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）*节点样条；
3）图像加密（非平稳性度量）。
可考虑的一些问题：
