原文服务方: 计算机应用研究       
摘要:
水文时间序列异常挖掘目前大多采用基于距离的方法.为了克服该方法耗时长、计算量大的缺点,采用一种符号化算法,用扩展符号聚集近似对序列符号化表示,再对字符串进行距离度量,并以太湖流域小梅口站逐日水位数据为例进行验证.实验表明该方法的挖掘结果更全面,运算效率很高,更适合处理大规模数据集.
推荐文章
基于金融时间序列的符号聚合近似测度的改进
金融时间序列
维数降低
模式匹配
图形模式
改进的符号聚合近似表示法
基于符号表示的时间序列分类综述
时间序列
符号表示方法
符号序列分类
基于嵌入式索引的水文时间序列预测模型
时间序列
相似性分析
水文预测
BP神经网络
基于滑动窗口及局部特征的时间序列符号化方法
时间序列
滑动窗口
局部特征
符号化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于扩展符号聚集近似的水文时间序列异常挖掘
来源期刊 计算机应用研究 学科
关键词 水文时间序列 异常挖掘 符号化 距离度量
年,卷(期) 2012,(12) 所属期刊栏目 算法研究探讨
研究方向 页码范围 4479-4481,4502
页数 4页 分类号 TP399
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2012.12.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱跃龙 河海大学计算机与信息学院 83 627 13.0 21.0
2 张鹏程 河海大学计算机与信息学院 35 115 8.0 8.0
3 刘千 河海大学计算机与信息学院 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (19)
参考文献  (3)
节点文献
引证文献  (9)
同被引文献  (30)
二级引证文献  (24)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(9)
  • 参考文献(0)
  • 二级参考文献(9)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(12)
  • 引证文献(1)
  • 二级引证文献(11)
2020(11)
  • 引证文献(1)
  • 二级引证文献(10)
研究主题发展历程
节点文献
水文时间序列
异常挖掘
符号化
距离度量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导