时序数据粒化表示及其应用

本书针对时间序列数据存在的高维性、动态性和不确定性等特性, 以粒计算理论为基础, 研究时序数据的特征提取与表示及其应用。本书研究工作将丰富粒计算的理论和方法, 推动粒计算在时间序列特征提取与知识发现领域中的应用与发展, 在理论和方法上为时间序列大数据关键特征提取与表示、数据挖掘与知识发现提供新方法和新思路。

  1绪论...

1.1时间序列表示方法

1.2时间序列相似性度量。

2基于动态规划的多元时间序列分割2.1引言.

2.2多元时间序列的动态规划分割2.2.1分割代价.

2.2.2分割误差的递归计算.....2.2.3动态规划分割方法..

2.2.4自回归阶数和分割阶数的确定...2.3实验结果及分析..

2.3.1仿真实验.......

2.3.2多元水文气象学时间序列实验.....2.4本章小结.

3基于模糊聚类的时间序列分割与聚类........3.1引言

3.2时间序列的分割与模糊聚类.........3.2.1动态时间规整与均值计算...........

3.2.2目标函数..

3.2.3划分矩阵的确定...

3.3实验结果及分析

3.3.1一元时间序列仿真实验·

103.3.2多元时间序列仿真实验

3.3.3一元水文气象学时间序列实验.....3.3.4多元水文气象学时间序列实验....3.4本章小结

4基于信息粒化的时间序列长期预测4.1引言

4.2时间序列的长期预测..

3014.2.1时间序列的粒化分割......4.2.2时间序列片段等长化....14.2.3基于HMM的长期预测

4.3实验结果及分析

4.3.1混沌时间序列实验..

4.3.2电费价格时间序列实验·

4.3.3温度时间序列实验...

4.4本章小结·

5基于信息粒化的时间序列模糊聚类·5.1引言·

5.2时间序列的粒化降维.

5.2.1时间序列粒化。

5.2.2时间序列粒化表示.

5.3粒化时间序列的模糊聚类

5.3.1目标函数

5.3.2原型的计算。

5.4实验结果及分析

5.4.1 UCR数据集实验

5.4.2股票数据实验

5.5本章小结·

6基于趋势粒化的时间序列系统聚类

6.1引言

6.2趋势粒化时间序列的系统聚类·

6.2.1时间序列的趋势粒化.

6.2.2粒化序列的相似性度量

6.2.3粒化序列的系统聚类..

6.3实验结果及分析

6.3.1 CBF数据集实验

6.3.2 Synthetic Control数据集实验

6.3.3A股上市港口公司数据实验6.4本章小结

7基于趋势粒化的时间序列加权模糊聚类.7.1引言

7.2趋势粒化时间序列的加权模糊聚类7.2.1目标函数

7.2.2原型的计算

7.3实验结果及分析

7.3.1 Synthetic Control数据集实验7.3.2 UCR数据集实验

7.3.3股票数据实验

7.4本章小结

8基于公理模糊集的金融时间序列粒化及聚类

8.1引言

8.2GARCH模型

8.3AFS信息粒

8.3.1 AFS基础

8.3.2AFS粒化

8.4 AFS系统聚类

8.4.1AFS信息粒的层次结构........

8.4.2 AFS信息粒的合并原则

8.5实验结果及分析..

8.6本章小结

参考文献·