时间序列的多尺度表示方法研究

论文摘要

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,对每个尺度中表示的给定序列的异常程度进行评价。通过使用权重因子,对所有尺度的异常得分进行加权得到最终的异常检测结果。对合成数据和公开数据进行的实验研究结果表明该方法相较于单一尺度的表示方法具有更高的准确率,F1分数是PAA方法的1.5倍。（2）人类观察某一事物时往往从多个角度进行观察分析,并将得到信息综合考虑。由于每个尺度均采用同样的表示方法导致其只关注单一类型的特征,容易导致漏检和误检现象。因此在多时间尺度的数据表示方法基础上,提出多种特征的多尺度表示方法,每个尺度选用不同的数据表示方法以提取相应尺度空间上形成的各种特征。达到从不同角度观察并分析同一时间序列的目的,满足用户的多样需求。实验表明,该方法对各种异常的识别能力较好,显示出比单一尺度方法更高的准确性,平均改进61.65%,最小和最大改进分别为21.5%和131.5%。

论文目录

文章来源

类型: 硕士论文

作者: 李曼晴

导师: 任获荣,高云升

关键词: 多尺度,时间序列,数据表示,异常检测

来源: 西安电子科技大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 西安电子科技大学

分类号: O211.61;TP311.13

DOI: 10.27389/d.cnki.gxadu.2019.001761

总页数: 73

文件大小: 4388K

下载量: 81

相关论文文献

• [1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
• [2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
• [3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
• [4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
• [5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
• [6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
• [7].王嵬作品[J]. 当代油画 2017(07)
• [8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
• [9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
• [10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
• [11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
• [12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
• [13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
• [14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
• [15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
• [16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
• [17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
• [18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
• [19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
• [20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
• [21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
• [22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
• [23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
• [24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
• [25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
• [26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
• [27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
• [28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
• [29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
• [30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)

标签：多尺度论文;  时间序列论文;  数据表示论文;  异常检测论文;