| 时序数据曲线排齐的相关性分析方法 |
| |
| 引用本文： | 姜高霞,王文剑.时序数据曲线排齐的相关性分析方法[J].软件学报,2014,25(9):2002-2017. |
| |
| 作者姓名： | 姜高霞 王文剑 |
| |
| 作者单位： | 山西大学 计算机与信息技术学院, 山西 太原 030006;山西大学 计算机与信息技术学院, 山西 太原 030006 |
| |
| 基金项目： | 国家自然科学基金(61273291, 71031006); 山西省回国留学人员科研基金(2012-008); 中国民航信息技术科研基地开放基金(CAAC-ITRB-201305) |
| |
| 摘 要： | 时序数据是数据挖掘的一类重要对象.在做时序数据分析时,若不考虑数据的时差,则会造成相关性的误判.所以,时序数据存在相关性和时差相互制约的问题.通过对时序数据的相关性和协同性进行研究,给出了双序列的相关性判定方法和曲线排齐方法.首先,从时间弯曲的角度分析了两类相关性错误产生的原因及其特点;然后,根据相关系数的渐近分布得到相关系数在一定显著性水平上的界,将两者综合得到基于时移序列相关系数特征的相关性判定方法;最后,提出一种基于相关系数最大化的曲线排齐模型,其适用范围比AISE准则更广.模型采用光滑广义期望最大化(S-GEM)算法求解时间弯曲函数.在构造数据和真实数据上的数值实验结果表明:该相关性判别方法在伪回归识别中,比常规的3种相关系数以及Granger因果检验更有效;提出的S-GEM算法在大多数情况下明显优于连续单调排齐法(CMRM)、自模型排齐法(SMR)和极大似然排齐法(MLR).该文考虑的是双序列的线性相关问题和函数型曲线排齐方法,这些结果可为回归分析的相关性判定和时间对齐提供理论基础,并为多序列相关性分析和曲线排齐提供参考方向.
|
| 关 键 词： | 伪回归 时间弯曲 相关性 曲线排齐 曲线光滑 |
| 收稿时间： | 2014/1/20 0:00:00 |
| 修稿时间： | 2014/4/22 0:00:00 |
Correlation Analysis in Curve Registration of Time Series |
| |
| JIANG Gao-Xia and WANG Wen-Jian.Correlation Analysis in Curve Registration of Time Series[J].Journal of Software,2014,25(9):2002-2017. |
| |
| Authors: | JIANG Gao-Xia and WANG Wen-Jian |
| |
| Affiliation: | School of Computer & Information Technology, Shanxi University, Taiyuan 030006, China;School of Computer & Information Technology, Shanxi University, Taiyuan 030006, China |
| |
| Abstract: | |
| |
| Keywords: | spurious regression time warping correlation curve registration curve smoothing |
|
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载全文 |
|
