于带有趋势的时间序列进行预测时，相对数据进行差分处理能有效地提高预测精度。     

用结构相似序列改进预测序列

用分段抽样方法进行需求预测,得到预测序列x_(λt0),x_(λt1),…,x_(λt??)λ=1,2,…,n.如何对这些序列加以改进,使其既保持序列的一些已定结构,又满足宏观约束条件:x_(λik)关于λ的总和不大于预先给定的常数A.本文给出一个简单的方法.     

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.     

基于多变量时间序列的接触状态聚类分析

针对机器人轴孔装配任务中接触状态的分类问题,该文提出了一种基于多变量时间序列的聚类方法。该方法利用深度时间聚类网络对装配过程中的接触状态变量进行编码,然后使用复杂度不变性度量对时间序列片段进行划分。该方法避免了对接触过程进行准静态分析,因此在实际中具有一定的通用性。并且利用时间序列的方式有利于提取接触状态变量的时间关联特性,从而使得聚类的结果更加鲁棒。实验结果和预期一致,验证了该算法的正确性和有效性。     

小波滤波在时间序列频繁模式挖掘中的应用

与布尔型数据的频繁模式挖掘相比,时间序列的频繁模式挖掘是一个相对复杂的问题,目前对此类问题还缺少深入的研究.通过对小波滤波的研究,提出了一种时间序列的频繁模式挖掘算法,Frequent-Wavelet算法.该算法的特点是采用多孔平滑滤波器组对时间序列做低通平滑处理,用得到的多个尺度序列表示原序列,较好地解决了时间序列的平凡相似问题和时间轴伸缩问题.实验表明,Frequent-Wavelet算法对于时间序列的频繁模式挖掘具有较好的效果.     

基于RFID与基因表达式编程的经济统计时序挖掘

为解决基因表达式编程(GEP)在符号回归、RFID分类及经济领域中对时序数据的挖掘速度和精度还不够的问题,提出了统计基因、统计染色体和统计时序-适应度的定义,并针对传统GEP经济时序模型进行了综合改进;提出了新颖的单变量时序和多变量时序挖掘算法,提高了GEP统计时序挖掘的速度和精度;实验表明,与传统GEP、单变量GEP时序算法相比,多变量GEP时序算法挖掘速度快,其预测精度比单变量时序算法高出5%以上.该算法同样适用于RFID以及其他经济系统中的时序数据挖掘.     

Time Slice Analysis Method Based on OTCA Used in fMRI Weak Signal Function Extraction

The original temporal clustering analysis (OTCA) is an effective technique for obtaining brain activation maps when the timing and location of the activation are completely unknown, but its deficiency of sensitivity is exposed in processing brain activat     

电路设计中的时序问题

讨论了电路设计中常见的时序问题，指出电路设计的关键问题是“时序配合”问题。同时，对Motorola公司、Intel公司微控制器的总线时序进行了比较，给出了两种时序总线的连接方法，最后介绍Motel电路的特点和应用。     

一种用于多媒体会议系统的通信带宽控制算法

多媒体同步是分布式多媒体应用中的一个重要问题。本文针对多媒体会议系统提出了一种通信带宽控制算法,它利用RTP协议机制对网络带宽进行调节和控制。实验表明,该算法明显地改善了多媒体信息的传输质量。     

基于动态算法的序列分析

为了获得2009年新型甲型H1N1流感病毒与2008流感病毒的基因序列及氨基酸序列的一致性,以便对一个基因家族的生物学特征有一个简明扼要的了解,针对目前流行的新型甲型H1N1流感病毒的基因序列及其所编码的氨基酸序列,采用动态规划算法对其一级序列进行序列相似度分析,获得了2009年新型甲型H1N1流感病毒的NA和M基因片段以及2008年猪源性甲型H1N1流感病毒的相应基因片段同源性高、在有些位点发生了基因突变增添和突变缺失等重要基因信息。为此次新型甲型H1N1流感病毒的研究提供了依据。     

社会网络发布中敏感边的隐私保护

为解决直接发布社会网络会侵害个体隐私,进而需要进行隐私保护的问题,针对拥有社会个体邻域信息作为背景知识进行敏感边识别攻击的应用场景,提出了（k,2）-匿名发布的隐私保护方法。该方法通过对原始社会网络图进行最小结构修改,实现最大的数据效用,设计实现了满足隐私保护要求的匿名发布算法,并在数据集上进行了验证。实验结果表明,该方法能有效抵御敏感边的识别攻击,获得可接受的发布质量。     

Logistic-Map混沌序列在二维置换网络中的应用

利用混沌映射产生的轨道点的遍历性及良好的相关特性，采用Logistic-Map映射产生的序列作为置换阵列的行地址和列地址，设计了一种二维置换网络，首先研究了Logistic-Map映射的性质，其次对混沌序列的遍历性和置换网络的时间复杂度进行了分析，同时还对置换网络的各种置乱指标进行了理论分析和统计验证，最后将所提出的置换网络用于图像的加密，计算机模拟结果显示，这种置换网络具有良好的置乱性质，可以增强信息系统的安全性。     

基于时间序列和神经网络的电力系统负荷预测

针对采用时间序列对电力系统负荷进行预测时，无法考虑温度变化等因素的影响，利用神经网络的非线性拟合能力，提出了一种基于时间序列和神经网络组合的电力系统负荷预测方法。在时间序列法中，通过大量的历史数据随机序列对负荷进行预测，对于其结果再通过神经网络进行修正，算例表明所提方法是可行而有效的。     

论秘书专业会议组织项目实践性教学系统的构建

运用各种会议形式,设置情境,组织会议实践性教学;坚持学生在教学过程中的主导地位,合理设计实践教学任务和教学过程;着眼于对学生实践成果的评定和技能的修正补缺,进行双主体互动的教学考核。     

图象序列动目标检测

介绍了图象序列分析方法在复杂背景下低对比度目标检测及目标识别中的应用，着重讨论了最大熵目标检测与卡尔曼滤波滤除伪目标，并给出图象仿真结果和硬件设计框图。