多元時間序列關聯挖掘算法研究與應用.pdf

1、隨著計算機技術的發(fā)展，各個行業(yè)都已經積累了大量的歷史數據。其中，時間序列數據作為一種重要的數據類型正在越來越被重視。數據挖掘已經深入到了各行各業(yè)中，成為了各個企業(yè)機構發(fā)掘數據中隱含信息、創(chuàng)造更大價值的主要工具之一。在網絡活動、醫(yī)療診斷和氣象預測等多個領域，時間序列數據是主要分析對象，研究如何從時間序列數據中挖掘出有價值的信息也越來越有意義。
　　本文的研究目標主要是在非同步的多條時間序列之間挖掘潛在的關聯規(guī)則。通過對多元時間序列進

2、行頻繁模式挖掘和關聯規(guī)則分析，可以發(fā)現時間序列間隱藏的特定趨勢和特殊關系，而這些特殊關系相比于其他數據而言往往包含更多的信息。本文調研了已有的時間序列關聯挖掘算法，并且分析了它們的算法原理及存在的問題?；跁r間序列間關聯規(guī)則的時序特性，設計了一套多元時間序列關聯挖掘流程框架。
　　本文的工作內容主要分為兩部分，首先對時間序列數據進行預處理，其中包括：對時間序列及其線段模式進行概念定義、采用自底向上線段擬合算法對原始時間序列數據進行

3、線段擬合得到線段模式序列、提出了一種基于密度峰值的時間序列異常模式清洗方法對時間序列進行異常模式過濾、采用基于密度峰值的聚類算法對線段模式進行聚類并符號化等；然后提出了一種基于時間約束的多元時間序列關聯挖掘算法，通過構建頻繁模式樹，實現對多條時間序列進行基于時間約束的關聯挖掘，考慮了時間序列中存在的時間延遲屬性。
　　本文最后采用多個數據集對基于密度峰值的時間序列異常模式清洗算法進行了實驗分析，采用股票數據集對基于密度峰值的時間序