时间序列数据的特征表示、相似性度量及其应用研究

作者: 李海林、郭崇慧

出版社: 清华大学出版社

出版日期: 2022-05-01

  • 优惠券
  • ¥3
    ¥10
    ¥30
    ¥70
  • 领券
电子书 ¥63.7 定价:98.0
  • 收藏

  • 加书架

  • 引用

简介

本书以时间序列数据为研究对象,对时间序列数据的特征表示和相似性度量进行较为深入和系统的研究,讲述了如何从数据特征的不同角度进行数据降维,结合设计相应的相似性度量方法实现时间序列数据挖掘,同时将相关的特征表示和相似性度量方法应用于文本主题、经济金融、情报分析和发动机参数等具体领域。全书分为 11章:第1章对研究的背景和现状进行了分析,解释了为什么要研究时间序列数据的特征表示和相似性度量。第2章至第6章从时间序列数据的不同视角出发,深入浅出地介绍了新的时间序列数据特征表示和相似性度量等预处理方法。第7章到第10章以主题分析、股票预测、文献分析、发动机参数特征识别和故障检测为目标,将时间序列数据挖掘中的特征表示和相似性度量方法应用于解决具体行业中的相关管理科学问题。第11章对研究进行了总结,并提出了研究的创新和未来研究方向。 本书的研究内容主要涉及统计学、计算机科学、经济学和管理学等,适合从事经济金融、电子信息、生物医学、工业与工程等工作的技术人员、管理人员或有志从事相关领域科学研究的本科生、研究生学习或参考。通过阅读和学习本书,读者可以较好地了解时间序列数据挖掘与传统时间序列数据分析的不同,为今后的时间序列数据的相关研究奠定基础。

编辑推荐

本书特色 内容系统性 特征表示和相似性度量是时间序列数据挖掘过程中一项重要而又基础的数据预处理工作,其质量和效率直接影响后期相关时 时间序列数据的特征表示、相似性度量及其应用研究间序列数据挖掘算法和模型的效果。本书从时间序列数据的不同 特点出发,深人和系统地研究和分析其特征表示和相似性度量方法,并结合相应的数据挖掘任务进行实验比较和分析,同时也将研 究成果应用于具体应用中,从时间序列数据视角更好地解决实际问题。 案例新颖性 本书对时间序列数据特征表示和相似性度量的方法有效性与先进性进行深人分析及研究,实验过程中使用了大量的公共数据 集,使得实验案例具有--定的代表性。同时,除了将特征表示和相似性度量方法应用于常见的金融股票数据外,还将它们应用于文 献数据分析、文本主题分析和发动机参数检测等与时间序列间接相关的新颖案例中,进而拓展了解决实际应用问题的理论和方法。

更多出版物信息
  • 版权: 清华大学出版社
  • 出版: 2022-05-01
  • 作者:李海林、郭崇慧
  • 更新: 2023-06-19
  • 书号:9787302603528
  • 中图:O211.61
  • 学科:
    理学
    数学