时间序列数据挖掘——基于贝叶斯方法的孤立点探测

论文题目: 时间序列数据挖掘——基于贝叶斯方法的孤立点探测

论文类型: 硕士论文

论文专业: 概率论与数理统计

作者: 言方荣

导师: 陈平

关键词: 孤立点,抽样,二次抽样,方法

文献来源: 东南大学

发表年度: 2005

论文摘要: 随着现代信息技术的发展，在日常的商业运作中积累大量关于时间序列的数据，这些数据中蕴含了大量的商业信息，需要我们进行挖掘。孤立点的挖掘是其重要的一个内容。在传统的观念中，孤立点常常被认为是噪声数据或无用数据，分析时一般的方法是排除这些干扰数据。然而，一个对象的噪声可能是另一个对象的信号，这种处理方法可能导致重要的隐藏信息的丢失。目前，在时间序列分析领域，孤立点的挖掘越来越多的受到重视。Box和Tiao Abraham(1972)、Barnett和Lewis(1984)、Chung Chen和Lon-Mu Liu(1993)、Diaz(1991)、Moculloch Tsay(1994)、Cathy W．S(1997)都在这一方面做了一些有重要影响的工作。但他们的工作主要集中在这两点：(1)对数据进行孤立点的挖掘主要目的是为了更好的估计模型的参数，所采用的方法是删除这些孤立点，未考虑孤立点本身所蕴含的价值；(2)所考虑的模型主要是AR(p)模型，或将一个ARMA(p，q)模型转化为AR(p+q)模型。Lon-MU Liu．et(2001)在快餐行业的数据中进行了实例分析，真正考虑了孤立点所蕴含的商业价值。本文将在前人的基础上，着眼于含AO型孤立点的ARMA模型进行挖掘工作，目的是挖掘出孤立点所蕴含的重要信息。首先介绍了一般的孤立点的探测方法，然后从贝叶斯的观点，提出了利用Gibbs抽样方法挖掘ARMA模型序列中的AO型孤立点；针对序列中可能存在的多个连续的孤立点，提出了对算法的改进，并对其进行了模拟试验。最后，本文将所提出的方法应用到两个具体的实例，取得了较好的效果。

论文目录:

摘要

Abstract

第一章引言

第二章孤立点及孤立点模型

2.1 孤立点的本质

2.2 孤立点的定义

2.3 时间序列孤立点模型及孤立点的分类

2.4 AO型孤立点的一般挖掘方法

第三章贝叶斯方法的原则及理论

3.1 贝叶斯方法的原理

3.1.1 贝叶斯方法的观点

3.1.2 共轭先验

3.2 Gibbs抽样

3.2.1 标准 Gibbs抽样

3.2.2 二次 Gibbs抽样

3.3 探测 ARMA模型的可加性孤立点的贝叶斯方法

3.4 后验分布的一些性质

3.5 对于连续多个孤立点的改进

第四章举例及应用

4.1 模拟举例

4.2 实际运用

第五章结论和进一步的问题

5.1 结论

5.2 进一步的问题

第六章附录

6.1 定理1的证明

6.2 定理4的证明

致谢

参考文献

发布时间: 2007-06-11

参考文献

[1].时间序列奇异点趋势方向研究[D]. 付强.昆明理工大学2011
[2].基于多样化Top-k Shapelets的时间序列分类方法研究[D]. 孙其法.中国矿业大学2017
[3].基于相似搜索的时间序列预测方法及其应用[D]. 荣馨兵.大连海事大学2018
[4].基于HMM的时间序列分割[D]. 庄玉.福州大学2017
[5].时间序列分类及预测算法研究与应用[D]. 杨奇.西安电子科技大学2018
[6].基于时间序列的网约车在线司机与乘客发单的供需预测[D]. 朱本常.华中科技大学2019
[7].模型空间中的时间序列分类算法及其在不平衡数据上的应用[D]. 宫志晨.中国科学技术大学2018
[8].时间序列的细化二元熵和递归性研究[D]. 卞松寒.北京交通大学2018
[9].时间序列的复杂性和递归性研究[D]. 刘成功.北京交通大学2018
[10].非线性方法的时间序列组合模型在农产品价格预测中的应用研究[D]. 江粉桃.兰州交通大学2018

时间序列数据挖掘——基于贝叶斯方法的孤立点探测

猜你喜欢