時(shí)間序列數(shù)據(jù)挖掘研究.pdf

1、隨著計(jì)算機(jī)與信息技術(shù)的普及和大容量存儲(chǔ)技術(shù)的發(fā)展,人們?cè)谌粘Ｊ聞?wù)處理和科學(xué)研究中逐漸積累了大量寶貴數(shù)據(jù),這些數(shù)據(jù)背后蘊(yùn)藏著對(duì)決策有重要參考價(jià)值的消息。如何從這些歷史數(shù)據(jù)中提取需要的信息正成為數(shù)據(jù)挖掘領(lǐng)域關(guān)注的熱點(diǎn)。在現(xiàn)實(shí)生活中,時(shí)間是數(shù)據(jù)本身固有的因素,在數(shù)據(jù)中常常會(huì)發(fā)現(xiàn)時(shí)序語(yǔ)義問(wèn)題。時(shí)序數(shù)據(jù)的出現(xiàn)使得有必要在數(shù)據(jù)挖掘中考慮時(shí)間因素。時(shí)序數(shù)據(jù)在現(xiàn)實(shí)生活中廣泛存在,如金融市場(chǎng)、工業(yè)過(guò)程、科學(xué)試驗(yàn)、醫(yī)療、氣象、水文、生物信息等,而且存儲(chǔ)規(guī)模

2、呈現(xiàn)爆炸式增長(zhǎng)。因此對(duì)時(shí)間序列數(shù)據(jù)挖掘問(wèn)題進(jìn)行深入研究是非常必要和富有挑戰(zhàn)性的。
　　 從20世紀(jì)末開(kāi)始,復(fù)雜網(wǎng)絡(luò)的研究已經(jīng)滲透到生命科學(xué)、數(shù)理學(xué)科和工程學(xué)科、社會(huì)科學(xué)等眾多不同的領(lǐng)域。對(duì)復(fù)雜網(wǎng)絡(luò)的研究,已成為科學(xué)研究中的一個(gè)極其重要的富有挑戰(zhàn)性的課題。其研究熱點(diǎn)之一是尋找復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu),事實(shí)上這個(gè)過(guò)程就是一個(gè)聚類的過(guò)程,所以研究復(fù)雜網(wǎng)絡(luò)社團(tuán)劃分新算法,對(duì)于時(shí)間序列聚類具有重要意義。
　　 本文結(jié)合時(shí)間序列數(shù)據(jù)挖掘

3、和復(fù)雜網(wǎng)絡(luò)理論,開(kāi)展了如下的研究工作:
　　 綜述了時(shí)間序列數(shù)據(jù)挖掘和時(shí)間序列模式挖掘的研究現(xiàn)狀,指出了研究的現(xiàn)實(shí)意義。介紹并分析了最具代表性的序列模式挖掘算法。然后在Chun-Hao Chen等人的基礎(chǔ)上,將模糊頻繁趨勢(shì)挖掘轉(zhuǎn)換為序列模式挖掘并利用序列模式挖掘中的GSP算法生成候選序列模式并進(jìn)行剪枝,能夠更有效減少候選序列模式數(shù)量,從而高效的挖掘模糊頻繁趨勢(shì),提高算法的效率。通過(guò)實(shí)驗(yàn)驗(yàn)證了本文提出的算法能有效挖掘模糊頻繁趨勢(shì)。