时序数据曲线排齐的相关性分析方法

• 作者: 姜高霞 王文剑
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 伪回归 时间弯曲 相关性 曲线排齐 曲线光滑
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 大数据分析专刊
• 页码范围: 2002-2017
• 页数: 16页
• 分类号: TP311
• 字数: 11161字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004635

摘要

时序数据是数据挖掘的一类重要对象。在做时序数据分析时，若不考虑数据的时差，则会造成相关性的误判。所以，时序数据存在相关性和时差相互制约的问题。通过对时序数据的相关性和协同性进行研究，给出了双序列的相关性判定方法和曲线排齐方法。首先，从时间弯曲的角度分析了两类相关性错误产生的原因及其特点；然后，根据相关系数的渐近分布得到相关系数在一定显著性水平上的界，将两者综合得到基于时移序列相关系数特征的相关性判定方法；最后，提出一种基于相关系数最大化的曲线排齐模型，其适用范围比AISE准则更广。模型采用光滑广义期望最大化(S-GEM)算法求解时间弯曲函数。在构造数据和真实数据上的数值实验结果表明：该相关性判别方法在伪回归识别中，比常规的3种相关系数以及Granger因果检验更有效；提出的S-GEM算法在大多数情况下明显优于连续单调排齐法(CMRM)、自模型排齐法(SMR)和极大似然排齐法(MLR)。该文考虑的是双序列的线性相关问题和函数型曲线排齐方法，这些结果可为回归分析的相关性判定和时间对齐提供理论基础，并为多序列相关性分析和曲线排齐提供参考方向。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文剑	山西大学计算机与信息技术学院	97	798	14.0	23.0
2	姜高霞	山西大学计算机与信息技术学院	14	49	3.0	6.0