ممیزی و خوشه بندی سری های زمانی در حوزه زمان
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز
- نویسنده بهزاد منصوری
- استاد راهنما رحیم چینی پرداز غلامعلی پرهام
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
در رساله حاضر مساله ممیزی و خوشه بندی سری های زمانی مطالعه شده است. ممیزی بین دو مدل ar(p) به همراه اغتشاش، برای حالتی که در آن واریانس های دو مدل و دو اغتشاش یکسان نیستند بررسی شده و سپس ممیزی بین دو مدل ma(1) به همراه اغتشاش با واریانس های متفاوت به دست آمده است. در اینجا ضمن به دست آوردن معیاری برای ممیزی کردن این مدل ها، کومولانت های تابع توزیع ممیزی محاسبه شده است. در مرحله بعد عملکرد تابع ممیزی با استفاده از شبیه سازی نشان داده شده و کومولانت های تابع ممیزی با آنچه دیگران به صورت عددی به دست آورده اند مقایسه گردیده است. آنالیز ممیزی با استفاده از معیارهای جداسازی مانند کولبک- لیبلر و چرنوف در حوزه زمان مورد بررسی قرار گرفته است. نتایج عددی نشان می دهند که تقریب های به دست آمده برای معیارهای ممیزی در حوزه زمان، برای جداسازی جوامع مناسب هستند. با استفاده از دوره نگار موجکی روشی جهت خوشه بندی سری های زمانی ارائه شده است. همچنین با استفاده از ضرایب موجک بدون زیر نمونه گیری و روش نسبت درستنمایی، معیاری برای ممیزی مدل های سری های زمانی در حوزه موجک ها به دست آمده و توانایی آن در ممیزی سری های زمانی نشان داده شده است. روشی برای ممیزی و خوشه بندی داده های لرزه ای با استفاده از ضرایب موجک با زیر نمونه گیری پیشنهاد شده است. خلاصه نتایج رساله و پیشنهاداتی جهت کارهای آینده نیز ارائه شده است.
منابع مشابه
ممیزی سری های زمانی به روش هسته
آنالیز ممیزی از مباحث پایه ای آمار چند متغیره و ممیزی سری های زمانی از اساسی ترین کاربردهای داده های سری زمانی است. برای ممیزی بین دو سری زمانی ایستا، اغلب فرض می شود اغتشاشات دارای توزیع نرمال هستند. اما چنان چه اغتشاشات دارای توزیع نرمال نباشند، مطلوب است ممیزی به صورت ناپارامتری مطرح شود. روش ناپارامتری ممیزی هسته مبتنی بر استفاده از برآورد تابع چگالی هسته به جای استفاده از مقادیر واقعی آن ه...
ارائه ی یک روش خوشه بندی سری های زمانی بر مبنای الگوریتم تکاملی دیفرانسیلی و تبدیل کسینوسی گسسته
با پیشرفت روز افزون تکنولوژیهای جمع آوری اطلاعات و امکان دسترسی به حجم عظیمی از داده همواره نیازمند روشهایی برای تجزیه و تحلیل این حجم داده خام و استخراج اطلاعات مفید از آن میباشیم. امروزه خوشهبندی داده به عنوان یکی از روشهای آنالیز و ساده سازی مجموعه دادههای بزرگ، مورد توجه بسیاری از محققین قرار گرفته است. در این میان خوشهبندی سریهای زمانی با دقت مورد قبول، حائز اهمیت بسیاری میباشد....
متن کاملممیزی سری های زمانی با استفاده از برآورد تابع درستنمایی ضرایب موجک های گسسته
در این مقاله نسبت درستنمایی توابع چگالی دو جامعه نرمال با استفاده از تبدیل موجکی گسسته تقریب زده شده و یک معیار ناپارامتری برای ممیزی مدل های سری های زمانی ایستا در حوزه موجک ها پیشنهاد شده است. سپس با استفاده از روش های شبیه سازی کارایی معیار به دست آمده در ممیزی مدل های مختلف ARMA نشان داده شده است. عدم نیاز به مدل بندی پارامتری، سرعت محاسبات برای سری های زمانی بزرگ و نرخ خطای ممیزی پایین از ...
متن کاملارایه شاخصی جدید جهت سنجش اعتبار خوشه بندی در الگوریتم های خوشه بندی فازی نوع-2
One of the main issues in fuzzy clustering is to determine the number of clusters that should be available before clustering and selection of different values for the number of clusters will lead to different results. Then, different clusters obtained from different number of clusters should be validated with an index. But so far such an index has not been introduced for interval type-2 fuzzy C...
متن کاملممیزی سری های زمانی با استفاده از تقریب معیارهای کولبک - لیبلر و چرنوف در حوزه موجک ها
فواصل ممیزی کولبک-لیبلر و چرنوف به خوبی برای ممیزی سری های زمانی ایستا توسعه یافته اند. در چند دهه اخیر نظریه موجک ها در بسیاری از زمینه های علمی توسعه یافته است. هدف عمده در این پایان نامه، تقریب فواصل ممیزی کولبک-لیبلر و چرنوف در حوزه موجک ها برای ارایه معیارهایی جهت ممیزی سری های زمانی ایستا و ناایستا است. معیارهای ممیزی کولبک-لیبلر و چرنوف با استفاده از موجک های بدون زیر نمونه گیری (d...
15 صفحه اولارائه ی یک روش خوشه بندی سری های زمانی بر مبنای الگوریتم تکاملی دیفرانسیلی و تبدیل کسینوسی گسسته
با پیشرفت روز افزون تکنولوژیهای جمع آوری اطلاعات و امکان دسترسی به حجم عظیمی از داده همواره نیازمند روشهایی برای تجزیه و تحلیل این حجم داده خام و استخراج اطلاعات مفید از آن میباشیم. امروزه خوشهبندی داده به عنوان یکی از روشهای آنالیز و ساده سازی مجموعه دادههای بزرگ، مورد توجه بسیاری از محققین قرار گرفته است. در این میان خوشهبندی سریهای زمانی با دقت مورد قبول، حائز اهمیت بسیاری میباشد. ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023