含噪声的海量多元时间序列降维方法研究

• 作者: 刘博 郭建胜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 多元时间序列 特征降维 共同核主成分 角度优化 噪声 云计算平台
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 137-142
• 页数: 6页
• 分类号: TP311
• 字数: 5806字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1402-0423

摘要

多元时间序列具有高噪声、非线性和海量的特点，但传统基于距离的降维方法难以有效的应对噪声带来的子空间偏移和数据的爆炸式增长。在基于角度优化的全局嵌入算法和共同核主成分分析方法的基础上，提出了一种基于角度优化的共同核主成分分析方法，并将该方法依托Hadoop平台进行了并行化改进，有效解决了噪音带来的子空间偏移和海量数据带来的巨大运算量问题。通过实验，对算法的有效性、运行效率及伸缩性进行了验证，结果表明提出的方法可以有效地对含有噪声的多元时间序列进行降维；基于Hadoop平台并行后的方法具有良好的运行效率和伸缩性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭建胜	空军工程大学装备管理与安全工程学院	61	381	10.0	16.0
2	刘博	空军工程大学装备管理与安全工程学院	4	5	1.0	2.0