基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
由于不确定时间序列的长度很长,并且每个采样点的取值具有不确定性,导致了维度灾难和庞大的可能世界集,给不确定时间序列相似性匹配带来了巨大的困难,因此对不确定时间序列降维是实现对其方便存储、快速查询和相似性匹配的首要任务.不确定时间序列普遍采用小波变换的降维方法,但是该方法没有考虑到采样点之间的相关性.为解决该问题,提出一种基于概率统计和数据相关性的降维方法,该方法将不确定时间序列分为概率维度和时间维度,并分别对两维度进行降维.在时间维度,根据采样点之间的相关性,使用某个采样点代表后续相关度高的采样点;在概率维度,使用大概率点表示相邻的小概率点.实验效果表明:使用该方法对不确定时间序列进行降维后,降维序列可以保持原序列的变化趋势,压缩程度显著,并且可近似地恢复原序列.
推荐文章
不确定时间序列的相似性匹配研究
时间序列
不确定性
匹配
降维
欧氏距离
基于关键点的不确定时间序列线性降维方法
不确定时间序列
描述统计模型
关键点
线性降维
多特征不确定时间序列的关联趋势分析
时间序列
相关度
直觉模糊集
区间数
集对分析
不确定时间序列的降维及相似性匹配
不确定时间序列
降维
相似性匹配
离散傅里叶变换(DFT)
离散余弦变换(DCT)
离散小波变换(DWT)
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 不确定时间序列的统计降维方法
来源期刊 计算机科学 学科 工学
关键词 时间序列 不确定性 降维 统计 相关性
年,卷(期) 2014,(8) 所属期刊栏目 2013年全国理论计算机科学学术年会
研究方向 页码范围 125-129
页数 5页 分类号 TP311
字数 6523字 语种 中文
DOI 10.11896/j.issn.1002-137X.2014.08.028
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 刘国华 东华大学计算机科学与技术学院 63 422 9.0 18.0
2 陈爱东 东华大学计算机科学与技术学院 3 40 3.0 3.0
3 肖瑞 东华大学计算机科学与技术学院 6 43 4.0 6.0
4 宋转 东华大学计算机科学与技术学院 5 21 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (4)
同被引文献  (13)
二级引证文献  (5)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(4)
  • 引证文献(3)
  • 二级引证文献(1)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
时间序列
不确定性
降维
统计
相关性
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
论文1v1指导