发表服务
基于EMD和SVD的多元时间序列聚类研究.韩娜滕少华房小兆.【摘要】：有效实现多元时间序列聚类的前提是序列去噪和特征提取。.本文提出一种实现多元时间序列聚类的有效方法。.首先,利用经验模态分解实现多元时间序列趋势的提取,去除序列噪音。.然后,对...
基于EMD和SVD的多元时间序列聚类研究,多元时间序列,经验模态分解,奇异值分解,聚类。有效实现多元时间序列聚类的前提是序列去噪和特征提取。本文提出一种实现多元时间序列聚类的有效方法。首先,利用经…
多元时间序列数据挖掘相似性分析方法及应用研究.【摘要】：多元时间序列在各个领域中广泛存在,如何从维度高、序列长度日益增长的时间序列中挖掘有效信息,发现隐藏模式,是一个具有重要意义的课题。.作为时间序列数据挖掘的基础性工作,相比于一元时间...
多元时间序列的滞后协整分析.郭淑会.【摘要】：将非平稳时间序列转化为平稳时间序列的方法主要有三个。.一是从时间序列里去掉趋势项和周期项等函数项(减去函数项)；二是将时间序列进行差分(序列自己前后相减)，三是建立协整关系(与另外的序列相减...
基于Lasso罚的多元时间序列分析方法研究.陈春.【摘要】：随着互联网大数据时代的到来,各个领域的数据量急剧增加。.数据分析和数据挖掘面临着新的机遇和挑战。.传统的向量自回归模型对多元时间序列的分析已经不再适用。.如何将传统模型推广到高维...
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
基于多元方法和时间序列的PM2.5浓度分析与预测.王赛兰.【摘要】：雾霾已经成为中国空气污染的一个突出问题。.PM2.5是雾霾的主要构成成分,其原因复杂,来源广泛,危害严重。.为了预测和控制PM2.5浓度,必须对PM2.5进行深入的检测和研究。.首先,本文对长沙市PM2...
摘要多元时间序列的子序列聚类是发现时态数据中重复模式的有用工具。一旦这些模式被发现，看似复杂的数据集就可以解释为仅有少量状态或集群的时间序列。例如，来自健身应用程序的原始传感器数据可以表示为选定的几个动作（即步行、坐着、跑步)的时间线。
论文阅读SpectralTemporalGraphNeuralNetworkforMultivariateTime-seriesForecasting问题：多元变量预测，应该分别考虑变量内和变量间的关系；该模型适用于所有没有预先定义拓扑的多元时间序列；TCN方法StemGNN图傅里叶变换（GFT），可以捕获多元时间变量之间的潜在关系，GFT用来捕获时间序列内部的关联...
一元时间序列的相关研究较多,也逐渐形成一套成熟的理论和方法;然而多元时间序列的数据结构比一元时间序列更复杂,现有的理论和方法仍不够完善。多元时间序列数据在金融、医学、过程监控等领域中被大量采集,因此发展和完善多元时间序列挖掘的方法研究具有重要的意义。
基于EMD和SVD的多元时间序列聚类研究.韩娜滕少华房小兆.【摘要】：有效实现多元时间序列聚类的前提是序列去噪和特征提取。.本文提出一种实现多元时间序列聚类的有效方法。.首先,利用经验模态分解实现多元时间序列趋势的提取,去除序列噪音。.然后,对...
基于EMD和SVD的多元时间序列聚类研究,多元时间序列,经验模态分解,奇异值分解,聚类。有效实现多元时间序列聚类的前提是序列去噪和特征提取。本文提出一种实现多元时间序列聚类的有效方法。首先,利用经…
多元时间序列数据挖掘相似性分析方法及应用研究.【摘要】：多元时间序列在各个领域中广泛存在,如何从维度高、序列长度日益增长的时间序列中挖掘有效信息,发现隐藏模式,是一个具有重要意义的课题。.作为时间序列数据挖掘的基础性工作,相比于一元时间...
多元时间序列的滞后协整分析.郭淑会.【摘要】：将非平稳时间序列转化为平稳时间序列的方法主要有三个。.一是从时间序列里去掉趋势项和周期项等函数项(减去函数项)；二是将时间序列进行差分(序列自己前后相减)，三是建立协整关系(与另外的序列相减...
基于Lasso罚的多元时间序列分析方法研究.陈春.【摘要】：随着互联网大数据时代的到来,各个领域的数据量急剧增加。.数据分析和数据挖掘面临着新的机遇和挑战。.传统的向量自回归模型对多元时间序列的分析已经不再适用。.如何将传统模型推广到高维...
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
基于多元方法和时间序列的PM2.5浓度分析与预测.王赛兰.【摘要】：雾霾已经成为中国空气污染的一个突出问题。.PM2.5是雾霾的主要构成成分,其原因复杂,来源广泛,危害严重。.为了预测和控制PM2.5浓度,必须对PM2.5进行深入的检测和研究。.首先,本文对长沙市PM2...
摘要多元时间序列的子序列聚类是发现时态数据中重复模式的有用工具。一旦这些模式被发现，看似复杂的数据集就可以解释为仅有少量状态或集群的时间序列。例如，来自健身应用程序的原始传感器数据可以表示为选定的几个动作（即步行、坐着、跑步)的时间线。
论文阅读SpectralTemporalGraphNeuralNetworkforMultivariateTime-seriesForecasting问题：多元变量预测，应该分别考虑变量内和变量间的关系；该模型适用于所有没有预先定义拓扑的多元时间序列；TCN方法StemGNN图傅里叶变换（GFT），可以捕获多元时间变量之间的潜在关系，GFT用来捕获时间序列内部的关联...
一元时间序列的相关研究较多,也逐渐形成一套成熟的理论和方法;然而多元时间序列的数据结构比一元时间序列更复杂,现有的理论和方法仍不够完善。多元时间序列数据在金融、医学、过程监控等领域中被大量采集,因此发展和完善多元时间序列挖掘的方法研究具有重要的意义。
发表服务