基于時間序列的圖形挖掘.pdf

1、隨著20世紀末信息社會的到來,出現(xiàn)了海量的數(shù)據(jù)流、時間序列、圖形、社會網(wǎng)絡、時空數(shù)據(jù)、文本數(shù)據(jù)、Web數(shù)據(jù)等,從這些海量數(shù)據(jù)中發(fā)現(xiàn)有用的知識是數(shù)據(jù)挖掘的熱點問題。其中由不同時間重復測量得到的值或事件構成了時間序列數(shù)據(jù),大量存在于金融、工程實驗、氣象、醫(yī)療、交通等領域。在數(shù)據(jù)挖掘領域內,對時間序列的關注主要集中在趨勢分析、相似性搜索、關聯(lián)規(guī)則發(fā)現(xiàn)等問題上。本文以股票數(shù)據(jù)為例,在綜述國內外數(shù)據(jù)挖掘研究發(fā)展概況后,對時間序列的表達、規(guī)則發(fā)現(xiàn)、

2、相似性搜索等問題進行研究分析,在時間序列的分段符號化表示、相似性搜索算法以及時間序列數(shù)據(jù)的關聯(lián)規(guī)則發(fā)現(xiàn)方面取得了一些成果,主要的研究內容和研究成果如下:1)介紹了數(shù)據(jù)挖掘分析的基礎理論,包括數(shù)據(jù)挖掘分析過程、時間序列的傳統(tǒng)分析和挖掘分析、頻繁模式發(fā)現(xiàn)、強關聯(lián)規(guī)則等,并對它們進行了深入、系統(tǒng)的學習和分析。
　　 2)時間序列的分段線性表示、符號化表示；
　　 對常用的基于時間序列的分段線性表示方法進行了研究比較,采用基于斜

3、率變化提取特殊點的分段算法,對數(shù)據(jù)進行壓縮,很好的解決了時間序列數(shù)據(jù)高維度、數(shù)據(jù)量大的問題；提出了考慮時間因素,基于線段相對斜率的八元模式的符號化表示方法,有效表示了股票價格的漲跌和時間的關系。并用股票數(shù)據(jù)驗證算法,取得較好結果。
　　 3)相似性搜索的研究；
　　 認真研究了時間序列相似性搜索方法,提出了基于分段符號化和最小首差循環(huán)鏈碼的快速相似搜索算法,較以前的搜索算法有更高的效率,并且有效地解決了因時間軸上的平移、