基于arma模型时间序列挖掘

《基于arma模型时间序列挖掘》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、合肥工业大学本论文经答辩委员会全体委员审查，确认符合合肥工业大学硕士学位论文质量要求。答辩委员会签名：(工作单位、职称)主席：≯I号备瑾孙游认彼委员：侈当叶每酽y牧}私棒乞．；匕会P丝爻≥觏蟹心导厩勰占成名固己乙昧、=茎功缝独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标志和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得金目巴I：些太堂或其他教育机构的学位或证书而使用过的材料。与我一同：】：作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签字：讯诱蘑签字日期：加年斗月刁

2、日学位论文版权使用授权书本学位论文作者完全了解金目墨三E些太堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅或借阅。本人授权金a曼王些太堂可以将学位论文的全部或部分论文内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文者签名：狄锈孵签字日期：列3年仟月纠日学位论文作者毕业后去向：：f：作单位：通讯地Ill：．：靳虢乞弓巩签字日期：加f3年f-月j日电话：邮编：基于ARMA模型的时问序列挖掘摘要时序挖掘分析作为数据挖掘的一个重要研究方向，是当今社会的研究热点和难点。

3、由于时间序列本身具有的特点，不能直接对时间序列进行分析，一般首先要进行特征提取。本文运用时间序列拟合自回归移动平均(autoregressivemovingaverage，ARMA)模型的系数作为后续分析的前提，即以时间序列拟合ARMA模型的系数代表原始序列。给出了时间序列拟合ARMA模型的前提条件以及基本特征，对ARMA模型的建模步骤进行了介绍。时间序列分析的方向有：预测、分类、聚类等，本文重点介绍的是基于ARMA模型分类和聚类。以心电信号(electrocardiogram，ECG)为例，通过自相关图、时序图等分析ECG信号的基本特征，发现满足拟合ARMA模型的基本条件。确定ECG信号可

4、以拟合ARMA(4，2)模型，以拟合估计的系数为特征，通过支持向量机进行分类，准确度达到了85．52％，证明利用ARMA模型对时间序列进行特征提取的方法是有效的。对时间序列进行聚类，以拟合ARMA模型后的系数为特征，它们之前的欧式距离为相似度测量进行聚类分析，但这个过程是在一定前提下实现：每个系数在聚类过程中的贡献率是相同的，实际过程并非如此。通过ARMA模型拟合原时间序列后，每个系数代表原始序列的贡献率是不同的，需要对每个系数加上一定的权重。本文提出了贡献权重的概念，即以每维系数在首次聚类过程的贡献率为权值与原系数相乘，得到一个新的系数向量，用此系数向量问的欧式距离为相似度测量标准进行聚类

5、分析。以MIT．BIH标准数据库中的正常窦性心率(NSR)和心室早期收缩(PVC)样本数据进行实证分析，结果显示利用未改进的方法聚类准确率仅为86．20％，利用改进后的方法准确率达到93．10％。聚类的准确率明显提高，证明了利用贡献权重加权后，拟合ARMA模型的系数向量更能准确反映原始时间序列的特征，文中提到的权重确定方法是有效的。关键字：时间序列挖掘；ARMA模型；ECG信号：聚类；贡献权重TimeseriesdataminingbasedonARMAmodelABS’I’RACTInrecentyearstimeseriesdataanalysiswasanimportantresear

6、chdirectionindatamining，anditwasalsoahotanddifficultissue．Duetotheircharacteristics，weshouldextractfeaturesoftimeseriesbeforethetimeseriesdatamining．Inthisarticle，theautoregressive-movingaverage(ARMA)modelwasappliedtoextracttheirfeatures．Afterintroducingtheprerequisiteandbasiccharacteristicsoffitti

7、ngARMAmodel，weelaboratedthemodelingstepsofARMA．Thereweremanyresearchingdirectionsabouttimeseries，suchas：classification、clustering、forecastingandSOon．Classificationandclusteringwereourresearchingfocusesinour