分享到:

基于时序数据的模式发现算法研究

如ha时序数据中挖掘出时序模式,已成为一个具有十分重要的理论与实践意义的课也目前,国内外在这方面的研究已经取得了一些成果,对时序数据中模式与数据匹配、拟周期现象以及数据的时态约束等问题提出了一些解决方案。 我们对国内外的一些典型算法作了一些研究,结合一些现实数据库做了一些实验提出了一种新的时序序列模式的逻辑表示法,进而设计出一种新的时序序列建模算法,并作了有关实验,该算法能够动态地确定时序序列模式。l问题描述1.l初始化:线性分段和初始计算 根据先验知识,将时序序列划分成n个子序列,每个子序列包创条线段(即t+l个时间点数据),得到序列的数据值X(l··t+l,I··n)Y(l··t+1,l.·n)其中ie示时间值,Y表示数据值。然后计算各线段的斜率得到斜率序列K’(l··t,l··n),斜率的反x+M序ylJ K(l··t人·n) vxx时间跨度序ffJ L(l··t,l,·t),其中 K’(l,J)代表第j个子序列的第i条线...  (本文共3页) 阅读全文>>

河北工业大学
河北工业大学

时序模式发现算法研究与改进

数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。被信息产业界认为是数据库系统最重要的前沿之一,是信息产业最有前途的交叉学科。数据挖掘算法的好坏将直接影响到所发现知识的好坏。目前大多数的研究都集中在数据挖掘算法和应用上。本文根据数据挖掘领域的需求和现状,研究了复杂数据库中的时序数据库挖掘技术。主要从事的是,在时序数据中发现时序模式。本文概述了时序模式发现所涉及的领域和学科的基本理论知识、目前的研究现状,并分析了它的研究意义。同时给出了本文的具体的工作,主要是:对在时序数据序列中发现模式问题进行了描述,并介绍了一种新的趋势逻辑表示方法,给出了其算法及算法的实验结果;对时序数据进行处理,提出了利用线段的斜率反正切值作为模式识别的样本,从而在分类时忽略模式的畸变;另外,还提出了一个新的基于高阶神经网络的时序模式发现算法。在这一...  (本文共52页) 本文目录 | 阅读全文>>

云南师范大学
云南师范大学

基于时序逻辑的关联规则挖掘方法的研究

随着计算机信息系统的日益普及,大容量存储技术的发展以及条形码等数据获取技术的广泛应用,人们在日常事务处理和科学研究中积累了大量的各种类型的数据。在这些保存的数据中,其绝大部分都是呈现时间序列类型的数据。所谓时间序列类型数据就是按照时间先后顺序排列各个观测记录的数据集。时间序列在社会生活的各个领域中都广泛存在,如金融证券市场中每天的股票收盘价格;商业零售行业中,某项商品每天的销售额;气象预报研究中,某一地区的每天气温与气压的读数以及在生物医学中,某一症状病人在每个时刻的心跳变化等等。应该注意到时间序列不仅仅是对历史事件的记录,随着时间推移和时间序列数据的大规模增长,如何对这些海量的时间序列进行处理,挖掘其背后蕴涵的价值信息,这对于我们揭承事物发展变化的内部规律,发现不同的事物之间的相互作用关系,为人们正确认识事物和科学决策提供依据等等,都具有重要的现实意义。因此,有关时间序列关联规则挖掘的研究一直以来都受到广泛地重视,成为一个具有...  (本文共191页) 本文目录 | 阅读全文>>

广东工业大学
广东工业大学

时序数据挖掘技术及其在水质预测中的应用研究

时间序列数据挖掘是从大量的时间序列数据集中提取潜在的、有用的知识,据此预测时间序列的未来。本文结合导师“区域水环境监控及决策支持系统开发(广东省科技攻关项目)”和“流域水污染时滞大系统的建模与控制(国家自然科学基金项目)”的研究课题,进行了时序数据挖掘技术及其在水质预测中的应用研究。其主要内容包括:进行基于时序模式和规则的趋势预测方法研究、进行基于时序趋势结构序列的时序数据挖掘方法研究、进行基于粗糙集和趋势结构序列的时序挖掘方法研究、以及进行时序挖掘方法应用于水质预测上的研究。本文的主要工作、成果及核心部分归纳如下:(1)第一章概述时序数据挖掘的产生背景和研究现状,阐述进行时间序列数据挖掘技术及其在水质预测上的应用研究的价值和意义,给出本博士论文的组织结构和研究内容。(2)第二章介绍数据挖掘的概念及数据挖掘的几个过程,概述关联规则的概念和关联规则的发现、分类发现的含义和分类发现的主要方法。(3)第三章,作者给出上升的时间子序列和...  (本文共120页) 本文目录 | 阅读全文>>

华北工学院
华北工学院

基于知识发现的时序数据挖掘算法研究

摘要:在数据库中发现知识(KDD)是当今国际人工智能和数据库研究的新兴领域,对于时间序列数据的挖掘是其中重要的研究课题之一。本文分析了知识发现与数据挖掘的基本理论与时序数据库挖掘中的几个重要的方面,研究了连续属性离散化方法、分类发现、聚类发现、关联规则、序列模式等挖掘算法,尤其是重点研究了基于时间序列数据的挖掘方法,并且为改进性能,提出了适用于时间序列数据的模式匹配算法和关联规则发现算法,并充分考虑了兴趣度和负属性在关联规则发现算法中的作用。本文的理论研究为基于知识发现的时序数据的预测模型研究打下了理论基础,算法的实现对预测模型的构建具有很高的实用价值。  (本文共71页) 本文目录 | 阅读全文>>

云南师范大学
云南师范大学

针对时间序列数据的时态关联规则挖掘研究

自80年代开始,数据库技术得到了广泛的普及和应用。随着数据库容量的膨胀,特别是数据仓库以及Web等新型数据源的日益普及,人们面临的主要问题是“数据丰富,但信息贫乏”,即面对浩瀚的数据海洋,却不知该如何有效的地利用这些数据。面对这一问题的挑战,数据挖掘技术应运而生,并显示出强大的生命力。从海量的历史数据中挖掘出其背后蕴含的价值信息对揭发事物发展变化有着重要意义,同时也为科学决策和正确认识事物提供了依据。这些历史数据普遍具有时间性,因此,时间序列数据挖掘研究作为数据挖掘技术研究的重要组成部分,一直以来都受到广泛地重视,成为具有重要理论和实用价值的热点研究课题之一。本文针对时间序列数据的时态关联规则挖掘中时间序列数据表示,频繁序列挖掘,时态关联规则表示和时间序列预测等问题进行研究分析,在频繁序列挖掘和时态关联规则表示等方面取得了一些成果,主要研究工作和研究内容如下:在时序数据中,首先面对的时间区间、时态关系、和时间序列数据表示方法等问...  (本文共206页) 本文目录 | 阅读全文>>