博客來
本書以時間序列資料為研究物件，對時間序列資料的特徵表示和相似性度量進行較為深入和系統的研究，講述了如何從資料特徵的不同角度進行資料降維，結合設計相應的相似性度量方法實現時間序列資料採擷，同時將相關的特徵表示和相似性度量方法應用于文本主題、經濟金融、情報分析和發動機參數等具體領域。
全書分為 11章:第1章對研究的背景和現狀進行了分析，解釋了為什麼要研究時間序列資料的特徵表示和相似性度量。第2章至第6章從時間序列資料的不同視角出發，深入淺出地介紹了新的時間序列資料特徵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、發動機參數特徵識別和故障檢測為目標，將時間序列資料採擷中的特徵表示和相似性度量方法應用於解決具體行業中的相關管理科學問題。第11章對研究進行了總結，並提出了研究的創新和未來研究方向。
本書的研究內容主要涉及統計學、電腦科學、經濟學和管理學等，適合從事經濟金融、電子資訊、生物醫學、工業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，讀者可以較好地瞭解時間序列資料採擷與傳統時間序列資料分析的不同，為今後的時間序列資料的相關研究奠定基礎。
| FindBook |
有 1 項符合
時間序列數據的特徵表示、相似性度量及其應用研究的圖書 |
 |
時間序列數據的特徵表示、相似性度量及其應用研究 作者：李海林 出版社：清華大學出版社 出版日期：2022-05-01 語言：簡體中文 規格：精裝 / 278頁 / 13 x 19 x 3.89 cm / 普通級/ 1-1 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：時間序列數據的特徵表示、相似性度量及其應用研究
內容簡介
作者介紹
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，資訊管理系主任，教務處副處長，研究方向為資料科學和創新管理等;國家自然科學基金通訊評審專家，教育學位中心研究生學位論文評審專家，中國資訊經濟學會理事會理事，中國系統工程學會資料與知識專委會委員，泉州市資訊化專案評審專家;在Information Sciences、Pat-tern Recognition、《系統工程理論與實踐》《科學學研究》和《情報學報》等國內外重要刊物，以及SIGKDD、ICDM和PAKDD等國際資料採擷會議上發表論文70餘篇，其中大部分被SSCI、20多篇論文分別發表在運籌SCI和EI收錄，學與管理科學、人工智慧和應用數學等領域的TOP期刊，近30篇論文發表在中科院SCI和SSCI分區1區和2區期刊;主持2項國家自然科學基金和6項省部級專案，參與完成其他各類級科研項目10余項;以作者身份獲福建省“第十二屆社會科學優秀成果獎二等獎”(政府獎)，入選福建省“ABC高層次人才”、福建省“高校新世紀優秀人才支持計畫”、福建省“高校傑出青年科研人才培育計畫”，博士論文被評為遼寧省“優秀博士學位論文”，被評為泉州市第三層次人才，連續獲得兩屆華僑大學“學術英才”稱號。
郭崇慧，男，博士，教授，博士生導師，大連理工大學系統工程研究所所長，大資料與智慧決策研究中心主任，大連市資料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新研究群體學術骨幹，《系統工程理論與實踐》和《系統工程與電子技術》編委;2007年入選“遼寧省百千萬人才工程”人選，2011年入選教育“新世紀優秀人才支持計畫”;擔2013年訪問悉尼科技大學量子計算與智慧系統研究中心，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建模與優化、資料採擷與商務智慧、決策理論與方法、知識管理;主持國家自然科學基金面上專案、國家軟科學研究計畫項目、中國博士後科學基金專案等，參與完成國家973重點基礎研究發展專案、國家高科技研究發展計畫863專案、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專案10余項;在國內外學術期刊發表論文10餘篇，其中SCI收錄30餘篇，EI收錄60餘篇;出版著作及教材6部，譯著1部。
郭崇慧，男，博士，教授，博士生導師，大連理工大學系統工程研究所所長，大資料與智慧決策研究中心主任，大連市資料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新研究群體學術骨幹，《系統工程理論與實踐》和《系統工程與電子技術》編委;2007年入選“遼寧省百千萬人才工程”人選，2011年入選教育“新世紀優秀人才支持計畫”;擔2013年訪問悉尼科技大學量子計算與智慧系統研究中心，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建模與優化、資料採擷與商務智慧、決策理論與方法、知識管理;主持國家自然科學基金面上專案、國家軟科學研究計畫項目、中國博士後科學基金專案等，參與完成國家973重點基礎研究發展專案、國家高科技研究發展計畫863專案、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專案10余項;在國內外學術期刊發表論文10餘篇，其中SCI收錄30餘篇，EI收錄60餘篇;出版著作及教材6部，譯著1部。
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研究現狀和已有研究的不足之處7
1.2.1特徵表示研究現狀8
1.2.2相似性度量研究現狀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 基於正交多項式回歸係數的特徵表示及相似性度量36
2.1正交多項式回歸係數特徵表示37
2.2擬合效果分析38
2.3相似性度量40
2.4數值實驗45
2.4.1擬合誤差分析46
2.4.2下界緊湊性及資料剪枝能力47
2.4.3時間序列分類和聚類50
2.5本章小結53
第3章 分段聚合特徵表示及相似性度量55
3.1分段聚合近似56
3.2基於二維統計特徵的分段聚合近似57
3.2.1分段聚合近似的下界性58
3.2.2線性統計特徵59
3.2.3非線性統計特徵62
3.2.4數值實驗63
3.3基於二維形態特徵的分段符號聚合近似65
3.3.1形態特徵符號聚合近似67
3.3.2相似性度量及演算法描述71
3.3.3數值實驗73
3.4基於主要形態特徵的分段聚合近似74
3.4.1主要形態特徵表示75
3.4.2形態特徵相似性度量80
3.4.3數值實驗82
3.5本章小結89
第4章 時間序列分段雲模型特徵表示及相似性度量91
4.1雲模型簡介92
4.2時間序列雲模型特徵表示95
4.2.1時間序列分段雲近似96
4.2.2自我調整分段雲近似98
4.3雲模型相似性度量100
4.3.1基於期望曲線的雲模型相似度計算方法101
4.3.2基於邊界曲線的雲模型相似度計算方法106
4.4基於雲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模擬實驗109
4.5.2協同過濾推薦實驗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 不等長時間序列資料的彎曲距離度量118
5.1分段線性近似的導數動態時間彎曲度量118
5.1.1自我調整分段線性表示120
5.1.2特徵彎曲度量128
5.1.3數值實驗129
5.2高效動態時間彎曲相似性搜索方法133
5.2.1高效動態時間彎曲134
5.2.2相似性搜索方法137
5.2.3數值實驗140
5.3本章小結142
第6章 時間序列資料的非同步主成分分析144
6.1研究動機145
6.2主成分分析147
6.3非同步主成分分析149
6.4實驗評估153
6.4.1類比資料聚類153
6.4.2UCI和股票資料採擷158
6.5本章小結161
第7章 共現時間序列聚類的主題網路分析163
7.1研究思路163
7.2基於Matrix Profile和社區檢測的時間序列聚類方法165
7.2.1相關性度量166
7.2.2網路構建167
7.2.3社區檢測168
7.2.4實例與過程170
7.3基於同時段時序相似性的主題網路聚類171
7.3.1主題關係定義172
7.3.2相關性度量173
7.3.3網路構建與劃分174
7.4聚類結果與分析176
7.4.1滑動視窗構建網路聚類結果與分析176
7.4.2平均分段構建網路聚類結果與分析179
7.5本章小結181
第8章 時間序列矩陣畫像的金融資料預測分析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模式匹配191
8.3.3預測演算法193
8.4實驗分析195
8.4.1資料收集與處理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 期刊文獻時間序列資料分析209
9.1研究動機209
9.2近鄰傳播聚類演算法212
9.3資料來源與研究思路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 發動機參數時間序列資料特徵分析與異常檢測228
10.1基於形態特徵的發動機參數特徵識別229
10.1.1資料來源229
10.1.2參數特徵識別方法231
10.1.3數值實驗234
10.2基於統計特徵的發動機故障檢測236
10.2.1不相似模式發現演算法237
10.2.2基於非線性統計特徵的異常檢測238
10.2.3數值實驗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主要創新點246
11.3研究展望249
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研究現狀和已有研究的不足之處7
1.2.1特徵表示研究現狀8
1.2.2相似性度量研究現狀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 基於正交多項式回歸係數的特徵表示及相似性度量36
2.1正交多項式回歸係數特徵表示37
2.2擬合效果分析38
2.3相似性度量40
2.4數值實驗45
2.4.1擬合誤差分析46
2.4.2下界緊湊性及資料剪枝能力47
2.4.3時間序列分類和聚類50
2.5本章小結53
第3章 分段聚合特徵表示及相似性度量55
3.1分段聚合近似56
3.2基於二維統計特徵的分段聚合近似57
3.2.1分段聚合近似的下界性58
3.2.2線性統計特徵59
3.2.3非線性統計特徵62
3.2.4數值實驗63
3.3基於二維形態特徵的分段符號聚合近似65
3.3.1形態特徵符號聚合近似67
3.3.2相似性度量及演算法描述71
3.3.3數值實驗73
3.4基於主要形態特徵的分段聚合近似74
3.4.1主要形態特徵表示75
3.4.2形態特徵相似性度量80
3.4.3數值實驗82
3.5本章小結89
第4章 時間序列分段雲模型特徵表示及相似性度量91
4.1雲模型簡介92
4.2時間序列雲模型特徵表示95
4.2.1時間序列分段雲近似96
4.2.2自我調整分段雲近似98
4.3雲模型相似性度量100
4.3.1基於期望曲線的雲模型相似度計算方法101
4.3.2基於邊界曲線的雲模型相似度計算方法106
4.4基於雲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模擬實驗109
4.5.2協同過濾推薦實驗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 不等長時間序列資料的彎曲距離度量118
5.1分段線性近似的導數動態時間彎曲度量118
5.1.1自我調整分段線性表示120
5.1.2特徵彎曲度量128
5.1.3數值實驗129
5.2高效動態時間彎曲相似性搜索方法133
5.2.1高效動態時間彎曲134
5.2.2相似性搜索方法137
5.2.3數值實驗140
5.3本章小結142
第6章 時間序列資料的非同步主成分分析144
6.1研究動機145
6.2主成分分析147
6.3非同步主成分分析149
6.4實驗評估153
6.4.1類比資料聚類153
6.4.2UCI和股票資料採擷158
6.5本章小結161
第7章 共現時間序列聚類的主題網路分析163
7.1研究思路163
7.2基於Matrix Profile和社區檢測的時間序列聚類方法165
7.2.1相關性度量166
7.2.2網路構建167
7.2.3社區檢測168
7.2.4實例與過程170
7.3基於同時段時序相似性的主題網路聚類171
7.3.1主題關係定義172
7.3.2相關性度量173
7.3.3網路構建與劃分174
7.4聚類結果與分析176
7.4.1滑動視窗構建網路聚類結果與分析176
7.4.2平均分段構建網路聚類結果與分析179
7.5本章小結181
第8章 時間序列矩陣畫像的金融資料預測分析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模式匹配191
8.3.3預測演算法193
8.4實驗分析195
8.4.1資料收集與處理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 期刊文獻時間序列資料分析209
9.1研究動機209
9.2近鄰傳播聚類演算法212
9.3資料來源與研究思路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 發動機參數時間序列資料特徵分析與異常檢測228
10.1基於形態特徵的發動機參數特徵識別229
10.1.1資料來源229
10.1.2參數特徵識別方法231
10.1.3數值實驗234
10.2基於統計特徵的發動機故障檢測236
10.2.1不相似模式發現演算法237
10.2.2基於非線性統計特徵的異常檢測238
10.2.3數值實驗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主要創新點246
11.3研究展望249
|
