時間序列數(shù)據(jù)挖掘中的若干問題研究.pdf

1、時間序列是數(shù)據(jù)挖掘中一種重要的數(shù)據(jù)類型，在現(xiàn)實世界許多領域中廣泛存在，如股票價格，商品銷售數(shù)據(jù)，氣象數(shù)據(jù)等。且隨著時間推移，這類數(shù)據(jù)的存儲規(guī)模呈現(xiàn)爆炸式地增長。如何對這些海量時序數(shù)據(jù)進行有效的知識發(fā)現(xiàn)，挖掘其內在的各種變化模式，是一個挑戰(zhàn)性的、具有重要理論意義和實用價值的課題。本文在分析時間序列數(shù)據(jù)特點和實際應用需求的基礎上，針對時間序列的數(shù)據(jù)挖掘中的一些關鍵問題進行了研究，具體包括特征模式挖掘、相似性模式查找、多維時間相似性查找等方面

2、，主要的工作集中于以下三個方面： 針對時間序列的特征模式問題，采用無須生成大量候選模式集的互關聯(lián)后繼樹挖掘算法。該方法基于重要點的序列分段化算法和相對斜率的局部符號化方法，既減少了計算復雜度，又避免了噪聲的影響。在算法實現(xiàn)上，根據(jù)序列特征模式的有序性和重復性，極大地提高了挖掘效率。實驗表明，這種方法的挖掘結果是一種圖形化的描述，具有明確的實際含義，便于在實際中應用。 針對時間序列相似性查找問題，采用海量全文索引技術——互

3、關聯(lián)后繼樹索引模型對時間序列進行挖掘。該方法基于重要點分段技術，利用分段動態(tài)彎曲距離作為相似性度量，即保證了度量的魯棒性，又減少了計算復雜度。研究證明文中的方法不僅提高了結果的準確性，也體現(xiàn)了傳統(tǒng)方法所沒有的優(yōu)勢。不僅保證查找的結果不會出現(xiàn)任何正確結果的丟失和錯誤結果的引入，而且也顯示出比傳統(tǒng)方法具有明顯的優(yōu)勢。 針對多維時間序列相似性查找問題，采用了一種可應用于多維時間序列的快速相似搜索方法。該方法將序列(子序列)的局部變化特