毕业设计中期答辩PPT

毕业设计中期工作汇报学生：杜慧敏指导老师：王慧琴通信工程1201古代文物病害信息的时间序列的相关分析方法研究目录123课题介绍数据预处理相关分析研究课题介绍PART.1文物病害：裂隙，位移等相关气象：湿度，温度，风速等相关分析：灰度关联分析，互信息分析预处理：缺值处理，傅里叶去噪，归一化课题介绍课题介绍开始数据预处理相关分析结束缺失值处理：均值处理数据去噪：傅里叶去噪归一化：标准分数化灰色关联分析互信息分析数据预处理PART.2数据预处理12缺失值处理傅里叶去噪3归一化处理数据预处理——缺失值处理起因机械原因人为原因数据存储的失败数据录入人员失误漏录了数据数据预处理——缺失值处理特征个别缺失部分缺失数据预处理——缺失值处理处理方法可能值插补缺失值：它的思想来源是以最可能的值来插补缺失值比全部删除不完全样本所产生的信息丢失要少。1.均值插补2.极大似然估计3.多重插补1.均值插补以该属性存在值的平均值来插补缺失的值2.极大似然估计通过观测数据的边际分布可以对未知参数进行极大似然估计，该方法比删除个案和单值插补更有吸引力，它一个重要前提：适用于大样本。有效样本的数量足够以保证ML估计值是渐近无偏的并服从正态分布。但是这种方法可能会陷入局部极值，收敛速度也不是很快，并且计算很复杂。3.多重插补①为每个空值产生一套可能的插补值，这些值反映了无响应模型的不确定性；每个值都可以被用来插补数据集中的缺失值，产生若干个完整数据集合。②每个插补数据集合都用针对完整数据集的统计方法进行统计分析。③对来自各个插补数据集的结果，根据评分函数进行选择，产生最终的插补值。数据预处理12缺失值处理傅里叶去噪3归一化处理开始傅里叶变换阈值选取傅里叶反变换结束重点难点傅里叶去噪数据预处理12缺失值处理傅里叶去噪3归一化处理归一化处理数据的归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，变成无量纲的表达式，成为标量。必要性：•减少算法运算量和复杂度•防止某些数值低的特征被淹没z-score标准化标准分数（standardscore）也叫z分数（z-score）,是一个分数与平均数的差再除以标准差的过程。xz其中x为某一具体分数，μ为平均数，σ为标准差。Z值的量代表着原始分数和母体平均值之间的距离，是以标准差为单位计算。在原始分数低于平均值时Z则为负数，反之则为正数。仿真测试相关分析研究PART.3目前关于多变量数据相关性分析的方法，使用较多的仍然是统计学分析手段，主要包括Granger因果关系分析、典型相关分析、Copula分析、灰色关联分析以及互信息分析等方法。•Granger因果关系分析只能定性地分析变量间的因果关系，而无法给出定量的结果。由于Granger方法是由线性模型公式化得到的，因此把它直接应用到非线性系统不一定合适。•典型相关分析(CCA)能识别并量化两组随机变量之间的线性依赖关系。由于CCA是基于样本数据的协方差矩阵或相关系数矩阵进行求解的，因此对观测值的顺序不会做出响应，不适用于解决时间序列问题。•灰色关联分析对存在不确定性的系统进行分析时具有一定的优势，它对样本量的大小要求不高，分析时不需要典型的分布规律，定量分析结果与定性分析结果基本一致。•互信息分析是基于数据的概率密度定义的，因此对数据类型的分布没有特殊要求，既能够用于线性相关分析，也能够用于非线性相关分析。谢谢