共查询到18条相似文献,搜索用时 281 毫秒
1.
CBR快速检索算法在时间序列预测中的应用 总被引:1,自引:0,他引:1
随着CBR应用的推广,涉及越来越多的时态信息需要处理.探讨了一种基于时间序列数据的时态CBR,提出了一种基于卷积的时态CBR快速检索算法.其思路是利用时序范例之间的时间约束关系,去除检索中求取相似度的冗余计算,并利用卷积的傅立叶变换性质,在频域求解相似度以减少计算时间复杂度.实验证明.在匹配较长的序列时,快速算法可以显著的提高时态CBR的检索效率.在CBR快速检索算法的基础上,以证券价格预测问题作为应用,借鉴流形学习理论中LLE算法的思想,设计了一种基于时态CBR的时间序列预测算法.实验证明,这种基于时态CBR的时间序列预测方法与前述CBR快速检索算法相配合,取得了较好的预测效果和预测效率. 相似文献
2.
3.
挖掘时态关联规则的目的是为了发现带有时态信息的项集之间有趣的关系.由于数据库经常动态更新,时态关联规则的挖掘也应该适应数据库的更新.然而,现有的大多数算法不仅需要重新挖掘更新的数据库,浪费了大量的时间和效率,而且不能利用已存在的规则定量地预测某些项的变化趋势.本文提出了一个基于多维时态关联规则的演化模糊推理预测建模算法(Evolving fuzzy inference model based on multidimensional temporal association rules,EFI-MTAR),主要优势是构建了一种基于多维时态关联规则的模糊推理建模算法(Fuzzy inference modeling algorithm based on multidimensional temporal association rules,FI-MTAR),实现了对时间序列的定量预测.此外,为了降低规则更新的代价和加快规则预测的速度,提出了概念漂移检测策略来处理时间序列数据以适应数据库的动态更新.实验结果表明了本文提出算法的有效性和准确性. 相似文献
4.
针对目前时态关联规则研究中存在的挖掘效率不高、规则可解释性低、未考虑项集时间关联关系等问题,在原有相关研究的基础上,提出一种新的基于频繁项集树的时态关联规则挖掘算法.通过对时间序列数据进行降维离散化处理,采用向量运算生成频繁项集,提高频繁项集挖掘效率.考虑到项集之间的时态关系以及树结构的优势,提出一种新的频繁项集树结构挖掘时态关联规则,其挖掘频繁项集与树结构构建同时进行,无需产生候选项集,提高了规则挖掘效率.实验表明,对比于其他算法,所提出算法在挖掘效率和规则解释性方面效果更好,具有较好的应用前景. 相似文献
5.
在产品设计、3D制作等领域中经常使用大量的三维模型,但现有的基于属性的检索方式由于属性数据不全、不准的问题,搜索引擎还不提供有效的三维模型检索服务。提出了一种与CAD系统无关的基于面积分布算子的三维模型检索算法,该算法采用模型中顶点关联的三角形面积总和及平均面积构成的面积序列,对面积分布序列进行归一化操作和傅里叶变换等处理,得到最终的面积分布算子,将三维模型的相似度计算映射为面积分布序列的比较。在普渡大学建立的工程标准模型库(ESB)上对该算法进行了验证和比较。实验结果表明该算法客观反映了模型的相似程度,明显提高了传统的检索算法的效率和速度。 相似文献
6.
绝大多数的工业设计属于变型设计,而基于CBR技术能够有效的解决变型设计中设计重用所面临的难题。对CBR相关理论及技术进行了分析介绍,对基于CBR的精密播种机数字化设计的具体实现进行了设计研究,提出了一种新的检索算法——基于树的最近邻居法,使实例的检索更准确、高效。以铲式玉米精密播种机为例,对设计过程的实现及推理效率和准确性方面进行实验分析,实验结果表明了将CBR应用于设计问题中的可行性及优势。 相似文献
7.
时间序列数据广泛产生于科技和经济的多个领域.基于符号傅里叶近似(symbolic Fourier approximation)和滑动窗口的定长单词抽取算法是目前时间序列特征字典构建过程中最有效的特征生成算法之一,但是该算法在特征生成过程中不能根据不同滑动窗口长度动态地选择保留的最优傅里叶值的个数,而且特征字典构建过程中缺少从生成的海量特征中对鉴别性特征进行有效选择的算法.为此,提出一种鉴别性特征字典构建算法.首先,提出一种针对不同长度滑动窗口学习最优单词长度的基于Fourier近似的可变长度单词抽取方法;其次,构建了一种新的特征鉴别性评价指标,并依据其动态阈值对生成的特征进行选择.实验结果表明,基于构建的特征字典的逻辑回归模型不仅分类精度高,而且可以有效发现预测过程中的鉴别性特征. 相似文献
8.
在线分割时间序列数据 总被引:15,自引:0,他引:15
时间序列分割是时间序列数据挖掘研究的重要任务之一.它主要有两个应用:检测生成时间序列的系统何时发生变化;创建时间序列的高级数据表示,从而对时间序列进行索引、聚类和分类.在实时时间序列数据挖掘应用中,需要在线时间序列分割算法,以便实时发现和预测时态模式.在对时间序列分割问题进行形式化描述的基础上,提出了一种评估时间序列的分割结果以及分割算法性能的评价指标,并提出了一种在线分割时间序列数据的递推算法(on-line segmentation,简称OLS).OLS的一个显著特点是不依赖有关时间序列的先验知识.实验结果说明,OLS算法能够有效地在线检测出数据挖掘应用中感兴趣的关键变化点,而且"过拟合"程度低. 相似文献
9.
10.
11.
提出一种基于案例推理(CBR)与灰色关联度的企业财务危机预警模型。将灰色关联分析应用于企业财务危机预警的案例推理中,采用特征属性的主客观权重计算案例相似度。根据各特征属性对案例检索的重要程度,通过权重向量排除非关键指标对案例判断的干扰。实验结果表明,该方法得到的案例相似性排序结果符合实际情况,可提高相似企业的检索效率,满足企业财务危机预警的要求。 相似文献
12.
本文对CBR系统中实例相似度的算法进行了改进,在传统实例相似性算法的基础上加入实例属性缺失度因子和实例可复用性因子。因此在实例检索中考虑实例检索结果的精确度和实例的可复用度,进而使检索的精确度提高和修改难度降低,最终提高CBR系统的精确度和实用性。 相似文献
13.
14.
15.
This article introduces abductive case‐based reasoning (CBR) and attempts to show that abductive CBR and deductive CBR can be integrated in clinical process and problem solving. Then it provides a unified formalization for integration of abduction, abductive CBR, deduction, and deductive CBR. This article also investigates abductive case retrieval and deductive case retrieval using similarity relations, fuzzy similarity relations, and similarity metrics. The proposed approach demonstrates that the integration of deductive CBR and abductive CBR is of practical significance in problem solving such as system diagnosis and analysis, and will facilitate research of abductive CBR and deductive CBR. © 2005 Wiley Periodicals, Inc. Int J Int Syst 20: 957–983, 2005. 相似文献
16.
Yan Li Shiu S.C.K. Pal S.K. 《Knowledge and Data Engineering, IEEE Transactions on》2006,18(3):415-429
CBR systems that are built for the classification problems are called CBR classifiers. This paper presents a novel and fast approach to building efficient and competent CBR classifiers that combines both feature reduction (FR) and case selection (CS). It has three central contributions: 1) it develops a fast rough-set method based on relative attribute dependency among features to compute the approximate reduct, 2) it constructs and compares different case selection methods based on the similarity measure and the concepts of case coverage and case reachability, and 3) CBR classifiers built using a combination of the FR and CS processes can reduce the training burden as well as the need to acquire domain knowledge. The overall experimental results demonstrating on four real-life data sets show that the combined FR and CS method can preserve, and may also improve, the solution accuracy while at the same time substantially reducing the storage space. The case retrieval time is also greatly reduced because the use of CBR classifier contains a smaller amount of cases with fewer features. The developed FR and CS combination method is also compared with the kernel PCA and SVMs techniques. Their storage requirement, classification accuracy, and classification speed are presented and discussed. 相似文献
17.