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。     

小波变换中的数据变换方法

在图象压缩、重构等处理中，二进正交小波变换是一个非常有用的工具，其函数形式为{2^k/2Wn(2^kt-j):n∈N;k,j∈z}(t是实数）；在计算过程中，由于数据量太大，为了减少计算量应选择运算较快的算法，在计算机中浮点数比整数运算速度慢，若把t浮点数表示为形如A2^k 1(A是整数）的形式时，则2^kt-j为整数的形式，可以大大提高计算速度；在进行上述变换时，在考虑计算机字长p的限制下，为使在加、减、乘运算时，运算后的数据误差满足小于给定的ε、k、A如何取值，并得到了ε与p的一个近似关系式。     

基于聚类的离群数据挖掘及应用

介绍了离群数据挖掘的基本概念，全面分析并总结了离群数据挖掘研究的历史与现状，以及离群数据挖掘的几类方法，并对一些典型方法进行了分析和评价，指出传统方法的优点和不足，展望了今后的研究工作。     

傅立叶变换与小波变换区别分析

小波分析是近年来迅速发展起来的新兴学科,本文将傅里叶变换、Gabor变换和小波变换进行了对比分析,说明了小波变换的多分辨率分析的特点.     

基于小波变换的包络分析

把小波理论应用于包络分析，介绍了小波包络方法，并把这一方法推广到组合小波包络分析，详细讨论了高斯平顶频窗组合小波的构造和参数选择方法。由于小波分析本身具有时、频域局部化特性，因此小波包络分析不需要配以滤波环节即可提取所需频率范围信号的包络；又由于可以通过改变参数来调节小波频窗的形状、位置和宽度，因此小波包络分析有着很大的灵活性，而且软件实现容易。     

小波级数变换的一种离散小波变换算法

小波文献中，离散小波变换多由子带分解或拉普斯塔形分解等引出，本文从连续小波变换及小波级数变换出发，通过对采样过程的分析导出了离散小波变换的定义，离散小波变换是唯一便于Ｘ数值计算的小波变换，本文提出了一种以离散小波级数变换的算法，该算法较之Ｏ＇Ｒｉｏｕｌ的类似算法相比，可取得更好的计算精度。     

Fourier变换与小波分析

本文以数学的观点对Fourier变换进行了分析，指出了它的一些不足之处，然后以对比的方法，介绍了小波分析的基本思想，展示了其克服Fourier变换的缺陷的方法。     

基于人工智能技术的局部离群数据挖掘方法

针对传统离散数据挖掘方法存在内存消耗过大的问题,研究基于人工智能技术的局部离群数据挖掘方法.提取离散数据特征,并使用基于信息熵的算法检测局部离群数据.标准化处理检测出的数据,在神经网络中实现对局部离群数据的挖掘,完成对基于人工智能技术的局部离群数据挖掘方法的研究.通过与传统数据挖掘方法的对比实验结果可知,本文方法在数据...     

基于傅立叶变换和小波变换的信号处理

介绍了傅立叶变换、小波变换等几种常见的分析处理信号的方法，并对一个实例信号分别利用这两种方法进行了分析处理，阐明了这两种变换在对信号处理上的不同特点。     

信号分析从傅氏变换到小波变换

从信号分析的发展着重阐述了从傅氏变换到小波变换的信号分析方法 ,分析并比较了各自的优缺点 ,揭示了信号分析方法发展的内在规律性。     

水文时间序列多时间尺度分析的小波变换法

以长江宜昌站近100年（1890～1987）年平均流量过程为例，利用Marr小波和Morlet小波变换对水文序列的多时间尺度演变特性进行了分析，研究结果表明，其年际及年代际时间尺度在时间域中分布很不均匀，具有明显的局部化特征，小波变换法分析了水文水资源系统多时间尺度是优越的。     

基于连续小波变换的水文序列变化特征研究

为揭示复杂水文现象中的精细结构，应用小波分析的多分辨率分析和分形理论相结合的途径探讨了水文序列变化的统计特征。将水文序列进行连续小波变换，得到小波变换系数，计算出小波变换系数的动力学特征指标——分维随尺度的变化过程。根据分维随尺度的变化特性，探讨了水文序列的奇异性(突变、跳跃等)变化。通过仿真试验和实际径流资料计算分析，表明提出的方法是有意义的，并且可行。     

一种基于混合模型的时间序列数据挖掘系统

时间序列数据挖掘是在从数据仓库中提取出有效历史数据的基础上，对其进行一定的处理，从而发现隐含、未知的有效信息．本阐述了一种新的基于灰色—回归—模糊神经网络混合模型的时间序列数据挖掘系统，重点讨论了灰色—回归—模糊神经网络混合模型的建立过程，并应用于浙江省可持续发展预测，取得了满意的结果．该混合模型融合多种智能计算方法优点于一体，为时序数据挖掘提供了一种新的实用方法．     

基于信号变化速率的时间序列异常值检测方法

为了消除奇异值对系统模型辨识的影响, 并提高时间序列数据预处理的效果, 提出一种基于统计分析的奇异值检测方法.该方法将时间序列信号变化特征与统计学理论相结合, 在计算时间序列信号的变化速率的基础上, 对其进行统计分析, 进而得到异常值发生的位置, 并利用内插法对原始的观察信号进行修复.应用结果表明:该算法简单、有效、计算量小, 能满足时间序列数据预处理的需求.     

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。     

基于离散小波变换的水稻生育期降水量多时间尺度特征分析

为深入分析水稻生育期降水多层次变化特征,运用小波分析理论,采用morlet小波函数对降水量序列进行离散小波变换,分析其多时间尺度特性,揭示降水量在不同时间尺度下的小波变换时频特征、丰枯交替变化的周期规律以及未来的发展趋势,为制定科学合理的灌溉制度提供一定的参考。研究结果表明,不同的时间尺度分辨率下,水稻生育期降水量序列会表现出不同的周期交替现象,主要存在5a、13a和32a的周期。     

基于小波的时间序列的形状匹配算法

目的提出利用小波的方法对时间序列进行形状匹配,提高匹配的精度．方法将目标形状转换为时间序列的形式后,利用小波对时间序列的逐层降维处理能力,结合欧几里德距离公式准确地计算出不同目标之间的相似度,达到了满意的匹配结果．结果采用真实数据集,分别对特殊点方法、Fourier描绘子方法、形态描绘子方法以及小波方法等4种形状匹配方法进行了实验．实验结果表明,与传统形状匹配算法相比,小波方法在不同序列长度情况下匹配精度都有较大提高．结论此方法具有良好的稳定性和可靠性,并且结合了小波快速降维的优点,保证了对闭合轮廓形状的整体匹配实时处理的能力．     

基于属性相关分析的离群数据并行挖掘算法

针对高维海量数据集中的局部离群数据,利用并行计算和属性相关性分析思想,给出了一种离群数据并行挖掘算法。该算法首先由主节点分配属性相关分析任务,各个子节点并行查找数据集中的冗余属性,将其冗余属性传回主节点,并由主节点删除;其次,主节点分配搜索任务,各子节点采用微粒群算法,并行搜索局部离群子空间;再次,由主节点对局部离群子空间合并计算后,确定全局离群数据;最后,在MPICH2-1.0.3的并行计算环境下,采用恒星光谱数据作为数据集,实验结果验证了算法的正确性和有效性。     

基于小波变换的时-能密度法优选微差延期时间

在微差爆破工程中,能否顺利实施微差爆破的关键在于确定合理的微差延期时间。首先,利用基于小波分析的时-能密度法,通过从实测爆破震动信号中识别出各段雷管实际的起爆时刻点,得到了爆破中所用雷管的实际延期时间。其次,利用信号时-频转换技术,从实测微差爆破震动信号中分离出各分段震波。最后,通过比较各分段震波在不同延期时间下的叠加效果,可以得到微差爆破的较优延期时间。以某地下工程爆破震动信号进行分析为例,对本方法的有效性作了检验。该方法具有较高的理论和应用价值,为系统开展爆破震动危害控制和预测研究奠定了理论和技术基础。