时间序列的多尺度表示方法研究

发布时间：2023-11-24 18:53

　　随着信息产业的发展,我们已进入互联网+的大数据时代,大量数据被获取并积累。如何快速从规模海量,结构复杂并且形式多样的时间序列中快速提取有用的信息尤为重要。为了保证数据挖掘得到信息的准确性和有效性,需要对时间序列数据进行有效的表示。本文基于尺度空间的概念,提出多尺度的时间序列表示方法,从多个时间尺度对时间序列分析和表示,以便于后期综合考虑或选择合适尺度进行分析及异常检测。在多尺度表示方法的基础上,与典型异常检测算法相结合,采用权重因子综合多个尺度的异常分析结果,搭建了基于多尺度表示方法的时间序列异常检测框架。本文的主要研究内容有:(1)不同尺度在时间上体现为不同的时间间隔,如年月日小时分钟,不同人群或实际问题对时间尺度大小的需求不同,对时间序列的多尺度表示是一个值得研究的方向。高层管理者更为关注高尺度的数据(以年,季度等为单位),一线工作者更为关注低时间尺度的数据(以分钟,小时等为单位)。由此,本文提出多时间尺度的表示方法,以不同的时间间隔将时间序列均等划分为多个尺度,并使用同种表示方法对每一尺度进行特征提取,形成多时间尺度的数据表示。并采用每个尺度的最近邻距离作为异常得分,对每个尺度中...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 时间序列的异常类型
        1.2.2 时间序列中数据表示的研究现状
        1.2.3 时间序列中异常检测的研究现状
        1.2.4 多尺度分析的研究现状
    1.3 主要研究内容
    1.4 论文的结构安排
第二章 相关基础理论
    2.1 时间序列
    2.2 基于分段的数据表示方法
    2.3 基于距离的相似性度量方法
        2.3.1 欧氏距离
        2.3.2 k近邻距离
    2.4 多尺度的相关理论
    2.5 本章小结
第三章 多尺度的数据表示方法
    3.1 问题的提出
    3.2 多尺度表示方法的建立
        3.2.1 多尺度的表示方法构建
        3.2.2 多尺度表示的相关定义
        3.2.3 基于多尺度表示的相似性度量
        3.2.4 评价指标
        3.2.5 基于多尺度表示的异常检测框架
    3.3 基于时间多尺度表示方法的实验研究
        3.3.1 合成数据实验分析
        3.3.2 真实数据实验分析
    3.4 本章小结
第四章 基于多种特征的多尺度表示方法
    4.1 时间序列的多种特征的多尺度表示方法
        4.1.1 基于多特征的多尺度表示的模型建立
        4.1.2 基于多特征的多尺度表示的相关定义
    4.2 基于多种特征的多尺度表示异常检测方法
    4.3 实验研究
        4.3.1 合成数据集的实验分析
        4.3.2 真实数据集实验研究
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
作者简介



本文编号：3866392