主題分析能夠從文獻(xiàn)中選擇所有特征以及對(duì)重點(diǎn)主題內(nèi)容進(jìn)行分析,進(jìn)而實(shí)現(xiàn)對(duì)文獻(xiàn)的檢索。也就是說,分析和把握文獻(xiàn)內(nèi)容是主題分析的核心問題。為了提取主題概念,應(yīng)選取與語義相對(duì)應(yīng)的中心詞當(dāng)作文獻(xiàn)的檢索標(biāo)引。實(shí)際上,主題索引的質(zhì)量受到主題分析質(zhì)量的直接影響,情報(bào)檢索的有效性取決于主題分析的好壞。因此,為更好地進(jìn)行主題分析,主要研究內(nèi)容如下:(1)針對(duì)現(xiàn)有時(shí)間序列聚類方法效率低、時(shí)間復(fù)雜度高等問題,提出了一種基于矩陣輪廓和社會(huì)網(wǎng)絡(luò)技術(shù)的時(shí)間序列聚類方法。首先,利用矩陣概要文件(Matrix Profile)方法,從兩條時(shí)間序列中快速找到一對(duì)最相似的子序列,測量時(shí)間序列之間的相關(guān)性,降低時(shí)間復(fù)雜度。兩條時(shí)間序列之間的相關(guān)性是用最相似子序列對(duì)的數(shù)量來衡量的。其次,該方法構(gòu)造了一個(gè)網(wǎng)絡(luò)來表示時(shí)間序列之間的相關(guān)性。該網(wǎng)絡(luò)將每條時(shí)間序列視為一個(gè)頂點(diǎn),將時(shí)間序列之間的關(guān)系視為邊:對(duì)于相關(guān)性更強(qiáng)的兩條時(shí)間序列,它們之間邊的權(quán)值更大;最后,用社區(qū)檢測方法對(duì)網(wǎng)絡(luò)進(jìn)行劃分。實(shí)驗(yàn)采用經(jīng)典的時(shí)間序列聚類方法作對(duì)比:Louvain-εNN,k-medoids,k-shape。實(shí)驗(yàn)結(jié)果表明,該方法是一種較好的時(shí)間序列聚類方法,...

【文章頁數(shù)】：80 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1時(shí)間序列和所有子序列都是

第2章理論基礎(chǔ)15圖2.1時(shí)間序列和所有子序列都是圖2.2和的距離矩陣定義4：距離剖面D是一個(gè)向量，是給定查詢序列與子序列集中每條子序列的歐式距離。給定兩條時(shí)間序列A和B，根據(jù)定義3，我們可以得到兩個(gè)相應(yīng)的子序列集A和B，對(duì)于A中每條子序列A，計(jì)算其與B中每條子序列的距離，并且記....

圖2.2和的距離矩陣

第2章理論基礎(chǔ)15圖2.1時(shí)間序列和所有子序列都是圖2.2和的距離矩陣定義4：距離剖面D是一個(gè)向量，是給定查詢序列與子序列集中每條子序列的歐式距離。給定兩條時(shí)間序列A和B，根據(jù)定義3，我們可以得到兩個(gè)相應(yīng)的子序列集A和B，對(duì)于A中每條子序列A，計(jì)算其與B中每條子序列的距離，并且記....

圖3.3A接A,B,C和D之接圖以及聚類之間的網(wǎng)絡(luò)連類結(jié)果

數(shù)據(jù),和圖3個(gè)節(jié)每條列的有向據(jù)式對(duì)用第為了說明其中V據(jù)集的大小,。分別為由圖3.2A,為了幫助3.2所示。節(jié)點(diǎn)表示，條邊進(jìn)行定的距離最小向邊表示從式(3.3)，得用更高的邊戀??怐惪耑怓?聮v耭聃悵?胴脛惕惐胊脅育??3章基于明序列之間的,,,校EW,和表示B,C和D之助理解構(gòu)建....

圖3.4T1的所所有子序列和和相應(yīng)的最小子序列所所在時(shí)間序列列

相似3.1簇。得到性。的序獲得的最第似性較大，.4實(shí)例與過我們將包將所有的到與每個(gè)子圖圖3.4左序列；我們得的。利用最相似的子3章基于而不同簇內(nèi)過程包含23條長的時(shí)間序列轉(zhuǎn)子序列最相似3.4T1的所上角的藍(lán)們稱它為T1。用MASS算法子序列，以及matrixprof內(nèi)序列間的長度....

本文編號(hào)：3915497