亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種基于DTW的符號化時間序列聚類算法*

        2011-07-25 00:33:58李迎
        關(guān)鍵詞:符號化關(guān)鍵點相似性

        李迎

        (遼寧師范大學 計算機與信息技術(shù)學院,遼寧 大連 116081)

        時間序列(Time Series)挖掘是數(shù)據(jù)挖掘中的一個重要研究分支,有著廣泛的應(yīng)用價值。近年來,時間序列挖掘在宏觀的經(jīng)濟預測、市場營銷、客流量分析、太陽黑子數(shù)、月降水量、河流流量、股票價格變動等眾多領(lǐng)域得到了廣泛應(yīng)用[1]。

        時間序列的相似性是衡量兩個時間序列相似程度的一個重要指標,它是時間序列聚類、分類、異常發(fā)現(xiàn)等諸多數(shù)據(jù)挖掘的基礎(chǔ),也是研究時間序列挖掘的核心問題之一[2]。歐氏距離 (Euclidean)和動態(tài)時間彎曲距離(Dynamic Time Warping)是計算時間序列相似性時經(jīng)常被采用的兩種度量方式。歐氏距離對時間軸上的輕微變化非常敏感,一些輕微的變化可能使歐氏距離的變化很大,而動態(tài)時間彎曲距離可以有效地消除歐氏距離這個缺陷,動態(tài)時間彎曲可以廣泛應(yīng)用在自然科學、醫(yī)學、企業(yè)和經(jīng)濟等方面[3]。SAX(Symbolic Aggregate Approximation)[4]是一種運用符號化方法對時間序列進行表示、維度約簡及相似性度量的方法。但SAX方法采用PAA算法將時間序列平均劃分,不能很好地計算序列之間的相似度。而利用均分點和關(guān)鍵點對序列進行分段,既考慮了序列本身概率分布的變化,又兼顧到序列形態(tài)的變化。

        本文提出一種基于DTW的符號化時間序列聚類算法,在提取關(guān)鍵點之后,再進行符號化時間序列,以達到降維的目的。降維之后得到的符號序列為不等長序列,采用動態(tài)時間彎曲距離 (DTW)方法進行計算,魯棒性好。然后通過DTW得到的距離矩陣構(gòu)建復雜網(wǎng)絡(luò),并尋找其社團結(jié)構(gòu),實現(xiàn)了符號時間序列聚類。本文用DTW方法進行相似性度量比KPDIST[4]在聚類結(jié)果的準確率上有較好大提高。

        1 相關(guān)知識

        1.1 時間序列關(guān)鍵點的選取

        基于參考文獻[5]可知,時間序列中的極值點 EP成為關(guān)鍵點KP的條件為:

        條件1.xi保持極值的時間段與該序列長度的比值必須大于某個閾值C;

        條件2.若條件1不滿足,則包含xi的最小序列模式<xi-1,xi,xi+1>中,三點連線形成的夾角小于篩選角度α0。

        1.2 DTW算法

        動態(tài)時間彎曲方法公式如下[3]:

        1.3 基于Normal矩陣的譜平分法[6]

        將一個時間序列作為一個節(jié)點,如果兩個時間序列間的相似度大于給定的閾值,則認為這兩個節(jié)點有邊相連,否則它們之間就沒有邊。這樣就構(gòu)造了時間序列間的一個復雜網(wǎng)絡(luò)G。對于網(wǎng)絡(luò)G,有其鄰接矩陣A。利用基于Normal矩陣的譜平分方法可以實現(xiàn)復雜網(wǎng)絡(luò)的社團劃分。

        2 本文算法實現(xiàn)

        2.1 關(guān)鍵點提取

        輸 入 :時 間 序 列 X=<(t1,x1),…(ti,xi),…,(tn,xn)>(0<i<n)篩選夾角 α0,預設(shè)數(shù)據(jù)壓縮率p;

        輸出:關(guān)鍵點集合 KPS=<KP1,…,KPi,…,KPn>

        (1)根據(jù)推論 1,由 p計算系數(shù)x;

        (2)初 始 化 ,KP1=x1,xN,x2N,… ,xωN,ω 是 均 分 段 數(shù) ,N 是每個平均分段內(nèi)數(shù)據(jù)的個數(shù);

        (3)從KP1=x1開始判斷時間序列的單調(diào)性,獲得包含 3個極值點 xi-p,xi,xi+q的局部時間序列 X=<xi-p,…,xi-1,xi,xi+1,…,xi+q>,待考察的極值點為 xi,包含該點的最短時間序列為<xi-1,xi,xi+1>;

        (4)計算max(|xi-xi-1|,|xi-xi+1|),假設(shè)返回|xi-xi+1|;

        (7)將點 xi并入集合 KPS,更新區(qū)間[u-xσ,u+xσ]; 返回(1),對下一極值點進行判斷。

        2.2 基于DTW的符號化聚類算法

        輸入:時間序列集。

        輸出:聚類結(jié)果。

        (1)對每個序列,運用上面的算法得到最終的關(guān)鍵點序列;

        (2)計算序列C在各區(qū)間[KPci,KPcj)內(nèi)的均值,并表示為符號序列;

        (3)對序列C和序列Q的符號序列進行相似性距離計算(DTW計算和KPDIST計算);

        (4)根據(jù)相似度,構(gòu)建復雜網(wǎng)絡(luò)G;此處要給相似度賦予一個閾值,相似性小于閾值的點則認為無邊連接。

        (5)用Normal矩陣方法FCM算法對復雜網(wǎng)絡(luò) G進行社團劃分,得到聚類結(jié)果。

        3 實驗結(jié)果與分析

        本文實驗采用Keogh博士的Synthetic Control和ECG數(shù)據(jù)集。實驗環(huán)境為2.66 GHz CPU Pentium?4 PC機,1 GB內(nèi)存,操作系統(tǒng)為Windows XP Professional。算法實現(xiàn)軟環(huán)境為 matlab 7.0和VC++6.0。Synthetic Control數(shù)據(jù)集的實驗數(shù)據(jù)為300條,每條時間序列長度為60。ECG數(shù)據(jù)集有100個樣本序列,每條時間序列長度為96(http://www.cs.ucr.edu/~eamonn/time_series_data/)。 原 時間序列維度為60和96,經(jīng)過關(guān)鍵點提取、符號化之后,維度大大降低,這為后期處理帶來了很大的方便。 在本實驗中,關(guān)鍵點提取時篩選角度為45°,預設(shè)的壓縮率為80%,劃分了4個區(qū)間段,用符號表示時為a,b,c,d四種字母。由于實驗數(shù)據(jù)的樣本個數(shù)很多,這里只顯示synthetic control的部分實驗結(jié)果。表1為降維后的前4個符號序列實驗結(jié)果。

        表1 Synthetic Control序列1-4 KP_SAX字符串結(jié)果

        表2為Normal矩陣得到的非平凡特征值對應(yīng)的非平凡特征向量,根據(jù)譜平分算法思想,同一社團內(nèi)的節(jié)點相應(yīng)的元素xi非常接近。從特征向量的分析中可以看出,將DTW與復雜網(wǎng)絡(luò)知識應(yīng)用在符號化時間序列上是一種較好的創(chuàng)新。

        由DTW距離矩陣得到的網(wǎng)絡(luò)中,第一非平凡特征值取值為:0.252 9,而通過KPDIST距離矩陣得到的復雜網(wǎng)絡(luò)中,第一非平凡特征值取值為:0.125 7,從特征值中就可以初步判斷,DTW得到的特征值更為準確,這兩個特征值對應(yīng)的特征向量的區(qū)間表如表2所示。

        表2 synthetic control的特征向量分布表

        表3為兩種算法對同樣數(shù)據(jù)集進行聚類得到的結(jié)果。數(shù)據(jù)集Synthetic control采用本文方法正確率為76.3%。而利用KPDIST算法正確率為69%;數(shù)據(jù)集ECG,本文的正確率為72%,KPDIST的正確率為65%。

        表3 聚類結(jié)果

        SAX是一種符號化的時間序列相似性度量方法,該方法在對時間序列劃分時,采用了PAA算法的均值劃分,得出的結(jié)果不能精確地表示出原時間序列,故將關(guān)鍵點提取方法與PAA方法相結(jié)合,在對原序列降維的同時又能更準確地表示原時間序列。本文將復雜網(wǎng)絡(luò)知識和時間序列降維方法相結(jié)合,給出了一種時間序列的聚類方法。該算法用DTW算法計算時間序列間的相似度,而后從時間序列的相似度得到一個復雜網(wǎng)絡(luò),此復雜網(wǎng)絡(luò)表示了時間序列相互間的關(guān)系。最后采用Normal矩陣的方法進行網(wǎng)絡(luò)劃分,得到一個網(wǎng)絡(luò)的社團結(jié)構(gòu)。從這個社團結(jié)構(gòu)中已能看出樣本時間序列的歸屬類別,但為了結(jié)果更加清晰,用具體數(shù)字來體現(xiàn),所以采用了FCM聚類算法進行最后的聚類。實驗結(jié)果表明,用DTW方法計算序列之間的相似度結(jié)合在降維后的符號化時間序列上比原文KPDIST方法在準確率上有較好大提高。

        [1]毛國君,段立娟,王實,等.數(shù)據(jù)挖掘原理與算法(第二版)[M].北京:清華大學出版社,2007.

        [2]劉懿,鮑德沛,楊澤紅.新型時間序列相似性度量方法研究[J].計算機應(yīng)用研究,2007,24(5):112-114.

        [3]KEOGH E,RATANAMAHATANA C A.Exact indexing of dynamic time warping[J].Springer-Verlag London Ltd,2005,10.1007/s10115-004-0154-9:358-386.

        [4]閆秋艷,孟凡榮.一種基于關(guān)鍵點的 SAX改進算法[J].計算機研究與發(fā)展,2009,46(z2):483-490.

        [5]杜奕.時間序列挖掘相關(guān)算法研究及應(yīng)用[D].合肥:中國科學技術(shù)大學,2007.

        [6]汪小帆,李翔,陳關(guān)榮.復雜網(wǎng)絡(luò)理論及其應(yīng)用[M].北京:清華大學出版社,2006:169-171.

        猜你喜歡
        符號化關(guān)鍵點相似性
        一類上三角算子矩陣的相似性與酉相似性
        小學數(shù)學教學中滲透“符號化”思想的實踐研究
        聚焦金屬關(guān)鍵點
        肉兔育肥抓好七個關(guān)鍵點
        淺析當代中西方繪畫的相似性
        河北畫報(2020年8期)2020-10-27 02:54:20
        關(guān)于一階邏輯命題符號化的思考
        現(xiàn)代流行服飾文化視閾下的符號化消費
        低滲透黏土中氯離子彌散作用離心模擬相似性
        醫(yī)聯(lián)體要把握三個關(guān)鍵點
        鎖定兩個關(guān)鍵點——我這樣教《送考》
        語文知識(2014年7期)2014-02-28 22:00:26
        麻麻张开腿让我爽了一夜| 日韩精品在线观看在线| 国产不卡在线免费视频| 国产日产免费在线视频| 亚洲av毛片在线播放| 日韩人妻无码精品一专区二区三区 | 2021年性爱喷水视频| 亚洲女同免费在线观看| 免费的日本一区二区三区视频| 亚洲熟妇av日韩熟妇在线| 亚洲暴爽av人人爽日日碰| 大伊香蕉精品视频一区| 久久99人妖视频国产| 亚洲av综合av一区| 国产成人午夜精华液| 香蕉视频在线观看国产| 国产精品入口蜜桃人妻| 青青草视全福视频在线| 久久精品熟女亚洲av麻| 国产av无码专区亚洲awww| 偷亚洲偷国产欧美高清| 少妇性l交大片免费1一少| 国产高清在线观看av片| 精品国产一区二区三区久久狼| 无码91 亚洲| 久久精品久99精品免费| 把女邻居弄到潮喷的性经历| 日韩成人免费一级毛片| 日本伦理视频一区二区| 亚洲av综合色区无码专区桃色| 亚洲美免无码中文字幕在线| 百合av一区二区三区| 国产偷拍盗摄一区二区| 国产精品内射久久一级二| 米奇7777狠狠狠狠视频影院| 99福利网| 亚洲高清精品一区二区| 国产精品久久久久9999| 国产成人无码一二三区视频| 中文字幕亚洲日本va| 亚洲精品无码不卡|