时间序列中的突发性检测与分析
数据挖掘论文 时间序列论文 时间序列分析论文 突发性论文 突发检测论文 突发区间论文 突发强度论文
论文详情
时间序列分析是数据挖掘的重要研究内容,序列的突发性问题是序列分析内在固有的问题,是数据挖掘领域的研究热点。突发性是指时间序列在特定时间段内异常于近期或基准值的数值或元素出现频率的现象。突发检测技术用于自动地发现和监测序列的突发,是一种常用的序列分析技术,在金融、疾病医疗、气象水文、互联网监测、科学计算领域有着广泛的应用。现有的突发性问题的研究成果非常丰富,不同的应用背景下的突发性的定义有很多,相应地突发检测的模型方法、检测的结果都不尽相同。一直以来,带噪音的时序数据的突发检测、长时间跨度的序列的突发检测、实时突发检测、无参数检测算法以及检测结果的真实性评估是序列突发性研究的重点和难点。与此同时,多序列的突发检测以及新的应用领域给突发性问题的研究带来了新的挑战。基于以上问题,本文分析了现有研究工作的优势和不足,归纳了突发的类型和结构,提出了一种新的序列突发模型和检测方法,实现了序列定长模式和实时模式下的突发检测算法,并分别进行了实验。本文定义了突发的方向—正向和负向,阐述了突发起始和结束的两种形态—渐进式和突变式,认为突发的基本结构大致可以描述为三个阶段—起始、平滑和结束,并由此给出了突发的形式化定义和检测方法。为更客观地对检测算法和结果进行评估,本文提出了三个评价指标。定长模式的实验采用事件序列(文本)和图像像素序列(数值)两种不同数据类型的序列,并将本文的方法与三个已得到广泛认可的突发模型的检测结果进行了对比和案例分析。实时模式的实验采用水文数据和图像数据,并对不同的更新策略进行了对比。本文提出的突发性定义明确地指出了突发的起始位置、结束位置、突发的方向和结构、突发强度的计算公式,并阐明了突发与突发强度的关系。通过理论分析和实验证明,本文提出的非参数线性时间突发检测算法及其实时检测算法能在较小的时间代价下检测出较为合理的突发区间,获得较准确的突发,算法在有噪音、长时间序列和稀疏序列上都有着较好的性能。同时本文基于多种数据集的实验表明本文的突发模型和检测方法具有较好的通用性,可以扩展到其他研究领域。
目录 | 第4-8页 |
摘要 | 第8-9页 |
Abstract | 第9-10页 |
第一章 绪论 | 第11-19页 |
1.1 时序突发性研究的内容和意义 | 第11-12页 |
1.2 时序突发性研究的现状 | 第12-17页 |
1.2.1 时序突发检测技术 | 第12-15页 |
1.2.2 时序突发性研究的新领域 | 第15-16页 |
1.2.3 时序突发性研究的主要问题 | 第16-17页 |
1.3 论文主要工作 | 第17-18页 |
1.4 论文篇章结构 | 第18-19页 |
第二章 相关工作介绍与分析 | 第19-24页 |
2.1 Lappas方法和Ruzzo方法 | 第19-20页 |
2.1.1 方法介绍 | 第19-20页 |
2.1.2 方法分析 | 第20页 |
2.2 Dan方法 | 第20-22页 |
2.2.1 方法介绍 | 第20-21页 |
2.2.2 方法分析 | 第21-22页 |
2.3 Zhou方法和Chen方法 | 第22-23页 |
2.3.1 方法介绍 | 第22页 |
2.3.2 方法分析 | 第22-23页 |
2.4 小结 | 第23-24页 |
第三章 时间序列的突发性定义 | 第24-29页 |
3.1 时间序列突发性研究框架 | 第24-25页 |
3.2 基于结构的突发性定义 | 第25-28页 |
3.2.1 常见的符号表示 | 第25-26页 |
3.2.2 突发的方向 | 第26页 |
3.2.3 突发的形态 | 第26-27页 |
3.2.4 突发的定义 | 第27-28页 |
3.3 小结 | 第28-29页 |
第四章 定长模式的突发检测方法与实验 | 第29-49页 |
4.1 定长模式的突发检测方法 | 第29-36页 |
4.1.1 基于结构的突发检测方法 | 第29-34页 |
4.1.2 突发检测方法分析 | 第34-35页 |
4.1.3 突发检测方法实例演示 | 第35-36页 |
4.2 定长模式的突发检测实验 | 第36-48页 |
4.2.1 事件序列的突发性检测实验 | 第36-43页 |
4.2.2 图像像素序列的突发性检测实验 | 第43-48页 |
4.3 小结 | 第48-49页 |
第五章 实时模式的突发检测方法与实验 | 第49-68页 |
5.1 实时模式的突发检测方法 | 第49-56页 |
5.1.1 基于BSE方法的实时突发检测方法 | 第50-54页 |
5.1.2 实时突发检测方法分析 | 第54-55页 |
5.1.3 实时突发检测方法实例演示 | 第55-56页 |
5.2 实时模式的更新策略 | 第56-60页 |
5.2.1 精确更新与近似更新策略 | 第56-58页 |
5.2.2 实时更新与间隔更新策略 | 第58-60页 |
5.3 实时模式的突发检测实验 | 第60-67页 |
5.3.1 水文数据的实时突发检测实验 | 第60-62页 |
5.3.2 图像像素序列的实时突发检测实验 | 第62-67页 |
5.4 小结 | 第67-68页 |
第六章 结束语 | 第68-69页 |
致谢 | 第69-70页 |
参考文献 | 第70-73页 |
作者在学期间取得的学术成果 | 第73-74页 |
附录A Ruzzo的MAXI算法 | 第74-75页 |
附录B Lappas的MAXII算法 | 第75-76页 |
附录C Dan的MACD算法 | 第76页 |
论文购买
论文编号
ABS2556495,这篇论文共76页
会员购买按0.30元/页下载,共需支付
22.8。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
38。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文