噪声鲁棒的动态时间规整算法

动态时间规整(DTW)算法通过寻找两个时间序列的最佳匹配衡量序列之间的相似性。针对序列中存在的噪声容易导致时间序列匹配时局部出现过度拉伸和压缩问题,提出了一种噪声鲁棒的动态时间规整(NoiseDTW)算法。首先,在原始的信号中引入额外噪声,解决序列对齐中存在的一个点对齐多个点的问题;然后,通过在两个时间序列之间多条可能的匹配路径中找到一条最优的匹配路径,减少噪声的随机性对时间序列相似性度量的影响;最后,将匹配路径映射到原始序列上。实验结果表明,相较于欧氏距离(ED)、DTW、Sakoe-Chiba窗口动态时间规整(Sakoe-Chiba DTW)和加权动态时间规整(WDTW)算法,所提算法结合K-近邻(KNN)分类器得到的分类准确率在8个时间序列数据集上分别比次优算法提高了1~15个百分点。可见所提算法具有较好的分类性能,且对噪声具有鲁棒性。

基于密度的局部离群数据挖掘方法的改进

针对传统局部离群点检测算法的局限性进行了研究,提出了一种新的有效的离群数据挖掘算法。该算法在寻找数据点的近邻区域时采用了基于影响空间的局部离群点检测(INFLO)中影响空间的概念,然后在计算数据点的离群因子时,根据基于链接的离群点检测(COF)中链式距离的思想,提出了基于相似k距离邻居序列(SKDNS)的离群因子计算方法。通过对比该算法和其他经典局部离群点检测算法在不同数据分布情况下的挖掘结果,该算法比LOF、INFLO和COF算法的离群挖掘准确性更高,能有效克服LOF算法的不足,提高局部离群数据挖掘的准确性和多样性。

基于加权范数的多维时间序列相似性主元分析

为提高多维时间序列相似性搜索的效率,利用多维时间序列的协方差矩阵的特征值和特征向量构造加权Frobe-nius范数,将其作为多维时间序列主元之间距离,并将其用于对多维时间序列主元相似度的度量.在相似性搜索算法中分别采用不同的相似性度量方法作比较.实验结果表明,相对于其他的传统多维时间序列相似性度量方法,这种基于加权Frobenius范数的方法在查全率和查准率上具有更大的优越性.

一种新的不确定性时间序列概率相似查找方法

针对传统的数据管理中的数据表示、存储与索引、查询与挖掘等所有技术,不能直接应用于不确定性时间序列数据的相似性查找的不足.研究了可用于不确定性时间序列数据的降维表示、索引与剪枝、查找等理论与技术,针对不确定性时间序列数据结构的复杂性,首次给出了不确定性时间序列上的概率最近邻的定义;将不确定性时间序列进行了PLA降维,转换到PLA空间,并提出了三个引理,用以加速查找效率;基于该三个引理,提出了概率K最近邻查找算法PKNNS.通过实验,验证了PKNNS算法的有效性和效率.

基于LDTW的动态时间规整改进算法

限制对齐路径长度的动态时间规整(LDTW)算法存在时间复杂度高和计算量大的问题。基于LDTW算法提出固定对齐路径长度的动态时间规整(FDTW)算法。通过调整LDTW算法中对齐路径长度的控制策略,由控制在某个区间改为固定到某个具体值,相应缩减累计代价矩阵中元素的计算范围。在UCR时间序列数据集上的实验结果表明,FDTW与LDTW算法的分类准确率持平,但FDTW算法在分类过程中的时间开销更小,并且能有效降低累计代价矩阵元素的计算量,提高计算效率。

一种基于分割K-最近邻算法的传染病预测方法

传染病预测是时间序列预测中的一个重要应用领域,针对常用传染病预测算法准确率较低的问题,提出一种基于数据分割的最近邻算法,对相同月份的数据进行相似度计算。将传染病数据按照月份进行分割,得到不同年份、相同月份的时间序列数据,运用K-最近邻(KNN)的方法对时间序列数据进行相似度计算,得出最相似的时间序列的预测序列预测值。利用上海市疾病预防控制中心腹泻数据进行实验,结果表明,该方法能够充分考虑到月份对腹泻人数的影响,与改进前的基于KNN的连续时间序列预测算法相比,平均绝对误差值、平均百分比误差值、均方根误差值分别降低38.52,0.07,47.86,与传统的预测方法 ARIMA相比,平均绝对误差、平均百分比误差值、均方根误差值分别降低23.04,0.07,28.12。

基于子序列相似性的时间序列语义挖掘算法

时间序列是对某个事物或系统进行连续同间隔测量得到的数值序列,挖掘时间序列中潜在的语义信息对于发现系统运行规律或识别系统突发异常至关重要,然而目前多数时间序列语义挖掘算法对于时间序列数据特征有一定的约束条件,难以处理海量且特征各异的时间序列数据。针对该问题,提出一种基于子序列相似性的时间序列语义挖掘算法。通过计算子序列的相似性,将时间序列分割成片段序列进行两级聚类,识别出时间序列中潜在的物理状态。引入基于概率的迭代模式,根据候选分段情况动态调整子序列被选为参考子序列的概率,保证参考子序列涵盖全部物理状态。实验结果表明,该算法在PAMAP、Barbet等5个真实数据集上的识别准确率均超过90%,相比于FLUSS、pHMM、AutoPlait算法具有更高的识别准确率与运行效率以及更强的通用性。

基于时间序列相似性的患者结局预测模型

目的评估患者时间序列相似性,验证融合时间序列相似性的K近邻(K-nearest neighbor,KNN)模型是否可以有效提高患者结局预测的效果。方法整合Medical Information Mart for Intensive Care(MIMIC-Ⅲ)数据库中急性心肌梗死患者的人口学信息、药物使用情况、疾病诊断、影像学报告、实验室指标以及手术操作数据,使用Jaccard系数、欧氏距离、编辑距离以及动态时间规整计算患者相似性。分别以入院基线数据和住院全程数据计算患者相似性,进而对患者死亡、长时住院和长时重症监护(intensive care unit,ICU)进行预测。使用接受者操作特征曲线下面积(area under curve,AUC)评估预测效果,与基于静态数据的支持向量机(support vector machine,SVM)模型、基于时间序列的长短时记忆(long short-term memory,LSTM)模型进行对比。结果输入数据为住院全程数据时,KNN模型在死亡和长时住院预测中AUC值为0.877和0.946,高于SVM模型(0.825,0.930)和LSTM模型(0.853,0.928);输入数据为入院基线数据时,KNN模型在三个结局预测中AUC值为0.680、0.738、0.728,与SVM模型(0.719,0.715,0.708)相比各有高低。结论时间序列患者相似性与机器学习方法相结合可以有效提高信息利用率和模型的预测效果。

基于改进ADPP的多变量时间序列异常检测

针对多变量时间序列异常检测问题进行研究,提出基于改进ADPP的多变量时间序列异常检测算法IADPP.IADPP算法引入适用于多变量时间序列的张量相似性度量SSOTPCA,并以此相似性度量构造序列集的k-近邻图,在构造的k-近邻图上计算多变量时间序列的异常系数.研究结果表明,IADPP算法克服了原有ADPP算法不支持多变量时间序列和要求密度均匀的缺陷,取得了较好的检测结果.