收藏本站
《电子科技大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

时间序列数据挖掘在生物医学中的应用研究

吴少智  
【摘要】:随着计算机技术及其应用的广泛普及和超大容量存储技术的发展,人们在各行各业的应用和科学研究中,积累的数据则呈现爆炸式增长。这些海量数据背后隐藏着具有大量的重要价值的参考信息。如何充分利用这些海量数据,从中挖掘出更有价值需要的信息是目前数据挖掘领域广泛研究的热点问题。 时间序列数据具有空间或者时间顺序的特征,通过时间序列数据挖掘,可以获得与时间或空间密切相关的有用信息,实现对相关知识的提取。由于时间序列数据具有噪声干扰、信号波动和高维性且数据类型复杂多样等特点,同时也是数据挖掘的重要研究方向和研究热点之一,所以对时间序列数据挖掘的深入研究是非常具有挑战性和必要性。时间序列数据挖掘的研究内容有许多,重点包括时间序列的相似性查询、时间序列的异常检测、时间序列的模式表示、时间序列的关联规则、时间序列的分类和聚类、时间序列的趋势分段,以及对时间序列数据挖掘框架的研究等等。 本文在分析国内外时间序列数据挖掘的研究发展和实际应用需求基础上,以生物医学领域中颅内压、动脉血压等相关时间序列数据的分析处理为实际应用背景,对时间序列数据挖掘中的时间序列数据挖掘框架、异常检测、趋势分段、挖掘框架中映射函数等四个方面的问题进行了分析和研究,提出了一些算法和解决方案,并取得部分成果。所做的主要工作和创新点体现在以下几个方面: 1)时间序列数据挖掘框架研究 时间序列数据挖掘框架是时间序列数据挖掘研究的一个应用热点:如何设计一个时间序列数据挖掘框架,利用已知的时间序列、相关的理论和技术来对未知的时间序列做出准确的估计是当前应用研究的重点。本文给出一种时间序列数据挖掘框架,建立知识学习模型,能够通过数据的选取、特征向量的提取、模型辨识等技术对相关的时间序列进行训练,然后对目标时间序列进行估计。实验结果证明:该数据挖掘框架能够利用相关时间序列对目标时间序列进行较好地估计。 2)时间序列数据挖掘的异常检测研究 研究时间序列数据的异常检测是热点问题:如何设计相应的算法从时间序列信号中快速、高效地找出异常数据,排除无效数据和噪声数据,提炼出有价值的时间序列数据。针对信号异常检索算法不能满足其他时间序列数据的检测需要,提出了扩展的信号异常检索算法解决此类问题,并应用到生物医学中对SPO2、CBFV信号的检测。实验证明:该扩展方法对噪声信号和干扰信号以及不可预知的伪信号较为敏感,能够快速准确地检测出异常数据。3)时间序列数据挖掘的趋势分段研究 时间序列中的趋势分段研究是时间序列研究中的另一个热点问题:在各种时 间序列应用领域中,辨识不同的趋势是非常普遍的问题。为预测关键事件的发生,趋势分析已经成功作为数据处理的步骤,并进一步结合其他数据分析模块来预测某些关键事件;同时,在许多应用中,也发展了许多方法用于趋势检测以及时间序列分段相关的问题。针对基于残留误差的累积和时间序列趋势分段方法存在的一些问题,提出了自适应时间序列趋势分段算法。实验证明:该算法在小样本情况下更能反映时间序列的趋势走向,对估计心脏停搏的出现有较好的指导意义。 4)时间序列数据挖掘框架中的线性映射函数的研究 时间序列数据挖掘框架中关键的模块之一就是映射函数,根据存在信号的特点,提出了使用总体最小二乘法(TLS)、截断奇异值分解法(TSVD)、标准吉洪诺夫正则化方法(STR)等方法构建线性映射函数。实验证明:截断奇异值分解法和标准吉洪诺夫正则化方法所构建的线性映射函数比线性最小二乘法和总体最小二乘法具有良好的估计效果。 5)时间序列数据挖掘框架中的非线性映射函数的研究 提出了使用支持向量回归(SVR)构建非线性映射函数,在利用它对颅内压信号做估计的实验证明:采用非线性方法SVR预测波形,比起采用线性方法TLS和STR所构成的映射函数,和真实波形间相比,有更好的一致性,预测精度有着明显的提高。
【学位授予单位】:电子科技大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TP311.13

【参考文献】
中国期刊全文数据库 前9条
1 行小帅,焦李成;数据挖掘的聚类方法[J];电路与系统学报;2003年01期
2 喻胜,闫波,陈光;一种提取噪声中正弦信号的总体最小二乘法[J];电子测量与仪器学报;2000年02期
3 吴少智;吴跃;徐鹏;胡晓;;线性映射函数对无损颅内压估计的影响[J];电子测量与仪器学报;2010年08期
4 周大镯;刘月芬;马文秀;;时间序列异常检测[J];计算机工程与应用;2008年35期
5 翁小清;沈钧毅;;基于滑动窗口的多变量时间序列异常数据的挖掘[J];计算机工程;2007年12期
6 林果园;郭山清;黄皓;曹天杰;;基于动态行为和特征模式的异常检测模型[J];计算机学报;2006年09期
7 董永贵,孙照焱,贾惠波;时间序列中异常值检测的负向选择算法[J];机械工程学报;2004年10期
8 潘定;沈钧毅;;时态数据挖掘的相似性发现技术[J];软件学报;2007年02期
9 李和平;胡占义;吴毅红;吴福朝;;基于半监督学习的行为建模与异常检测[J];软件学报;2007年03期
【共引文献】
中国期刊全文数据库 前10条
1 陈键;;浅析常用聚类分析算法[J];安徽电子信息职业技术学院学报;2007年01期
2 唐晓芬;赵秉新;;基于支持向量机的农村劳动力转移预测[J];安徽农业科学;2011年11期
3 梁伍七,江克勤;数据挖掘中的模糊聚类分析及其应用[J];安庆师范学院学报(自然科学版);2004年02期
4 郭良栋;田江;丛晓东;;基于CPSO和SVM的混沌时间序列预测[J];辽宁科技大学学报;2009年06期
5 李卫平;张志鸿;;万有引力定律在聚类中的应用[J];安阳工学院学报;2006年04期
6 李红启,刘凯,高洪涛;宏观物流要素及其结构分析[J];北京交通大学学报(社会科学版);2005年01期
7 李红启,刘凯,李电生;宏观物流指标体系研究[J];北京交通大学学报(社会科学版);2005年03期
8 李冬;王璐;康文峥;;基于SVM的作战效能灵敏度分析[J];兵工自动化;2011年01期
9 张军;单永海;曹殿广;郑玉新;葛欣鑫;;基于最小二乘支持向量机的机枪加速寿命建模[J];兵工学报;2012年01期
10 庞九凤;李险峰;谢劲松;佟冬;程旭;;基于支持向量机的微体系结构设计空间探索(英文)[J];北京大学学报(自然科学版);2010年01期
中国重要会议论文全文数据库 前10条
1 刘卓军;李晓明;;一种基于时间序列异常点监测的可疑交易分析方法[A];第十三届中国管理科学学术年会论文集[C];2011年
2 颜七笙;;基于PCA-SVM的动态联盟候选伙伴绩效评价方法[A];第十三届中国管理科学学术年会论文集[C];2011年
3 徐三元;韩冰;陈清光;;基于多Agent危险源分布式监控系统的特征提取[A];中国职业安全健康协会2009年学术年会论文集[C];2009年
4 赵卫;刘济科;;随机结构可靠度分析的支持向量机方法[A];第九届全国振动理论及应用学术会议论文集[C];2007年
5 王威;王润生;;视频序列中事件描述的一种方法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
6 周金柱;黄进;甄立冬;;腔体滤波器制造精度对电性能影响的支持向量建模与优化[A];2011年机械电子学学术会议论文集[C];2011年
7 方志军;李帅;舒雷;刘汪卉尧;;基于Haar小波的沪港股市异常波动溢出效应研究[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年
8 黄紫藤;吴玲达;;监控视频中简单人物行为识别研究[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年
9 ;Online Modeling Based on Support Vector Machine[A];2009中国控制与决策会议论文集(1)[C];2009年
10 ;Detecting Abrupt Changes Based on Dynamic Analysis of Similarity for Rotating Machinery Fault Prognosis[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
中国博士学位论文全文数据库 前10条
1 倪丽萍;基于分形技术的金融数据分析方法研究[D];合肥工业大学;2010年
2 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年
3 吴学雁;金融时间序列模式挖掘方法的研究[D];华南理工大学;2010年
4 祝晓春;增强型软件项目中测试工作量度量研究[D];浙江大学;2010年
5 苏晓珂;基于聚类的异常挖掘算法研究[D];东华大学;2010年
6 管红波;食品连锁经营中的有效客户反应研究[D];东华大学;2010年
7 刘春波;统计建模方法的理论研究及应用[D];江南大学;2011年
8 李海燕;东亚区域经济一体化与经济周期同步性研究[D];吉林大学;2011年
9 刘雪美;喷杆喷雾机风助风筒多目标优化设计[D];山东农业大学;2010年
10 王中锋;树型贝叶斯网络分类器鉴别式训练研究[D];北京交通大学;2011年
中国硕士学位论文全文数据库 前10条
1 姜成玉;基于支持向量机的时间序列预测[D];辽宁师范大学;2010年
2 赵晓燕;基于多索引的高维时间序列子序列检索研究[D];大连理工大学;2010年
3 徐俏;基于多目标微粒群的转炉合金加入量优化研究[D];大连理工大学;2010年
4 高成锴;基于约束动态时间弯曲距离的时间序列相似性匹配[D];大连理工大学;2010年
5 姜力文;基于信息熵的转炉炼钢动态过程建模研究[D];大连理工大学;2010年
6 李艳萍;基于自主学习的移动机器人质心偏移控制策略[D];大连理工大学;2010年
7 姜荣;时间序列的聚类和关联规则挖掘研究[D];辽宁师范大学;2010年
8 李丹丹;基于权重设计的聚类融合算法研究及应用[D];辽宁工程技术大学;2009年
9 陈启;基于支持向量回归在短期负荷预测中的应用[D];河北工程大学;2010年
10 钟冠群;聚类算法在B2M电子商务中的应用研究[D];长春工业大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 许俊刚,柯有安;自组织神经网络雷达目标识别的研究[J];北京理工大学学报;1992年03期
2 侯朝桢,张雅静;基于multi-agent的仿生物免疫:计算机抗病毒研究新思路[J];北京理工大学学报;2002年03期
3 文琪,彭宏;小波变换的离群时序数据挖掘分析[J];电子科技大学学报;2005年04期
4 史笑兴,顾明亮,王太君,何振亚;有序聚类方法及其在神经网络语音识别中的应用[J];电路与系统学报;2000年02期
5 邓浩江,王守觉,邢藏菊,李倩;基于聚类统计与文本无关的说话人识别研究[J];电路与系统学报;2001年03期
6 喻胜,闫波,陈光;一种提取噪声中正弦信号的总体最小二乘法[J];电子测量与仪器学报;2000年02期
7 陈佳;吴跃;;基于并行遗传算法的企业互操作资源选择[J];电子测量与仪器学报;2009年01期
8 刘健庄;基于二维直方图的图象模糊聚类分割方法[J];电子学报;1992年09期
9 王磊,潘进,焦李成;免疫算法[J];电子学报;2000年07期
10 刘静,钟伟才,刘芳,焦李成;免疫进化聚类算法[J];电子学报;2001年S1期
中国博士学位论文全文数据库 前2条
1 曾海泉;时间序列挖掘与相似性查找技术研究[D];复旦大学;2003年
2 肖辉;时间序列的相似性查询与异常检测[D];复旦大学;2005年
【相似文献】
中国期刊全文数据库 前10条
1 李健;孙广中;许胤龙;;基于时间序列的预测模型应用与异常检测[J];计算机辅助工程;2006年02期
2 李斌;谭立湘;章劲松;庄镇泉;;面向数据挖掘的时间序列聚类方法研究[J];计算机科学;2000年12期
3 陈胜利;李俊奎;刘小冬;;在线分段时间序列流:一种有限自动机方法[J];计算机应用研究;2010年05期
4 贾澎涛;林卫;何华灿;;时间序列的自适应误差约束分段线性表示[J];计算机工程与应用;2008年05期
5 吴学雁;黄道平;莫赞;;基于极值点特征的时间序列相似性查询方法[J];计算机应用研究;2010年06期
6 刘懿;鲍德沛;杨泽红;赵雁南;贾培发;王家钦;;新型时间序列相似性度量方法研究[J];计算机应用研究;2007年05期
7 杨霞霞;闫光辉;刘利松;杜琳娜;;时间序列相似性度量的研究[J];软件导刊;2009年06期
8 周则顺;;基于时间序列数据流的挖掘频繁串行情节的研究[J];武汉理工大学学报(信息与管理工程版);2006年05期
9 喻高瞻;彭宏;胡劲松;郑启伦;;时间序列数据的分段线性表示[J];计算机应用与软件;2007年12期
10 杨沛;谭琦;;变窗口神经网络集成预测模型[J];计算机应用研究;2008年08期
中国重要会议论文全文数据库 前10条
1 张冬冬;李建中;王伟平;郭龙江;;时间序列数据流上历史数据的聚集算法[A];第二十届全国数据库学术会议论文集(研究报告篇)[C];2003年
2 赵亮;臧秀娟;;黔川桂三省三大需求与经济增长关系的比较研究——基于对三省1990~2009年时间序列数据的检验[A];西部省区市社科联第四次协作会议暨西部发展能力建设论坛论文集[C];2011年
3 武宏文;李世平;;陕西省建设占用耕地与经济基本面的关系研究[A];2006年中国土地学会学术年会论文集[C];2006年
4 万里;王明生;沈志勇;林东岱;;基于序贯模式挖掘的宏观网络流量异常检测[A];全国网络与信息安全技术研讨会论文集(上册)[C];2007年
5 樊建聪;梁永全;唐雷雨;曾庆田;;一种新的令牌群模型及其在数据挖掘中的应用[A];2007'仪表,自动化及先进集成技术大会论文集(二)[C];2007年
6 徐俊武;卢现祥;;公共支出、政府治理、部门效应与共享式增长——基于中国时间序列数据的分析[A];第十一届中国制度经济学年会论文汇编(上)[C];2011年
7 邬文帅;寇纲;;城市环境治理能力评估:一种基于熵权的动态组合评价方法[A];经济全球化与系统工程——中国系统工程学会第16届学术年会论文集[C];2010年
8 郭学军;陈晓云;;粗集方法在数据挖掘中的应用[A];第十六届全国数据库学术会议论文集[C];1999年
9 张玲玲;李军;石勇;周琳;;基于数据挖掘的智能知识管理模型框架研究[A];第十一届中国管理科学学术年会论文集[C];2009年
10 陆维权;;数据挖掘在肿瘤患者住院费用研究中的应用[A];第十九届全国肿瘤医院管理学术研讨会论文汇编[C];2009年
中国重要报纸全文数据库 前10条
1 记者 宋焱;外汇局发布外汇统计时间序列数据[N];金融时报;2009年
2 李立红 朱进;承钢数据挖掘系统建设项目正式实施[N];中国冶金报;2005年
3 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
4 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
5 晓国;靠数据挖掘留住客户[N];中国计算机报;2002年
6 创智集团副总裁 胡乐群博士;数据挖掘在CRM中的应用[N];中国计算机报;2002年
7 谢立宏博士;企业的“黄金眼”数据挖掘决策支持[N];中国计算机报;2002年
8 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
9 孙富春 李磊;电子政务中的数据挖掘[N];计算机世界;2001年
10 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
中国博士学位论文全文数据库 前10条
1 吴少智;时间序列数据挖掘在生物医学中的应用研究[D];电子科技大学;2010年
2 钱爱玲;复杂结构的时间序列数据挖掘与预测方法研究[D];华中科技大学;2011年
3 陈钊;时间序列数据与稳健建模的统计新方法研究[D];中国科学技术大学;2012年
4 齐建东;基于数据挖掘的入侵检测方法及系统研究[D];中国农业大学;2003年
5 杨风召;高维数据挖掘中若干关键问题的研究[D];复旦大学;2003年
6 张天成;实时数据流相关性分析与挖掘技术研究[D];东北大学;2008年
7 罗强;生物系统建模中的网络重构方法[D];国防科学技术大学;2010年
8 黎治华;基于MODIS反演重构时间序列数据的长江三角洲地区生态环境演变研究[D];华东师范大学;2011年
9 周俊临;基于数据挖掘的分布式异常检测[D];电子科技大学;2010年
10 吴学雁;金融时间序列模式挖掘方法的研究[D];华南理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 张科;代谢组学时间序列数据趋势分析方法研究[D];大连理工大学;2012年
2 岳德君;时间序列数据流中相关性分析技术的研究[D];东北大学;2008年
3 李念水;时间序列数据流在线预测研究与应用[D];大连理工大学;2010年
4 任芳;时间序列数据挖掘研究[D];辽宁师范大学;2010年
5 杨凤;基于离线时间序列数据的设备突发大故障预测[D];电子科技大学;2012年
6 王端伟;时间序列部分周期模式挖掘算法研究[D];天津大学;2008年
7 王凯;外商直接投资与中国经济增长的关系[D];西北大学;2007年
8 李丹;异常数据挖掘算法研究及其在税务上的应用[D];山东大学;2005年
9 李波;基于数据挖掘的异常模式入侵检测研究[D];东北大学;2005年
10 朱黄琼;实验时间点的选取对基因调控网络构建的影响[D];苏州大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026