基于數(shù)據(jù)倉(cāng)庫(kù)的時(shí)序數(shù)據(jù)挖掘研究.pdf

1、上海交通大學(xué)博士學(xué)位論文基于數(shù)據(jù)倉(cāng)庫(kù)的時(shí)序數(shù)據(jù)挖掘研究姓名：鄭斌祥申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：控制理論與控制工程指導(dǎo)教師：席裕庚2002.1.1f3)離群時(shí)序數(shù)據(jù)挖掘是從大量的時(shí)序數(shù)據(jù)中挖掘明顯偏離其它數(shù)據(jù)、不滿足數(shù)據(jù)一般行為或模式、與存在的其他數(shù)據(jù)不一致的數(shù)據(jù)。本文對(duì)時(shí)序數(shù)據(jù)的離群挖掘進(jìn)行了深入的研究，提出了一種新的離群數(shù)據(jù)的定義，用以有效地衡量各個(gè)離群數(shù)據(jù)點(diǎn)的離群程度。在此基礎(chǔ)上，提出了一種基于距離的時(shí)序數(shù)據(jù)離群挖掘算法，能夠有效地得到

2、具有最強(qiáng)離群程度的前聹個(gè)離群數(shù)據(jù)。然后提出了一種基于劃分的離群數(shù)據(jù)挖掘算法，將時(shí)序數(shù)據(jù)點(diǎn)劃分為包含和不包含離群數(shù)據(jù)的劃分，離群數(shù)據(jù)挖掘在可能包含離群數(shù)據(jù)的劃分中進(jìn)行，減小了計(jì)算復(fù)雜度；最后針對(duì)具有不同密度的時(shí)序數(shù)據(jù)的離群挖掘，提出了一種新的基于離群指數(shù)的離群挖掘算法，能夠在具有不同密度的數(shù)據(jù)中獲得離群數(shù)據(jù)。(4)針對(duì)時(shí)序數(shù)據(jù)的規(guī)則挖掘，提出了基于聚類的規(guī)則挖掘算法，利用聚類獲得用符號(hào)表示的時(shí)序序列，對(duì)符號(hào)化的時(shí)序序列進(jìn)行規(guī)則挖掘；然后提

3、出了一種基于模糊語(yǔ)義的時(shí)序規(guī)則挖掘算法；最后進(jìn)行了時(shí)序數(shù)據(jù)中近似周期性規(guī)則挖掘的研究，在時(shí)序數(shù)據(jù)相似性的基礎(chǔ)上進(jìn)行周期性規(guī)則的挖掘。(5)深入地研究了時(shí)序數(shù)據(jù)的趨勢(shì)挖掘，提出了一種基于小波變換的時(shí)序數(shù)據(jù)趨勢(shì)挖掘算法，利用小波變換提取時(shí)序數(shù)據(jù)的多尺度的趨勢(shì)序列，對(duì)時(shí)序數(shù)據(jù)的趨勢(shì)序列進(jìn)行相似性挖掘，以獲得具有相似運(yùn)行趨勢(shì)的時(shí)序序列?！伪疚牡臅r(shí)序數(shù)據(jù)挖掘算法是以建立的寶鋼能源數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)的，算法中使用的數(shù)據(jù)均來(lái)自寶鋼能源數(shù)據(jù)倉(cāng)庫(kù)。通過(guò)時(shí)序數(shù)