Анализ нечетких временных рядов на основе гранулярных вычислений

Базовые понятия извлечения знаний из нечетких временных рядов на основе гранулярных вычислений, а также вычислений с о словами и перцептивными оценками CWP (СomputingwithWordsandPerceptions) складываются в настоящее время в научное направление: извлечение знаний из нечетких временных рядов на основе гранулярных вычислений. Методология CWPопределяет основную задачу анализа нечетких ВР: распознавание образцовпаттернов ВР (восприятий) и извлечения ассоциативных правил в лингвистической форме. Форма правил определяется принципом обобщенных ограничений (GeneralizedСonstraints). В состав правил входят переменные, принимающие гранулированные значения.

На основе новой методологии решаются традиционные задачи анализа временных рядов:

сегментация — разбиение ВР на значимые сегменты;

кластеризация — поиск группировок ВР или их паттернов;

классификация — назначение ВР или их паттернам одного их заранее определенных классов;

индексирование — построение индексов для эффективного выполнения запросов к базам данных ВР;

резюмирование (summarization) — формирование краткого описания ВР, содержащего существенные черты с точки зрения решаемой задачи;

обнаружение аномалий — поиск новых, не типичных паттернов;

частотный анализ — поиск часто проявляющихся паттернов;

прогнозирование — прогноз очередного значения на базе истории ВР;

извлечение ассоциативных правил — поиск правил, относящихся к паттернам ВР.

В соответствии с методологией CWP основные направления работ сгруппированы в следующие классы:

Уточнение (Precisiation) паттернов, основанных на восприятии;

Обработка ВР на основе принципа обобщенных ограничений;

Извлечение ассоциативных правил;

Преобразование ассоциаций на основе принципа обобщенных ограничений;

Использование экспертных знаний в системах поддержки принятия решений.

При анализе ВР эксперт представляет свои суждения с помощью нечетких понятий, относящихся ко многим объектам:

временные области: интервалы времени (несколько дней), абсолютная или относительная позиция на временной шкале (близкое будущее), периодические или сезонные интервалы (неделя до Рождества);

ранг значений ВР (высокая цена, очень низкий уровень производства);

набор паттернов ВР (быстро растущий, слегка выпуклый);

набор ВР, их атрибутов, как элементов системы (фондовый индекс новой компании);

набор отношений между ВР, атрибутами или элементами (тесно связанный);

множество значений возможности или вероятности (непохоже, очень возможно).

Традиционное выделение паттернов было связано с определением участков с постоянным знаком первой и второй производной: возрастающий и выпуклый, убывающий и гладкий и т. д. Различные шкалы и методы гранулярных вычислений Заде использовались для описания паттернов линейных трендов: рост, падение, резкий рост, медленное падение и т. д. Параметрические методы выпукло-гладкой модификации линейных функций и нечеткая грануляция выпукло-гладких паттернов позволили получить лингвистическое описание для ВР, подобное следующему: медленно убывающий и строго гладкий. В результате исследований создана онтология различных паттернов ВР, в том числе для колебаний и хаоса: осцилляция, разрушение и др. Для описания паттернов в одной из работ[11]был предложен и язык описания паттернов: ShapeDefinitionLanguage (SDL).