時(shí)間序列特征模式挖掘關(guān)鍵方法研究.pdf

1、現(xiàn)在時(shí)間序列的數(shù)據(jù)存儲(chǔ)規(guī)模正呈現(xiàn)爆炸式的增長(zhǎng)，因此，對(duì)這類(lèi)海量的時(shí)序數(shù)據(jù)如何進(jìn)行有效的知識(shí)發(fā)現(xiàn)，挖掘其潛在的各種變化模式；以及對(duì)于給定的具有抽象含義的變化模式，如何在海量時(shí)間序列庫(kù)中進(jìn)行模式查找等應(yīng)用分析，這是一個(gè)具有較大挑戰(zhàn)性的并在實(shí)際應(yīng)用中具有重要意義的工作，本文通過(guò)在股票市場(chǎng)序列數(shù)據(jù)挖掘形態(tài)特征模式的實(shí)驗(yàn)來(lái)驗(yàn)證了以下時(shí)間序列挖掘中涉及到的的三個(gè)方面的內(nèi)容：
　　 一是重點(diǎn)探討時(shí)間序列的表示方法：定義時(shí)間序列基本趨勢(shì)的自然分

2、割點(diǎn)為重要點(diǎn)，對(duì)時(shí)間序列進(jìn)行分段，壓縮后的時(shí)間序列不僅有效地繼承了原始時(shí)間序列的有效信息，而且相對(duì)于經(jīng)典的回歸分析，更適用于數(shù)據(jù)存儲(chǔ)量大、趨勢(shì)特征明顯的時(shí)間序列，提供了更為詳細(xì)的趨勢(shì)表示方法，而且模擬精度高。
　　 二是提出基于分段線(xiàn)性化和符號(hào)化后的相似性度量方法：從已有的時(shí)間序列相似性度量方法出發(fā)，變換原有的方式，達(dá)到更精確和更簡(jiǎn)便的目的。
　　 三是對(duì)時(shí)間序列特征模式的提取進(jìn)行研究：采用了基于重要點(diǎn)的分段線(xiàn)性化算法，

3、運(yùn)用一種改進(jìn)的基于互關(guān)聯(lián)后繼樹(shù)模型的時(shí)序特征模式挖掘方法。該方法不同于傳統(tǒng)處理模式，在序列分段上，采用基于重要點(diǎn)的時(shí)間序列線(xiàn)段化算法；在符號(hào)化過(guò)程中，采用了基于相對(duì)斜率和帶時(shí)間標(biāo)記的局部符號(hào)化方法。既減少了計(jì)算復(fù)雜度，又避免了噪聲的影響。在挖掘算法實(shí)現(xiàn)上，根據(jù)序列形態(tài)特征模式的有序性和重復(fù)性，提出了一種無(wú)須生成大量的候選模式集的互關(guān)聯(lián)后繼樹(shù)挖掘算法。算法挖掘的結(jié)果不僅是一種圖形化的描述，而且還具有明確的實(shí)際含義，有利于在實(shí)際中的應(yīng)用。<