国家自然科学基金(61300139)
- 作品数：17 被引量：157H指数：7
- 相关作者：李海林梁叶万校基杨丽彬郭崇慧更多>>
- 相关机构：华侨大学大连理工大学更多>>
- 发文基金：国家自然科学基金福建省社会科学规划项目福建省自然科学基金更多>>
- 相关领域：自动化与计算机技术经济管理社会学理学更多>>
- 基于同步频繁树的时间序列关联规则分析被引量：5
- 2021年
- 针对经典算法Apriori和频繁模式增长算法(frequent pattern growth, FP-growth)不能直接对时间序列数据进行关联规则挖掘的问题,提出一种同步频繁树算法(synchronize frequent tree, SFT)。利用时间序列的时间属性具有一维性的特点,定义趋势项-位置表示法表示时间序列数据,将首条时间序列构建成一棵基础树,通过计算树叶子节点与列表项的信息交集,可判断其是否与该树枝中的所有节点构成频繁K项集。在SFT算法中,用趋势项-位置表示的数据内存占用情况要优于原始数据,并且在挖掘过程中不会产生候选频繁项集,使得算法在整个挖掘过程中表现出较好的时间性能。基于商品数据和股票数据的数值实验表明,SFT算法所得结果不仅与其他5种对比算法的结果一致,在各量级的数据和不同的支持度计数中,其时间复杂度都要优于对比算法。
- 李海林龙芳菊
- 关键词：时间序列频繁项集关联规则
- 信息管理专业数据挖掘人才培养模式研究被引量：5
- 2017年
- 数据科学时代,以数据为核心的信息管理与信息系统专业承担着数据挖掘人才培养的重任。针对传统信息管理专业课程设置和人才培养的特色与特点,本文分别从理论教学、实验教学、实践教学和双模式人才培养等方面对该领域的数据挖掘人才培养模式进行了分析,比较传统信息管理与数据科学这两种人才的教学体系与培养模式。该人才培养模式不仅有助于信息化时代向数据科学时代转变,也为信息管理专业的数据挖掘人才培养提供新的教学改革思路。
- 李海林杨丽彬
- 关键词：数据挖掘大数据教学改革
- 基于特征表示的金融多元时间序列数据分析被引量：6
- 2015年
- 文章引入动态时间弯曲方法度量金融多元时间序列数据中特征分量之间的相互关系,提出自适应中心线算法来获取一条综合序列,进而反映金融多元时间序列数据中特征分量之间的异步相关性,有效地实现金融多元时间序列的数据降维和特征表示。
- 万校基李海林
- 关键词：动态时间弯曲聚类分析
- 基于网络拓扑结构的重要节点发现算法被引量：7
- 2019年
- 复杂网络中的重要节点发现在现实生活中有着广泛的应用价值。传统重要节点发现方法可分为局部发现和全局发现两类算法,全局发现算法中最具代表性的是特征向量中心性算法(Eigenvector Centrality,EC),EC算法将所有节点归为一个社区并利用邻居节点重要性反馈计算节点的影响力大小,具有较高的计算效率和识别精度。但是,EC算法忽略了网络的拓扑结构,未考虑到真实网络中节点所在社区的结构特征。为此,本文提出一种基于网络拓扑结构的可达中心性算法(Accessibility Centrality,AC),首先利用邻接矩阵作为反馈路径,在反馈过程中计算不同路径下的节点整体影响力。同时,利用影响力传递过程中的噪音干扰特性,修正每一路径长度下节点整体影响力大小,最后利用修正结果得到AC值。为评估AC算法,本文利用两种传染病模型模拟节点影响力在四组真实网络中的传播过程,并引入其他四种算法进行对比验证。实验结果表明,与其他算法相比,AC算法可以更准确、有效地识别出有具有影响力的重要节点。
- 邓晓懿杨阳金淳
- 关键词：拓扑结构
- 基于簇中心群的时间序列数据分类方法被引量：7
- 2017年
- 分类算法是时间序列数据挖掘中极为重要的任务和技术,该文提出一种基于簇中心群的时间序列数据分类方法。该方法根据时间序列训练数据集中的类别标签进行簇划分,利用近邻传播算法分别对每个簇进行中心代表点选择,构造出各代表点的代表对象集;然后借助基于动态时间弯曲的均值中心方法对各代表对象集实现中心群计算,结合改进后的K近邻算法实现时间序列数据的分类。数值实验结果表明,与传统方法相比,新方法具有更好的分类效果和计算性能。
- 李海林万校基
- 关键词：数据挖掘动态时间弯曲时间序列
- 大数据环境下的管理信息系统发展研究被引量：31
- 2016年
- 大数据时代的到来给管理信息系统带来了一定的冲击和挑战,因此有必要研究大数据对现代管理信息系统的作用及影响,使得管理信息系统的性能和社会服务作用得到进一步提升。首先从数据的内涵与特征来理解大数据的概念,接着从数据处理过程的角度来讲述大数据对管理信息系统业务流程的变化和影响,同时,从管理信息系统的构成来解析大数据对于管理信息系统的推动与发展作用。最后,针对基于大数据环境下的信息安全和信息人才短缺等问题进行了探讨,并提出了相关的解决方案。
- 杨丽彬李海林张飞波
- 关键词：大数据管理信息系统数据挖掘信息处理
- 基于特征矩阵的多元时间序列最小距离度量方法被引量：7
- 2015年
- 相似性度量是多元时间序列数据挖掘任务过程中一项重要的前期工作,度量质量直接影响到后期整个数据挖掘的性能和结果。利用主成分分析方法对数据集中的每个多元时间序列数据进行特征分析,提取其特征矩阵并且构建相应的新正交坐标系。通过夹角公式来度量2个正交坐标系之间距离,并且结合匈牙利算法计算它们之间的最小距离,进而实现了一种基于特征矩阵的多元时间序列最小距离度量方法。实验结果表明,与传统方法相比,新方法具有较好的相似性度量质量,提高了多元时间序列的数据挖掘效果。
- 李海林郭韧万校基
- 关键词：多元时间序列特征矩阵主成分分析数据挖掘
- 基于时间序列数据挖掘的故障检测方法被引量：23
- 2016年
- 为了有效地检测发动机试车实验中性能参数发生的异常,提出一种基于时间序列数据挖掘的发动机故障检测方法。通过基于形态特征的时间序列特征表示方法,将发动机参数时间序列转化为符号序列,再根据符号语义对发动机参数序列实现稳态特征和过渡态特征识别。同时,根据稳态序列的数据特征,利用基于统计特征的时间序列相似性度量结合最不相似模式发现方法实现发动机的故障检测。数值实验结果表明,与传统方法相比,本文方法能够有效地对发动机性能参数进行故障检测,并且具有较强的鲁棒性。
- 李海林郭崇慧杨丽彬
- 关键词：发动机参数故障检测时间序列数据挖掘
- 基于动态时间弯曲的股票时间序列联动性研究被引量：3
- 2016年
- 对于股票联动性的研究,传统时间序列分析方法及目前数据挖掘技术主要使用国内或者国外股票指数来研究市场、板块或行业之间的联动关系,并得到一些较为宏观的结论,存在着缺少直接分析与挖掘个股数据之间的联动性的问题。鉴于此,本文提出一种基于动态时间弯曲的股票时间序列联动性研究方法。通过动态时间弯曲找出若干只形态相似的股票,并在此基础上获得相关的重要信息,再提出基于动态时间弯曲的k-means聚类方法实现股票聚类,进而得到具有相同波动趋势的股票簇。实验结果表明,新方法能从大量股票中准确找到具有联动关系的个股,区分开不同波动趋势的股票簇,具有一定的优越性。
- 李海林梁叶
- 关键词：动态时间弯曲K-MEANS聚类
- 基于变量相关性的多元时间序列特征表示被引量：10
- 2015年
- 针对高维特性对多元时间序列数据挖掘过程和结果的影响,以及传统主成分分析方法在多元时间序列数据特征表示上的局限性,提出一种基于变量相关性的多元时间序列数据特征表示方法.通过协方差矩阵描述每个多元时间序列的分布特征和变量相关关系,利用主成分分析方法对综合协方差矩阵进行主元分析,进而实现多元时间序列的数据降维和特征表示.实验结果表明,所提出的方法不仅能提高多元时间序列数据挖掘的质量,还可以对不等长多元时间序列进行快速有效的挖掘.
- 李海林
- 关键词：多元时间序列主成分分析数据挖掘
