[发明专利]一种求解音乐流量预测的时间序列分解方法及系统

权利要求书

1.一种求解音乐流量预测的时间序列分解方法，其特征在于，所述求解音乐流量预测的时间序列分解方法包括：

首先对音乐歌曲用户进行模型构建，使用基于加权模糊内核聚类模型进行音乐歌曲用户聚类；

其次，通过基于加权模糊内核聚类模型生成的用户分类数据以及艺人数据进行音乐播放流量预测模型的构建，使用基于多阶可行系数空间分割的算法进行预测；

最后通过实验分析，对音乐播放流量预测模型中的艺人歌曲流量预测的效率和准确率进行验证；

加权模糊内核聚类模型为：

其中C为聚类数量，v_i＝(v_i1,v_i2,…,v_iL)是第i个聚类中心，u_ij表示第j个模式属于第i个聚类，ω_ik表示第i个聚类的第k个特征的权重因子，m1,β1,为用户自定义的梅尔核函数；

所述通过基于加权模糊内核聚类模型生成的用户分类数据以及艺人数据进行音乐播放流量预测模型的构建，使用基于多阶可行系数空间分割的算法进行预测，包括：

通过加权模糊内核聚类模型进行用户群聚类分组，并通过多阶可行系数空间模型进行音乐播放流量预测，最终将加权模糊内核聚类模型与多阶可行系数空间模型结合进行音乐播放流量预测；具体包括：

步骤1)、初始化：数据集中包括用户和艺人数据，首要初始化用户数据；

步骤2)、设置初始值：t＝1，v_i＝(v_i1,v_i2,…,v_iL)；

设置J_WFKCA(t-1)＝ζ，其中，ζ是一个常数；

步骤3)、分别计算获得u_ij(t)，v_i(t)，w_ik(t)(1≤i≤C，1≤k≤L)；

步骤4)、跳转到步骤2)计算获得J_WFKCA(t)；

步骤5)、如果|J_WFKCA(t)-J_WFKCA(t-1)|＜ε，ε是预先定义的一个小的常数；停止；否则，继续t←t+1,进行步骤3)操作；

步骤6)、获得聚类数据集合；

步骤7)、统计不同类别中不同艺人歌曲流量；

步骤8)、通过步骤6)和7)预测的用户聚类之后的数据集以及统计信息作为m维多边形h的输入；

p_start：表示开始数据点；

p_next：表示下一个数据点；

δ：最大错误边界；

步骤9)、使用艺人流量分别对p_start和p_next构造(m-1)维多边形和

步骤10)、对每一个(m-1)维的新曲面进行循环，根据相交点信息计算(m-2)维的面，切除比更低的部分以及切除比更低的部分；

步骤11)、最终返回结果。