主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
黄晓宇,潘嵘,李磊,梁冰,陈康,蔡文学.面向时序数据的矩阵分解.软件学报,2015,26(9):2262-2277
面向时序数据的矩阵分解
Matrix Factorization for Time Series Data
投稿时间:2013-01-22  修订日期:2014-07-09
DOI:10.13328/j.cnki.jos.004718
中文关键词:  矩阵分解  时间序列数据  概率图模型  缺失估计  低秩近似
英文关键词:matrix factorization  time series data  probabilistic graphical model  missing estimation  low rank approximation
基金项目:国家高技术研究发展计划(863)(2012AA12A203); 国家自然科学基金(61003140); 国家社会科学基金(13BTJ005)
作者单位E-mail
黄晓宇 华南理工大学 经济与贸易学院, 广东 广州 510006
中山大学 计算机软件研究所, 广东 广州 510275 
echxy@scut.edu.cn 
潘嵘 中山大学 计算机软件研究所, 广东 广州 510275  
李磊 中山大学 计算机软件研究所, 广东 广州 510275  
梁冰 中国电信股份有限公司 广东研究院, 广东 广州 510630  
陈康 中国电信股份有限公司 广东研究院, 广东 广州 510630  
蔡文学 华南理工大学 经济与贸易学院, 广东 广州 510006  
摘要点击次数: 2087
全文下载次数: 2673
中文摘要:
      研究一类特殊的矩阵分解问题:对由多个对象在一组连续时间点上产生的数据构成的矩阵R,寻求把它近似地分解为两个低秩矩阵UV的乘积,即RUT×V.有为数众多的时间序列分析问题都可归结为所研究问题的求解,如金融数据矩阵的因子分析、缺失交通流数据的估计等.提出了该问题的概率图模型,进而由此导出了其约束优化模型,最终给出了模型的求解算法.在不同的数据集上进行实验验证了该模型的有效性.
英文摘要:
      The paper studies a matrix factorization problem for time series data, where the target matrix R consists of the equal length time series data generated by a set of objects. The goal is to find two low rank matrices U and V, such that RUT×V. Many time series analysis problems, such as finance data analysis and missing traffic data imputation, can be reduced to the proposed model. A probabilistic graphical representation for the problem is proposed, and a constrained optimization model from the graphical representation is derived. The solution algorithms for the proposed model is also presented. Empirical studies show that the proposed model is superior to the baselines.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利