精品国产三级a∨在线,午夜在线国产精品拍自

內容簡介

　　本書以時間序列數(shù)據(jù)為研究對象，對時間序列數(shù)據(jù)的特征表示和相似性度量進行較為深入和系統(tǒng)的研究，講述了如何從數(shù)據(jù)特征的不同角度進行數(shù)據(jù)降維，結合設計相應的相似性度量方法實現(xiàn)時間序列數(shù)據(jù)挖掘，同時將相關的特征表示和相似性度量方法應用于文本主題、經濟金融、情報分析和發(fā)動機參數(shù)等具體領域。全書分為 11章：第1章對研究的背景和現(xiàn)狀進行了分析，解釋了為什么要研究時間序列數(shù)據(jù)的特征表示和相似性度量。第2章至第6章從時間序列數(shù)據(jù)的不同視角出發(fā)，深入淺出地介紹了新的時間序列數(shù)據(jù)特征表示和相似性度量等預處理方法。第7章到第10章以主題分析、股票預測、文獻分析、發(fā)動機參數(shù)特征識別和故障檢測為目標，將時間序列數(shù)據(jù)挖掘中的特征表示和相似性度量方法應用于解決具體行業(yè)中的相關管理科學問題。第11章對研究進行了總結，并提出了研究的創(chuàng)新和未來研究方向。本書的研究內容主要涉及統(tǒng)計學、計算機科學、經濟學和管理學等，適合從事經濟金融、電子信息、生物醫(yī)學、工業(yè)與工程等工作的技術人員、管理人員或有志從事相關領域科學研究的本科生、研究生學習或參考。通過閱讀和學習本書，讀者可以較好地了解時間序列數(shù)據(jù)挖掘與傳統(tǒng)時間序列數(shù)據(jù)分析的不同，為今后的時間序列數(shù)據(jù)的相關研究奠定基礎。

作者簡介

　　李海林，男，博士，教授，博士生導師，曾任華僑大學工商管理學院院長助理，信息管理系主任，教務處副處長，研究方向為數(shù)據(jù)科學和創(chuàng)新管理等 ;國家自然科學基金通訊評審專家，教育部學位中心研究生學位論文評審專家，中國信息經濟學會理事會理事，中國系統(tǒng)工程學會數(shù)據(jù)與知識專委會委員，泉州市信息化項目評審專家 ;在InformationSciences、Pat-ternRecognition、《系統(tǒng)工程理論與實踐》《科學學研究》和《情報學報》等國內外重要刊物，以及 SIGKDD、ICDM和PAKDD等國際數(shù)據(jù)挖掘會議上發(fā)表論文70余篇，其中大部分被 SSCI、 20多篇論文分別發(fā)表在運籌SCI和 EI收錄，學與管理科學、人工智能和應用數(shù)學等領域的 TOP期刊，近30篇論文發(fā)表在中科院 SCI和SSCI分區(qū) 1區(qū)和 2區(qū)期刊 ;主持 2項國家自然科學基金和 6項省部級項目，參與完成其他各類級科研項目 10余項 ;以第一作者身份獲福建省“第十二屆社會科學優(yōu)秀成果獎二等獎 ”（政府獎），入選福建省 “ABC高層次人才 ”、福建省 “高校新世紀優(yōu)秀人才支持計劃 ”、福建省 “高校杰出青年科研人才培育計劃 ”，博士論文被評為遼寧省 “優(yōu)秀博士學位論文 ”，被評為泉州市第三層次人才，連續(xù)獲得兩屆華僑大學 “學術英才 ”稱號。郭崇慧，男，博士，教授，博士生導師，大連理工大學系統(tǒng)工程研究所所長，大數(shù)據(jù)與智能決策研究中心主任，大連市數(shù)據(jù)科學與知識管理重點實驗室主任，曾任管理科學與工程學院院長 ;中國系統(tǒng)工程學會常務理事，中國管理科學與工程學會常務理事，遼寧省數(shù)量經濟學會常務理事，遼寧省運籌學會理事，遼寧省自動化學會理事，國家自然科學基金委創(chuàng)新研究群體學術骨干，《系統(tǒng)工程理論與實踐》和《系統(tǒng)工程與電子技術》編委 ; 2007年入選 “遼寧省百千萬人才工程 ”人選，2011年入選教育部 “新世紀優(yōu)秀人才支持計劃 ”;擔 2013年訪問悉尼科技大學量子計算與智能系統(tǒng)研究中心，任高級研究學者;擔任高級研究 2016年訪問新澤西州立大學羅格斯商學院，學者;主要研究方向為系統(tǒng)建模與優(yōu)化、數(shù)據(jù)挖掘與商務智能、決策理論與方法、知識管理;主持國家自然科學基金面上項目、國家軟科學研究計劃項目、中國博士后科學基金項目等，參與完成國家973重點基礎研究發(fā)展項目、國家高科技研究發(fā)展計劃863項目、國家自然科學基金重大國際合作研究項目、國家自然科學基金重點項目等科研項目10余項;在國內外學術期刊發(fā)表論文10余篇，其中SCI收錄30余篇，EI收錄60余篇;出版著作及教材6部，譯著1部。

圖書目錄

第1章緒論1
1.1選題背景及研究意義1
1.1.1選題背景2
1.1.2研究意義4
1.2研究現(xiàn)狀和已有研究的不足之處7
1.2.1特征表示研究現(xiàn)狀8
1.2.2相似性度量研究現(xiàn)狀17
1.2.3已有研究的不足之處27
1.3本書研究內容和框架結構29
1.3.1研究內容30
1.3.2框架結構32
第2章基于正交多項式回歸系數(shù)的特征表示及相似性度量36
2.1正交多項式回歸系數(shù)特征表示37
2.2擬合效果分析38
2.3相似性度量40
2.4數(shù)值實驗45
2.4.1擬合誤差分析46
2.4.2下界緊湊性及數(shù)據(jù)剪枝能力47
2.4.3時間序列分類和聚類50
2.5本章小結53
第3章分段聚合特征表示及相似性度量55
3.1分段聚合近似56
3.2基于二維統(tǒng)計特征的分段聚合近似57
3.2.1分段聚合近似的下界性58
3.2.2線性統(tǒng)計特征59
3.2.3非線性統(tǒng)計特征62
3.2.4數(shù)值實驗63
3.3基于二維形態(tài)特征的分段符號聚合近似65
3.3.1形態(tài)特征符號聚合近似67
3.3.2相似性度量及算法描述71
3.3.3數(shù)值實驗73
3.4基于主要形態(tài)特征的分段聚合近似74
3.4.1主要形態(tài)特征表示75
3.4.2形態(tài)特征相似性度量80
3.4.3數(shù)值實驗82
3.5本章小結89
第4章時間序列分段云模型特征表示及相似性度量91
4.1云模型簡介92
4.2時間序列云模型特征表示95
4.2.1時間序列分段云近似96
4.2.2自適應分段云近似98
4.3云模型相似性度量100
4.3.1基于期望曲線的云模型相似度計算方法101
4.3.2基于最大邊界曲線的云模型相似度計算方法106
4.4基于云模型的時間序列相似性計算107
4.5實驗結果及分析108
4.5.1仿真實驗109
4.5.2協(xié)同過濾推薦實驗110
4.5.3時間序列分類分析112
4.5.4時間序列聚類分析114
4.6本章小結117
第5章不等長時間序列數(shù)據(jù)的彎曲距離度量118
5.1分段線性近似的導數(shù)動態(tài)時間彎曲度量118
5.1.1自適應分段線性表示120
5.1.2特征彎曲度量128
5.1.3數(shù)值實驗129
5.2高效動態(tài)時間彎曲相似性搜索方法133
5.2.1高效動態(tài)時間彎曲134
5.2.2相似性搜索方法137
5.2.3數(shù)值實驗140
5.3本章小結142
第6章時間序列數(shù)據(jù)的異步主成分分析144
6.1研究動機145
6.2主成分分析147
6.3異步主成分分析149
6.4實驗評估153
6.4.1模擬數(shù)據(jù)聚類153
6.4.2UCI和股票數(shù)據(jù)挖掘158
6.5本章小結161
第7章共現(xiàn)時間序列聚類的主題網絡分析163
7.1研究思路163
7.2基于Matrix Profile和社區(qū)檢測的時間序列聚類方法165
7.2.1相關性度量166
7.2.2網絡構建167
7.2.3社區(qū)檢測168
7.2.4實例與過程170
7.3基于同時段時序相似性的主題網絡聚類171
7.3.1主題關系定義172
7.3.2相關性度量173
7.3.3網絡構建與劃分174
7.4聚類結果與分析176
7.4.1滑動窗口構建網絡聚類結果與分析176
7.4.2平均分段構建網絡聚類結果與分析179
7.5本章小結181
第8章時間序列矩陣畫像的金融數(shù)據(jù)預測分析182
8.1問題分析182
8.2矩陣畫像相關理論185
8.3股票價格波動趨勢預測方法188
8.3.1機構交易行為知識庫188
8.3.2最佳模式匹配191
8.3.3預測算法193
8.4實驗分析195
8.4.1數(shù)據(jù)收集與處理195
8.4.2預測結果評測標準196
8.4.3實例分析197
8.4.4實驗評估201
8.5本章小結207
第9章期刊文獻時間序列數(shù)據(jù)分析209
9.1研究動機209
9.2近鄰傳播聚類算法212
9.3數(shù)據(jù)來源與研究思路213
9.4參考文獻來源期刊分析214
9.4.1參考文獻來源期刊被引數(shù)值聚類分析215
9.4.2參考文獻來源期刊被引趨勢聚類分析218
9.5引證文獻來源期刊分析220
9.5.1引證文獻來源期刊被引數(shù)值聚類分析221
9.5.2引證文獻來源期刊被引趨勢聚類分析224
9.6本章小結226
第10章發(fā)動機參數(shù)時間序列數(shù)據(jù)特征分析與異常檢測228
10.1基于形態(tài)特征的發(fā)動機參數(shù)特征識別229
10.1.1數(shù)據(jù)來源229
10.1.2參數(shù)特征識別方法231
10.1.3數(shù)值實驗234
10.2基于統(tǒng)計特征的發(fā)動機故障檢測236
10.2.1最不相似模式發(fā)現(xiàn)算法237
10.2.2基于非線性統(tǒng)計特征的異常檢測238
10.2.3數(shù)值實驗240
10.3本章小結242
第11章總結與展望244
11.1主要結論244
11.2主要創(chuàng)新點246
11.3研究展望249