发表服务
中山大学硕士学位论文时间序列特征提取与聚类算法研究姓名：李伟申请学位级别：硕士专业：应用数学指导教师：张磊20080527摘要时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列，在经济、金融、科学观测和工程等各个领域都广泛存在。
时间序列特征提取与聚类算法研究.doc,中山大学硕士学位论文时间序列特征提取与聚类算法研究姓名：李伟申请学位级别：硕士专业：应用数学指导教师：张磊20080527摘要金融、科学观测和工程等各个领域都广泛存在。时间序列数据反映了属性值在时前时间序列数据挖掘中重点的研究内容包括...
1.2.2时间序列聚类算法的国内外研究现状第12-15页1.3本论文主要内容及结构安排第15-17页2时间序列特征表示与时间序列聚类问题分析第17-23页2.1时间序列模式发现存在的问题第17-19页2.2时间序列特征表示方法的问题分析第19
聚类论文范文集金融时间序列聚类方法比较类聚类分析论文是免费的与金融时间序列聚类方法比较有关的参考文献和数篇聚类分析相关免费毕业论文范文和聚类有关的论文题目与开题报告写作参考…
提供基于MF—DFA的股票时间序列聚类分析及其应用文档免费下载，摘要:基于MF—DFA的股票时间序列聚类分析及其应用作者：袁杰薛永坚肖宏旺来源：《价值工程》2013年第26期摘要：多重分形消除趋势波动分析法（MF-DFA）不仅能够去除股票时间...
除了时域特征之外，也可以对时间序列的频域做特征，例如小波分析，傅里叶分析等等。因此，在这种情况下，其实只要做好了时间序列的特征，使用KMeans算法就可以得到时间序列的聚类效果，也就是把相似的曲线放在一起。参考文章：时间序列的表示与信息
时间序列Deconfounder使用具有多任务输出的新型递归神经网络体系结构来构建随时间变化的因子模型并推断潜在变量，从而使分配的治疗有条件地。然后，它使用这些潜在变量执行因果推理，以替代多原因未观察到的混杂因素。No.4时间序列聚类
论文摘要：聚类时间序列是涉及数据科学和数据分析管道的实际应用程序中经常出现的问题。现有的时间序列聚类算法对于特征丰富的现实世界时间序列无效，因为它们仅根据原始数据比较时间序列或使用一组固定的特征来确定相似性。
【摘要】：提出了一种高效的时间序列聚类方法,以互相关函数为基础,通过二阶段的方法实现更低时间复杂度下的时间序列聚类。第一步以时间序列符号化为基础,通过设计符号化序列特征抽取算法,抽取特征时间段;第二步以互相关函数为基础,通过改进的互相关函数步骤,实现更快速的时间序列聚类。
时间序列聚类分析技术可以归类于技术分析的范畴,而技术分析的基础是股票市场波动性理论。本章首先对有效市场理论和分形市场理论进行了论述,然后对时间序列聚类分析技术的概念、分类和主要技术进行了分析和比较,并提出了本文采用的长时间序列聚类方法。
中山大学硕士学位论文时间序列特征提取与聚类算法研究姓名：李伟申请学位级别：硕士专业：应用数学指导教师：张磊20080527摘要时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列，在经济、金融、科学观测和工程等各个领域都广泛存在。
时间序列特征提取与聚类算法研究.doc,中山大学硕士学位论文时间序列特征提取与聚类算法研究姓名：李伟申请学位级别：硕士专业：应用数学指导教师：张磊20080527摘要金融、科学观测和工程等各个领域都广泛存在。时间序列数据反映了属性值在时前时间序列数据挖掘中重点的研究内容包括...
1.2.2时间序列聚类算法的国内外研究现状第12-15页1.3本论文主要内容及结构安排第15-17页2时间序列特征表示与时间序列聚类问题分析第17-23页2.1时间序列模式发现存在的问题第17-19页2.2时间序列特征表示方法的问题分析第19
聚类论文范文集金融时间序列聚类方法比较类聚类分析论文是免费的与金融时间序列聚类方法比较有关的参考文献和数篇聚类分析相关免费毕业论文范文和聚类有关的论文题目与开题报告写作参考…
提供基于MF—DFA的股票时间序列聚类分析及其应用文档免费下载，摘要:基于MF—DFA的股票时间序列聚类分析及其应用作者：袁杰薛永坚肖宏旺来源：《价值工程》2013年第26期摘要：多重分形消除趋势波动分析法（MF-DFA）不仅能够去除股票时间...
除了时域特征之外，也可以对时间序列的频域做特征，例如小波分析，傅里叶分析等等。因此，在这种情况下，其实只要做好了时间序列的特征，使用KMeans算法就可以得到时间序列的聚类效果，也就是把相似的曲线放在一起。参考文章：时间序列的表示与信息
时间序列Deconfounder使用具有多任务输出的新型递归神经网络体系结构来构建随时间变化的因子模型并推断潜在变量，从而使分配的治疗有条件地。然后，它使用这些潜在变量执行因果推理，以替代多原因未观察到的混杂因素。No.4时间序列聚类
论文摘要：聚类时间序列是涉及数据科学和数据分析管道的实际应用程序中经常出现的问题。现有的时间序列聚类算法对于特征丰富的现实世界时间序列无效，因为它们仅根据原始数据比较时间序列或使用一组固定的特征来确定相似性。
【摘要】：提出了一种高效的时间序列聚类方法,以互相关函数为基础,通过二阶段的方法实现更低时间复杂度下的时间序列聚类。第一步以时间序列符号化为基础,通过设计符号化序列特征抽取算法,抽取特征时间段;第二步以互相关函数为基础,通过改进的互相关函数步骤,实现更快速的时间序列聚类。
时间序列聚类分析技术可以归类于技术分析的范畴,而技术分析的基础是股票市场波动性理论。本章首先对有效市场理论和分形市场理论进行了论述,然后对时间序列聚类分析技术的概念、分类和主要技术进行了分析和比较,并提出了本文采用的长时间序列聚类方法。
发表服务