基于滑動窗口的多元時間序列數據動態(tài)關聯規(guī)則挖掘.pdf

1、隨著經濟的快速發(fā)展，在工業(yè)生產，金融服務，電子商務，衛(wèi)星遙感，傳感器網絡等領域中都會產生大量的數據，這些數據往往都帶有時間標簽，即時間序列流。挖掘某一個領域多個時間序列流的關聯關系是其中一個重要的研究方向。由于時間序列流具有海量性、實時性和連續(xù)性等特點，其中的數據和知識都會隨著時間的推移而發(fā)生變化，傳統(tǒng)的關聯規(guī)則挖掘方法難以對其進行有效挖掘。
　　目前已有一些數據流關聯規(guī)則挖掘的研究，但是很多都是數據流已經符號化了，或者說數據本身

2、已經代表了一種模式，不需要預處理提取模式。針對多元時間序列的關聯規(guī)則挖掘的深入研究較少，且很多挖掘都是采用等長的時間長度來提取模式，挖掘出來的規(guī)則的每個元模式含有相同的時間長度，也沒有考慮到新數據中的規(guī)則更令人感興趣的情況。
　　本課題使用滑動窗口來對時間序列數據進行限制，挖掘其中的動態(tài)關聯規(guī)則即規(guī)則隨滑動窗口的移動動態(tài)變化。由于時間序列數據是連續(xù)性的，在挖掘前需要對其進行預處理來提取元模式形成事務集，預處理的過程首先對序列進行線

3、性化近似，對線性化后的序列切割使在同一時間段內每個序列只有一條線段也即一種變化模式，然后將相似的線段增量地聚類，為每一類分配一個符號，這樣多元時間序列數據就被符號化了，將同一時間段內的符號組成事務集就可以對其進行關聯規(guī)則挖掘了。本課題關聯挖掘的算法同樣是基于滑動窗口的。在滑動窗口維護一個全局的SWIU-tree(Incremental Updating tree based on Sliding Window)來存儲已經掃描的事務集的概