时间序列数据可视化研究综述

时间序列数据可视化综合了时间序列数据挖掘、数据可视化、计算机图形学、计算机交互技术等学科的理论和方法。从时间和数据两个角度分析了时间序列数据的特征;从用户的角度探讨了时间序列数据可视化的主要任务;综述了时间序列数据可视化从以人为中心到以计算机为中心,再到人机交互方式的发展历程;详细介绍了时间序列数据可视化的5类图表和5类表达方式。最后,对时间序列数据可视化研究进行总结和展望。     

基于螺旋图的时间序列数据可视化

阶段性时间序列数据是一种生活中常见数据形式,它描述一个包含多个状态转换的事件,每个状态都具有时间属性,且状态之间的转换存在多条路径。针对现有的可视化方法不能有效展示各个状态之间变化以及状态间路径的时间属性信息的问题,提出一个全新的基于螺旋图的可视化模型。该模型使用一个圆环表示一个状态,一个事件的多个状态采用一组同心圆表示,状态间可达路径采用螺旋线表示,螺旋线的起始位置由其起始时间与起始状态圆环决定,终止位置由其结束时间与结束状态圆环决定。针对路径过多导致路径覆盖较为严重的问题,该模型采用基于长尾函数的透明算法,根据一条路径与其他路径的交叉数,为每条路径分配透明度。该模型还提供了路径的筛选、高亮、查看详细信息、缩放等功能,实现了灵活的交互操作。通过对中国铁路列车站点数据进行实验,实验结果表明该模型能够在有限的空间中有效地展示站点间运行任意时长的列车,并且在列车较多的情况下降低了螺旋线交叉重叠带来的杂乱度,同时有效地保留了列车的运行信息,能够为用户路线的选择提供决策支持,说明了该模型对阶段性时间序列数据可视化的有效性。     

时间事件序列数据可视化综述

时间事件序列数据,是由一个或多个记录构成的集合,每个记录由一组带有时间戳的事件类别组成.数据可视化被广泛用于时间事件序列数据的频繁模式发现、相似模式匹配与查询以及潜在阶段模式检测.文中介绍了时间事件序列数据的特征,并重点从时间事件序列数据的可视化呈现方法和可视分析2个方面对已有的工作进行了系统的整理.在可视化呈现方式上,将现有的可视化方法分为4个类别,即基于GanttChart、基于Flow、基于StoryLines及基于矩阵的可视化方法,并分别介绍了相关类别的可视化方法的发展;将可视分析任务总结为4类主要任务,即模式发现与探索、可视化查询、对比分析及结果事件分析,并且从这些可视分析任务的角度总结了现有的可视分析工具.最后,对时间事件序列数据可视化面临的挑战以及未来趋势进行了总结和展望,以期为时间事件序列数据分析提供新的思路.     

波动数据时间序列的分析与处理

该文研究波动数据的处理与分析方法。波动性数据在各个行业的应用实践中,经常出现,对该类数据的处理方法的研究,具有重要的理论与实用价值。波动数据有的很有周期规律性,例如复合周期函数型的电子信号;有的波动数据没有明显的周期特性,例如直线轴上不定时波动的数据叠加白噪声的数据模式。     

管道流量泄漏时间序列分类的算法研究

时间序列分类比一般分类问题困难,主要在于要分类的时间序列数据不等长,因此不能直接应用一般的分类算法。首先提出基于聚类模型的数据转换,然后进行基于模型的聚类分析,用领域相关法对时间序列建模,用模型参数组成等长向量来表示每条序列,最后进行时间序列匹配算法分析,用分类算法进行训练和分类。结合管道流量泄漏点提出一种时间序列匹配的新方法,利用同类样本间的连续性规律,将时间序列排序,并在相邻的时间序列之间添加样本点,新方法优于基于动态时间弯折的传统方法;针对管道流量泄漏时间序列分类的算法研究观测到不同算法在不同因素影响下的性能表现,为今后发展新的算法提供有力依据。     

基于MRF模型的飞机飞行动作识别划分算法

军用飞机飞行动作具有较强的随机性和模糊性,为实现针对军用飞机飞行动作的识别和划分,提出了一种基于马尔可夫随机场M RF模型的飞行动作识别划分算法,可以在没有标定的情况下,将飞行数据段分割聚类,实现飞行动作的识别和划分.仿真实验表明,相比于传统的飞行动作识别算法,基于M RF模型的飞行动作识别划分算法且有更高的识别率.     

时间序列序列模式的相似性研究

时间序列序列模式相似性的度量是从时间序列中获取时序关联规则的重要环节。一般情况下,距离度量法只能度量相同长度序列模式的相似性。借用动态时间弯曲距离的思想,这种基于非线性弯曲技术的算法可以获得很高的识别、匹配精度。在定义元模式相似性的基础上,定义了序列模式的动态时间弯曲距离,最后用两个不同时间序列进行仿真实验,可以得到不同长度的序列的相似度。     

基于高阶马尔可夫随机场的图像分割

图像分割是个病态问题,精确化的图像分割需要用户提供足够多的约束信息才能实现.近年来随着马尔可夫随机场吉布斯能量函数最小化图割求解技术的突破,许多国外研究人员开展基于图割方法的交互式图像分割技术的研究.在众多交互式图像分割技术中,由于用户友好性和潜在应用价值,采用矩形框约束的交互式图像分割方法非常吸引人.从超像素马尔可夫随机场模型和网格马尔可夫随机场模型出发,在吉布斯能量函数中引入高阶势能项,高阶势能项的引入使得新的模型既能捕捉细粒度的单个像素信息又能捕捉单像素一定范围内的关联信息,从而提高了矩形框限制条件下的图像分割性能.实验表明:与GrabCut算法相比,所提算法准确性上有一定提高.最后,将所提算法应用在视频对象分割上也取得了不错的效果.     

环境星NDVI时间序列重构方法研究

利用目前时间序列曲线重构中较为常用的非对称高斯函数拟合、Double-Logistic曲线拟合、S-G滤波和时间序列谐波分析法对环境星NDVI时间序列进行重构处理。分析了上述4种植被指数时间序列重构方法对环境星数据的适用性。实验结果表明,对于环境星数据,在4种方法中非对称高斯函数拟合、Double-Logistic曲线拟合法更适用于对植被地物的时间序列进行重构,对照参考数据,其重构曲线对植被物候的表达有较高的一致性;而时间序列谐波分析法对原始数据的扰动最小,适用于非植被地物的时间序列重构;S-G滤波在4种方法中的重构效果最差。     

KDDCUP99数据集的数据分析研究

kddcup99数据集的网络连接数据量很大,各特征属性的取值范围较广,决策类型的种类也很多。因此,如果直接在原数据集上进行数据预处理或是数据挖掘都将是一件十分困难的事情。通过对kddcup99进行数据分析,提出一种对其按照service属性的不同进行分块的新思路,在不失真的前提下,将大问题转化成小问题,从根本上解决了数据集过大的难题。     

一个基于流程的数据清洗框架的研究

以往的数据清洗方法需要基于模式进行规则编码,费时、困难,而且后期难以修改规则.提出了一种新的相似重复记录的消除框架,可以使用户在无需编码的条件下简单地完成数据清洗工作.该框架具有开放的算法库、函数库以及基于模糊规则和成员函数的模糊推导系统,使其具有较强的通用性和适用性.最后通过实验验证了该框架的有效性.     

基于数据挖掘技术的购物篮模式研究

基于顾客购物篮的分析提出一种新的基于虚拟变量的数据挖掘方法。该方法结合因子分析、聚类和关联规则挖掘技术。首先通过因子分析方法从众多的实变量中标识出影响顾客购买决定的少数几个虚拟变量,其次利用聚类分析对顾客划分成若干簇,最后运用关联规则分析获取每一簇中对象之间隐藏的模式。通过在一个零售业的案例中进行实施,表明了该方法的有效性。     

基于数据挖掘的网络入侵检测系统研究

针对传统入侵检测系统建模与更新需要大量人工参与,提出一种基于数据挖掘的无指导自适应入侵检测系统.系统通过有效结合聚类、关联规则数据挖掘方法,自动进行检测规则的提取.经实验表明,提出的方法具有较好的检测率、误报率.     

基于多层次数据交换的区域智慧城市公共信息平台

随着智慧城市的发展,越来越多的智慧城市应用系统之间缺乏衔接渠道,无法实现智慧城市相关数据的交换和共享。针对这种情况,提出一种基于多层次数据交换的区域智慧城市公共信息平台架构,以资源目录和数据交换为核心,实现各类智慧城市应用的数据资源交换、资源共享和资源利用,为各种融合的智慧城市应用提供普适、灵活的公共支撑。该平台在上海市浦东新区得到了成功应用,验证了所提出方法的可用性。     

Android数据解析性能研究

近年来,随着移动互联网新兴移动数据如井喷一样大量涌现,人们的思维方式变成尽可能多的占有信息,遇到问题时在从这海量的信息中获取解决方案。移动手机对数据的处理速度就显得尤为重要,本文是通过几种常用的序列化工具对Android数据进行序列化速度对比研究,从中选取最优的解析工具。     

一种EMS数据平台的结构模型研究

针对能量管理系统EMS(Energy Management System)的特点,为了提高EMS在实际应用中的可扩展性和复用性,系统采用组件技术进行分析、设计出了一种有效解决实际问题的EMS结构模型,深入分析了系统功能。对EMS的数据需求等进行分析的基础上,给出了实时数据服务、历史数据服务的功能及其各子系统之间的交互关系。所提出的EMS结构模型、功能交互关系等有利于实现相应的软件复用,提高系统的可移植性和扩展性。     

无线传感器网络中的数据压缩技术研究

不同于传统的无线网络,设计有效的策略延长网络生命周期是无线传感器网络需要解决的核心问题,大量研究已经证明在传输数据前对其进行压缩是一种有效的延长无线传感器网络生命周期的方法。因传感器节点本身计算能力有限、存储空间有限等特点,对数据压缩算法提出了更高的要求和挑战。综述了无线传感器网络中数据压缩技术的研究现状,并详细介绍了分布式信源编码技术的基本理论和方法,最后指出了无线传感器网络数据压缩的研究问题。     

基于M~3-DGMF的专利数据聚类方法研究

朴素贝叶斯、KNN、决策树及支持向量机等方法已经应用到文本聚类中,然而专利文献数据有着大规模、不平衡、层次化、多标号的特点,导致传统的方法在解决此类问题中往往性能不佳。鉴于此,通过引进基于双高斯合成函数的最小最大模块化神经网络的监督聚类算法,来有效地修剪训练数据的规模,并将其成功应用到专利数据的聚类中,实验结果证明了并行化及监督聚类的有效性。     

基于众包的钻井不确定数据信息管理系统的研究

石油钻井工程中,由于客观和人为因素导致钻井工程数据中存在着不确定性,且关系型数据库传统精确匹配式查询难以处理,以致石油钻井工程管理和决策分析不能及时获取有效信息。提出采用网络众包的理论和方法,结合传统数据库查询方式和众包方式,研究构建基于众包的钻井不确定数据信息管理系统,设计给出相关系统的总体结构和众包模式,有效扩展以往管理信息系统的数据处理能力,为在不确定环境下钻井决策分析提供有力支持。