基于seasonal-trend-loess方法的符号化时间序列网络

基于seasonal-trend-loess方法的符号化时间序列网络

论文摘要

为了有效控制海量数据时间序列网络的规模并使得网络更贴近实际,符号化时间序列网络成为研究热点.结合周期性时间序列的seasonal-trend-loess方法和符号化转化方法,本文提出一种新的符号化时间序列建网方法.该方法考虑了单个数据值的状态又结合了序列的长远变化趋势.以符号模式为节点;依时间顺序推移,以节点间的邻接转换关系定义连边;根据转换方向和转换频次确定连边的方向和权重,建立有向加权网络.分别以航空旅客吞吐量时间序列和因特网流量时间序列为实验数据构建的两个时间序列网络,有明显差异的拓扑特征;进一步对移动通信语音时间序列做了实证分析,挖掘时间序列数据的本质规律.

论文目录

文章来源

类型: 期刊论文

作者: 汪丽娜,成媛媛,臧臣瑞

关键词: 周期时间序列,方法,复杂网络,拓扑特征

来源: 物理学报 2019年23期

年度: 2019

分类: 基础科学

专业: 数学

单位: 内蒙古工业大学理学院,内蒙古自治区生命数据统计分析理论与神经网络建模重点实验室,中国联合网络通信有限公司内蒙古分公司

基金: 内蒙古自治区自然科学基金(批准号:2018LH01012),国家自然科学基金(批准号:71561020,11861049)资助的课题~~

分类号: O157.5;O211.61

页码: 320-328

总页数: 9

文件大小: 2260K

下载量: 77

相关论文文献

  • [1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
  • [2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
  • [3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
  • [4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
  • [5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
  • [6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
  • [7].王嵬作品[J]. 当代油画 2017(07)
  • [8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
  • [9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
  • [10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
  • [11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
  • [12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
  • [13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
  • [14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
  • [15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
  • [16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
  • [17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
  • [18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
  • [19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
  • [20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
  • [21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
  • [22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
  • [23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
  • [24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
  • [25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
  • [26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
  • [27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
  • [28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
  • [29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
  • [30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)

标签:;  ;  ;  ;  

基于seasonal-trend-loess方法的符号化时间序列网络
下载Doc文档

猜你喜欢