针对区间型时间序列的降维与相似性查询研究

摘要

在大数据时代的众多数据类型中，时间序列因其在众多领域内的广泛应用而受到普遍关注，包括降维、索引、查询在内的诸多技术被广泛研究。但某些应用场景更关注数据的范围而非精确值，用传统的时间序列数据类型进行描述并不合适。为此，本文在时间序列的基础上引入了区间型时间序列这一新数据类型。区间型时间序列在每一个时间点上用一个区间来对测量值进行描述。本文提出了区间型时间序列的降维算法，并基于此给出了一个相似性查询系统的实现。
　　本文首先对时间序列的研究意义进行了讨论，进而提出区间型时间序列的定义，并分析了其基本性质。接着先是对传统针对时间序列的降维算法进行了回顾与分析。本文的核心工作是提出了一种基于正交变换的针对区间型时间序列的降维算法。在此基础之上，以R*树为索引结构实现了针对区间型时间序列的相似性查询系统。另外，分别做了实验证明了降维算法和查询系统的性能。

目录

声明

摘要

1 绪论

1．1 时间序列数据类型的研究意义

1．2 时间序列降维技术的研究意义

1．3 时间序列相似性查询技术的研究意义

1．4 区间型时间序列降维和查询问题描述

1．5 本文工作

1．6 本文结构

2 传统时间序列降维算法概述

2．1 主成分分析算法

2．2 离散傅里叶变换算法

2．3 离散小波变换算法

2．4 分段聚合估计算法

2．5 一种可用于区间型时间序列降维的算法

2．6 传统降维算法在处理区间型时间序列时面对的问题

2．7 本章小结

3 一种针对区间型时间序列的降维算法

3．1 区间型时间序列定义及基本性质

3．2 朴素的降维算法

3．2．1 “(☉)”操作定义

3．2．1 基本属性

3．3 优化后的降维算法

3．4 实验

3．4．1 实验一

3．4．2 实验二

3．5 本章小结

4 区间型时间序列相似性查询系统的实现

4．1 相似性查询概述

4．2 高维数据空间索引技术概述

4．2．1 R树及R*树

4．3 实验

4．3．1 实验一

4．3．2 实验二

4．4 本章小结

5 结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢