時序數(shù)據(jù)在線分類與規(guī)則發(fā)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)和物聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展，時序數(shù)據(jù)已經(jīng)廣泛存在于社會生活的各個方面。時序數(shù)據(jù)挖掘就是分析和處理海量的時間序列，從中挖掘出有價(jià)值的信息，使人們能夠正確地認(rèn)識事物和科學(xué)地做出決策。時間序列分類和規(guī)則發(fā)現(xiàn)在時序數(shù)據(jù)挖掘中占有極其重要的地位，并且已經(jīng)在諸多領(lǐng)域得到了實(shí)際的應(yīng)用，為人類的生產(chǎn)生活活動提供了極大的便利。
　　目前，大部分的分類算法在分類之前都需要提供包含所有類別的訓(xùn)練樣本，并在訓(xùn)練階段進(jìn)行學(xué)習(xí)。但在很多情況下，數(shù)據(jù)以流

2、的形式存在，剛開始時可能只有少量甚至是沒有明確的類別知識可供學(xué)習(xí)。雖然聚類算法能夠在沒有訓(xùn)練樣本的情況下對數(shù)據(jù)進(jìn)行類別劃分，但其通常處理的是離線數(shù)據(jù)集，對于在線數(shù)據(jù)流難以達(dá)到較好的分類效果。針對上述問題，面向時間序列的在線層次分類算法能夠從在線時序數(shù)據(jù)流中學(xué)習(xí)新的類別知識，不斷填充分類字典，并根據(jù)分類字典對時間序列分類。實(shí)驗(yàn)表明，該算法對于時序數(shù)據(jù)流具有較好的分類效果，且時間復(fù)雜度較低。
　　在傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘中，不同的事件之間

3、并沒有一定的先后次序，更多的是體現(xiàn)一種伴隨的關(guān)系。但是在時序數(shù)據(jù)中，事件是按照時間順序依次發(fā)生的，事件之間的時間關(guān)系對時間序列的規(guī)則挖掘至關(guān)重要。面向時間序列的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算法通過改進(jìn)傳統(tǒng)的Apriori算法，充分考慮了時序數(shù)據(jù)的時間特性，能夠從多數(shù)據(jù)流中挖掘出關(guān)聯(lián)規(guī)則。基于頻繁模式的規(guī)則發(fā)現(xiàn)算法也進(jìn)行了改進(jìn)，作為關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算法的補(bǔ)充，以期可以更加全面地挖掘規(guī)則。通過在實(shí)際的數(shù)據(jù)集上測試，上述規(guī)則發(fā)現(xiàn)算法能夠從時序數(shù)據(jù)中挖掘出正確且有