عناصر مشابهة
أسلوب إحصائي مقترح لمعالجة بيانات السلاسل الزمنية العنقودية متعددة المتغيرات: دراسة تطبيقية
| المصدر: | مجلة الدراسات والبحوث التجارية |
|---|---|
| الناشر: |
جامعة بنها - كلية التجارة
|
| المؤلف الرئيسي: | |
| مؤلفين آخرين: | , , |
| المجلد/العدد: | س35, ع4 |
| محكمة: | نعم |
| الدولة: | مصر |
| التاريخ الميلادي: | 2015 |
| الصفحات: | 493 - 523 |
| ISSN: | 1110-1547 |
| رقم MD: | 1180929 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | Arabic |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| رابط المحتوى: |
|
| المستخلص: | تعد السلاسل الزمنية العنقودية من الموضوعات الهامة في تحليل البيانات. وإيجاد اتجاهات مشابهه في السلاسل الزمنية متعددة المتغيرات يمثل تحديا كبيرا في مختلف المجالات والعديد من التطبيقات مثل البحوث الجيوفيزيائية البيئية والبحوث التسويقية وهندسة وإدارة البرمجيات (Roberto ,et.al, 2013 & Monica et.al 2009) وتزداد مشكلات السلاسل الزمنية العنقودية عندما نريد تقسيم مشاهدات السلسلة الزمنية إلى مجموعات أو فئات مختلفة، ويتعلق هذا البحث بدراسة السلاسل الزمنية العنقودية متعددة المتغيرات والتي لها هيكل غير خطي فإنه تم استخدام أسلوب (KMPCA) ليعالج الهيكل غير الخطي يجعل استخدام السلاسل الزمنية العنقودية متعددة المتغيرات أكثر سهوله في الاستخدام. وذلك مع تقييد شرط (normality) وذلك لان السلاسل الزمنية متعددة المتغيرات تكون ذات تفاعلات عالية (High order interaction)، ونظرا لاحتواء البيانات الخاصة بهذه الدراسات على قيم مفقودة فإن جودة توفيق نماذج مناسبة لها تقل وبالتالي تعطي نتائج مضلله، مع العلم أن نتائج تحليل تلك البيانات لابد أن تكون أفضل إذا تم الوصول لطريقه تعالج البيانات المفقودة، فقد تم معالجة هذه البيانات باستخدام طريقة (MCMC). Time series clustering is an important topic, particularly for similarity search amongst long time series such as those arising bioinformatics in marketing research, software engineering and management problems of time series clustering are arising when we want to dived the observations to sets of various categories, this search is interested to study multivariate time series clustering that have nonlinear structure and then used (KMPCA) to handling this type of data with restricted normality, finally this search used the method of (MCMC) to handling missing data. |
|---|
