登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于扩展符号聚集近似的水文时间序列异常挖掘
  • 摘要

    水文时间序列异常挖掘目前大多采用基于距离的方法.为了克服该方法耗时长、计算量大的缺点,采用一种符号化算法,用扩展符号聚集近似对序列符号化表示,再对字符串进行距离度量,并以太湖流域小梅口站逐日水位数据为例进行验证.实验表明该方法的挖掘结果更全面,运算效率很高,更适合处理大规模数据集.

  • 作者

    刘千  朱跃龙  张鹏程  LIU Qian  ZHU Yue-long  ZHANG Peng-cheng 

  • 作者单位

    河海大学计算机与信息学院,南京,210098

  • 刊期

    2012年12期 ISTIC PKU

  • 关键词

    水文时间序列  异常挖掘  符号化  距离度量 

参考文献
  • [1] 艾萍,倪伟新. 我国水文数据挖掘技术研究的回顾与展望. 计算机工程与应用, 2003,28
  • [2] 林森. 时间序列异常检测的研究与应用. 河海大学, 2008
  • [3] LKHAGVA B;SUZUKI Y;KAWAGOE K. New time series data representation ESAX for financial applications. 2006
  • [4] LIN J;KEOGH E;LONARDI S. A symbolic representation of time series,with implications for streaming algorithms. 2003
  • [5] HUYNH T;DUONG T. Time series discord discovery based on iSAX symbolic representation. 2011
  • [6] LENG Ming-wei;CHEN Xiao-yun;LI Long-jie. Variable length methods for detecting anomaly patterns in time-series. 2008
  • [7] 余跃. 水文时间序列异常模式挖掘方法的研究与应用. 南京:河海大学, 2011
  • [8] DASGUPTA D;FORREST S. Novelty detection in time series data using ideas from immunology. 1996
  • [9] KEOGH E;LONARDI S;CHIU B. Finding surprising patterns in a time series database in linear time and space. 2002
  • [10] MA Jun-shui;PERKINS S. Time-series novelty detection using oneclass support vector machines. 2003
  • [11] KEOGH E;LIN J;FU A. HOT SAX:finding the most unusual time series subsequence:algorithms and applications. 2005
  • [12] SHAHABI C;TIAN Xiao-ming;ZHAO Wu-gang. TSA-tree:a waveletbased approach to improve the efficiency of multi-level surprise and trend queries. 2000
查看更多︾
相似文献 查看更多>>
54.221.145.174