欧美在线综合久久,天天摸天天做天天爽

內(nèi)容簡(jiǎn)介

　　本書以時(shí)間序列數(shù)據(jù)為研究對(duì)象，對(duì)時(shí)間序列數(shù)據(jù)的特征表示和相似性度量進(jìn)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(jìn)行數(shù)據(jù)降維，結(jié)合設(shè)計(jì)相應(yīng)的相似性度量方法實(shí)現(xiàn)時(shí)間序列數(shù)據(jù)挖掘，同時(shí)將相關(guān)的特征表示和相似性度量方法應(yīng)用于文本主題、經(jīng)濟(jì)金融、情報(bào)分析和發(fā)動(dòng)機(jī)參數(shù)等具體領(lǐng)域。全書分為 11章：第1章對(duì)研究的背景和現(xiàn)狀進(jìn)行了分析，解釋了為什么要研究時(shí)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(shí)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(shí)間序列數(shù)據(jù)特征表示和相似性度量等預(yù)處理方法。第7章到第10章以主題分析、股票預(yù)測(cè)、文獻(xiàn)分析、發(fā)動(dòng)機(jī)參數(shù)特征識(shí)別和故障檢測(cè)為目標(biāo)，將時(shí)間序列數(shù)據(jù)挖掘中的特征表示和相似性度量方法應(yīng)用于解決具體行業(yè)中的相關(guān)管理科學(xué)問題。第11章對(duì)研究進(jìn)行了總結(jié)，并提出了研究的創(chuàng)新和未來研究方向。本書的研究?jī)?nèi)容主要涉及統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)、經(jīng)濟(jì)學(xué)和管理學(xué)等，適合從事經(jīng)濟(jì)金融、電子信息、生物醫(yī)學(xué)、工業(yè)與工程等工作的技術(shù)人員、管理人員或有志從事相關(guān)領(lǐng)域科學(xué)研究的本科生、研究生學(xué)習(xí)或參考。通過閱讀和學(xué)習(xí)本書，讀者可以較好地了解時(shí)間序列數(shù)據(jù)挖掘與傳統(tǒng)時(shí)間序列數(shù)據(jù)分析的不同，為今后的時(shí)間序列數(shù)據(jù)的相關(guān)研究奠定基礎(chǔ)。

作者簡(jiǎn)介

　　李海林，男，博士，教授，博士生導(dǎo)師，曾任華僑大學(xué)工商管理學(xué)院院長(zhǎng)助理，信息管理系主任，教務(wù)處副處長(zhǎng) ，研究方向?yàn)閿?shù)據(jù)科學(xué)和創(chuàng)新管理等 ;國(guó)家自然科學(xué)基金通訊評(píng)審專家，教育部學(xué)位中心研究生學(xué)位論文評(píng)審專家，中國(guó)信息經(jīng)濟(jì)學(xué)會(huì)理事會(huì)理事，中國(guó)系統(tǒng)工程學(xué)會(huì)數(shù)據(jù)與知識(shí)專委會(huì)委員，泉州市信息化項(xiàng)目評(píng)審專家 ;在InformationSciences、Pat-ternRecognition、《系統(tǒng)工程理論與實(shí)踐》《科學(xué)學(xué)研究》和《情報(bào)學(xué)報(bào)》等國(guó)內(nèi)外重要刊物，以及 SIGKDD、ICDM和PAKDD等國(guó)際數(shù)據(jù)挖掘會(huì)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(yùn)籌SCI和 EI收錄，學(xué)與管理科學(xué)、人工智能和應(yīng)用數(shù)學(xué)等領(lǐng)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(xiàng)國(guó)家自然科學(xué)基金和 6項(xiàng)省部級(jí)項(xiàng)目，參與完成其他各類級(jí)科研項(xiàng)目 10余項(xiàng) ;以第一作者身份獲福建省“第十二屆社會(huì)科學(xué)優(yōu)秀成果獎(jiǎng)二等獎(jiǎng) ”（政府獎(jiǎng) ），入選福建省 “ABC高層次人才 ”、福建省 “高校新世紀(jì)優(yōu)秀人才支持計(jì)劃 ”、福建省 “高校杰出青年科研人才培育計(jì)劃 ”，博士論文被評(píng)為遼寧省 “優(yōu)秀博士學(xué)位論文 ”，被評(píng)為泉州市第三層次人才，連續(xù)獲得兩屆華僑大學(xué) “學(xué)術(shù)英才 ”稱號(hào)。郭崇慧，男，博士，教授，博士生導(dǎo)師，大連理工大學(xué)系統(tǒng)工程研究所所長(zhǎng) ，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(xué)與知識(shí)管理重點(diǎn)實(shí)驗(yàn)室主任，曾任管理科學(xué)與工程學(xué)院院長(zhǎng) ;中國(guó)系統(tǒng)工程學(xué)會(huì)常務(wù)理事，中國(guó)管理科學(xué)與工程學(xué)會(huì)常務(wù)理事，遼寧省數(shù)量經(jīng)濟(jì)學(xué)會(huì)常務(wù)理事，遼寧省運(yùn)籌學(xué)會(huì)理事，遼寧省自動(dòng)化學(xué)會(huì)理事，國(guó)家自然科學(xué)基金委創(chuàng)新研究群體學(xué)術(shù)骨干，《系統(tǒng)工程理論與實(shí)踐》和《系統(tǒng)工程與電子技術(shù)》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(jì)優(yōu)秀人才支持計(jì)劃 ”;擔(dān) 2013年訪問悉尼科技大學(xué)量子計(jì)算與智能系統(tǒng)研究中心，任高級(jí)研究學(xué)者;擔(dān)任高級(jí)研究 2016年訪問新澤西州立大學(xué)羅格斯商學(xué)院，學(xué)者;主要研究方向?yàn)橄到y(tǒng)建模與優(yōu)化、數(shù)據(jù)挖掘與商務(wù)智能、決策理論與方法、知識(shí)管理;主持國(guó)家自然科學(xué)基金面上項(xiàng)目、國(guó)家軟科學(xué)研究計(jì)劃項(xiàng)目、中國(guó)博士后科學(xué)基金項(xiàng)目等，參與完成國(guó)家973重點(diǎn)基礎(chǔ)研究發(fā)展項(xiàng)目、國(guó)家高科技研究發(fā)展計(jì)劃863項(xiàng)目、國(guó)家自然科學(xué)基金重大國(guó)際合作研究項(xiàng)目、國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目等科研項(xiàng)目10余項(xiàng);在國(guó)內(nèi)外學(xué)術(shù)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?jī)?nèi)容和框架結(jié)構(gòu)29
1.3.1研究?jī)?nèi)容30
1.3.2框架結(jié)構(gòu)32
第2章基于正交多項(xiàng)式回歸系數(shù)的特征表示及相似性度量36
2.1正交多項(xiàng)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(shí)驗(yàn)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(shí)間序列分類和聚類50
2.5本章小結(jié)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(jì)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(jì)特征59
3.2.3非線性統(tǒng)計(jì)特征62
3.2.4數(shù)值實(shí)驗(yàn)63
3.3基于二維形態(tài)特征的分段符號(hào)聚合近似65
3.3.1形態(tài)特征符號(hào)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(shí)驗(yàn)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(shí)驗(yàn)82
3.5本章小結(jié)89
第4章時(shí)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(jiǎn)介92
4.2時(shí)間序列云模型特征表示95
4.2.1時(shí)間序列分段云近似96
4.2.2自適應(yīng)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(jì)算方法101
4.3.2基于最大邊界曲線的云模型相似度計(jì)算方法106
4.4基于云模型的時(shí)間序列相似性計(jì)算107
4.5實(shí)驗(yàn)結(jié)果及分析108
4.5.1仿真實(shí)驗(yàn)109
4.5.2協(xié)同過濾推薦實(shí)驗(yàn)110
4.5.3時(shí)間序列分類分析112
4.5.4時(shí)間序列聚類分析114
4.6本章小結(jié)117
第5章不等長(zhǎng)時(shí)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(dǎo)數(shù)動(dòng)態(tài)時(shí)間彎曲度量118
5.1.1自適應(yīng)分段線性表示120
5.1.2特征彎曲度量128
5.1.3數(shù)值實(shí)驗(yàn)129
5.2高效動(dòng)態(tài)時(shí)間彎曲相似性搜索方法133
5.2.1高效動(dòng)態(tài)時(shí)間彎曲134
5.2.2相似性搜索方法137
5.2.3數(shù)值實(shí)驗(yàn)140
5.3本章小結(jié)142
第6章時(shí)間序列數(shù)據(jù)的異步主成分分析144
6.1研究動(dòng)機(jī)145
6.2主成分分析147
6.3異步主成分分析149
6.4實(shí)驗(yàn)評(píng)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(jié)161
第7章共現(xiàn)時(shí)間序列聚類的主題網(wǎng)絡(luò)分析163
7.1研究思路163
7.2基于Matrix Profile和社區(qū)檢測(cè)的時(shí)間序列聚類方法165
7.2.1相關(guān)性度量166
7.2.2網(wǎng)絡(luò)構(gòu)建167
7.2.3社區(qū)檢測(cè)168
7.2.4實(shí)例與過程170
7.3基于同時(shí)段時(shí)序相似性的主題網(wǎng)絡(luò)聚類171
7.3.1主題關(guān)系定義172
7.3.2相關(guān)性度量173
7.3.3網(wǎng)絡(luò)構(gòu)建與劃分174
7.4聚類結(jié)果與分析176
7.4.1滑動(dòng)窗口構(gòu)建網(wǎng)絡(luò)聚類結(jié)果與分析176
7.4.2平均分段構(gòu)建網(wǎng)絡(luò)聚類結(jié)果與分析179
7.5本章小結(jié)181
第8章時(shí)間序列矩陣畫像的金融數(shù)據(jù)預(yù)測(cè)分析182
8.1問題分析182
8.2矩陣畫像相關(guān)理論185
8.3股票價(jià)格波動(dòng)趨勢(shì)預(yù)測(cè)方法188
8.3.1機(jī)構(gòu)交易行為知識(shí)庫188
8.3.2最佳模式匹配191
8.3.3預(yù)測(cè)算法193
8.4實(shí)驗(yàn)分析195
8.4.1數(shù)據(jù)收集與處理195
8.4.2預(yù)測(cè)結(jié)果評(píng)測(cè)標(biāo)準(zhǔn)196
8.4.3實(shí)例分析197
8.4.4實(shí)驗(yàn)評(píng)估201
8.5本章小結(jié)207
第9章期刊文獻(xiàn)時(shí)間序列數(shù)據(jù)分析209
9.1研究動(dòng)機(jī)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(xiàn)來源期刊分析214
9.4.1參考文獻(xiàn)來源期刊被引數(shù)值聚類分析215
9.4.2參考文獻(xiàn)來源期刊被引趨勢(shì)聚類分析218
9.5引證文獻(xiàn)來源期刊分析220
9.5.1引證文獻(xiàn)來源期刊被引數(shù)值聚類分析221
9.5.2引證文獻(xiàn)來源期刊被引趨勢(shì)聚類分析224
9.6本章小結(jié)226
第10章發(fā)動(dòng)機(jī)參數(shù)時(shí)間序列數(shù)據(jù)特征分析與異常檢測(cè)228
10.1基于形態(tài)特征的發(fā)動(dòng)機(jī)參數(shù)特征識(shí)別229
10.1.1數(shù)據(jù)來源229
10.1.2參數(shù)特征識(shí)別方法231
10.1.3數(shù)值實(shí)驗(yàn)234
10.2基于統(tǒng)計(jì)特征的發(fā)動(dòng)機(jī)故障檢測(cè)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(jì)特征的異常檢測(cè)238
10.2.3數(shù)值實(shí)驗(yàn)240
10.3本章小結(jié)242
第11章總結(jié)與展望244
11.1主要結(jié)論244
11.2主要?jiǎng)?chuàng)新點(diǎn)246
11.3研究展望249