TAILIEUCHUNG - Dự báo trên chuỗi thời gian bằng phương pháp so trùng mẫu dưới độ đo xoắn thời gian động

Bài viết Dự báo trên chuỗi thời gian bằng phương pháp so trùng mẫu dưới độ đo xoắn thời gian động trình bày Dự báo trên chuỗi thời gian đã và đang nhận đươc nhiều quan tâm nghiên cứu trong những năm qua do tính đơn giản và khả năng dự báo trên các chuỗi thời gian phi tuyến phức tạp,. . | TRƯỜNG ĐẠI HỌC SƯ PHẠM TP HỒ CHÍ MINH HO CHI MINH CITY UNIVERSITY OF EDUCATION TẠP CHÍ KHOA HỌC JOURNAL OF SCIENCE KHOA HỌC TỰ NHIÊN VÀ CÔNG NGHỆ NATURAL SCIENCES AND TECHNOLOGY ISSN: 1859-3100 Tập 15, Số 3 (2018): 148-160 Vol. 15, No. 3 (2018): 148-160 Email: tapchikhoahoc@; Website: PATTERN MATCHING UNDER DYNAMIC TIME WARPING FOR TIME SERIES PREDICTION Nguyen Thanh Son* Faculty of Information Technology Ho Chi Minh City University of Technology and Education Received: 01/11/2017; Revised: 11/12/2017; Accepted: 26/3/2018 ABSTRACT Time series forecasting based on pattern matching has received a lot of interest in the recent years due to its simplicity and the ability to predict complex nonlinear behavior. In this paper, we investigate into the predictive potential of the method using k-NN algorithm based on R*-tree under dynamic time warping (DTW) measure. The experimental results on four real datasets showed that this approach could produce promising results in terms of prediction accuracy on time series forecasting when comparing to the similar method under Euclidean distance. Keywords: dynamic time warping, k-nearest neighbor, pattern matching, time series prediction. TÓM TẮT Dự báo trên chuỗi thời gian bằng phương pháp so trùng mẫu dưới độ đo xoắn thời gian động Dự báo trên chuỗi thời gian đã và đang nhận đươc nhiều quan tâm nghiên cứu trong những năm qua do tính đơn giản và khả năng dự báo trên các chuỗi thời gian phi tuyến phức tạp. Trong bài báo này, chúng tôi nghiên cứu sử dụng thuật toán k-NN dựa trên R*-tree dưới độ đo DTW cho bài toán dự báo trên chuỗi thời gian. Các kết quả thực nghiệm trên bốn tập dữ liệu thực cho thấy cách tiếp cận này có thể cho kết quả dự báo chính xác hơn khi so sánh với phương pháp tương tự sử dụng độ đo Euclid. Từ khóa: dự báo trên chuỗi thời gian, k lân cận gần nhất, so trùng mẫu, xoắn thời gian động. 1. Introduction A time series is a sequence of real numbers where each number .

• Toán học
• Dự báo trên chuỗi thời gian
• Chuỗi thời gian
• Phương pháp so trùng mẫu
• Trùng mẫu dưới độ đo xoắn
• Độ đo xoắn thời gian động
• Bài giảng Dự báo trong kinh doanh
• Dự báo trong kinh doanh
• Mô hình dự báo thô đơn giản
• Dự báo bằng phương pháp trung bình trượt
• Phương pháp dự báo chuỗi thời gian
• Chuỗi thời gian mờ
• Tiếp cận đại số gia tử
• Tham chiếu của chuỗi thời gian
• Dự báo chuỗi thời gian mờ
• Chuỗi thời gian mờ trên ngữ nghĩa
• Đại số gia tử
• Mờ hóa dữ liệu
• Giải mờ dữ liệu
• Quan hệ mờ
• Nhóm quan hệ mờ phụ thuộc thời gian
• Tối ưu bày đàn
• Ngữ nghĩa ngôn ngữ
• Luật dự báo chuỗi thời gian mờ
• Tham số ngữ nghĩa hóa
• Nhóm quan hệ mờ
• Mô hình dự báo chuỗi thời gian mờ
• Kỹ thuật phân cụm
• Phân cụm dựa trên đồ thị
• Tập mờ
• Đại học Alabama
• Luận văn Thạc sĩ
• Luận văn Thạc sĩ Khoa học máy tính
• Mô hình dự báo tuyển sinh
• Lý thuyết tập mờ
• Nguyên lý thống kê
• Thống kê doanh nghiệp
• Thống kê ứng dụng
• Bài giảng thống kê ứng dụng
• Tài liệu thống kê ứng dụng
• Dự báo chuỗi thời gian
• Mô hình mạng neural nhân tạo
• Mô hình Markov ẩn
• Thuật toán preSCRIMP
• Dự báo giá chứng khoán
• Thuật toán tối ưu bày đàn
• Thuật toán PSO
• Ngữ nghĩa định lượng tối đa
• Mô hình ngữ nghĩa định lượng tối ưu
• Luận án Tiến sĩ
• Luận án Tiến sĩ ngành Máy tính
• Hệ thống thông tin
• Mô hình dự báo chuỗi thời gian ngôn ngữ
• Miền ngôn ngữ tự nhiên
• Luận văn báo cáo
• Phương pháp dự báo
• mô hình nghiên cứu
• dự báo YSA
• dự báo doanh thu
• Đề cương học phần
• mô hình dự báo kinh tế
• Mô hình dự báo xã hội
• Phương pháp dự báo kinh tế
• Bài toán dự báo kinh tế
• Quan hệ logic mờ
• Thuật toán tối ưu bầy đàn
• Kỹ thuật giải mờ
• Giá trị MSE