关于数据流问题的学术报告笔记1

演化数据流度量与建模的一些问题学术讲座笔记

 

学术报告人：武汉大学 丁立新 教授

概念：

数据流：大批的被观察的，按时间排序的数据。

平稳数据流：某种性质不随时间改变。

非平稳数据流：1）趋势平稳；2）布朗运动；3）差分平稳。

 

应用：网络入侵，监控等。

 

相关问题：

1.相似性度量。建立在表征上的。利用希尔伯特-黄变换：EMD分解-->Hilbert变化-->积分。利用边界谱放大特性；

2.模型选择。1）非线性时间序列模型。核心问题：例如神经网络中节点个数选择，和核函数的确定；

2）非平稳度量。数据流-->产生划分-->频率序列-->收敛-->指标 NS(x) = H(sis) / H(iis)    TIP： H(sis)--非 平稳熵  H(iis)--平稳熵

3.数据流自适应建模。从确定的函数空间寻找相似的函数。自适应傅里叶级数（参看厦门大学 钱涛教授）。

4.相关工作

1）分数次多项式： 。（可分 最小二乘法）；

2）自由节点样条；

3）图像加密（非平稳性度量）。

 

可考虑的一些问题：