【时间序列的细微关联开采与规则发现】靳晓明.pdf

吉林工业大学硕士研究生学位论文摘要信息时间序列中存储的数据中很大一部分是时间序列。数据开采的一个重要应用是通过分析大量同类系统的输出时间序列提取出隐含的时间序列关联以应用于时间序列预测与簇聚。目前时间序列关联开采研究主要是基于时间序列的总体的、最显著的变化形式。但是,对于实际存在的很多应用领域,相对细微的变化有时是我们不能忽略,甚至是更感兴趣的。为此,本文提出了一种基于序列分解、细微标识的新的时间序列开采方法一一时间序列的细微关联开采。其关键是以序列的细微标识取代原时间序列,作为开采的源数据。本文提出了分解、标识、细微相似度计算算法必须满足几个有效前提。

吉林工业大学硕士研究生学位论文 SSS_,SS-SSS.TSC-ARalgorithmis a fast algorithm in thecondition that Key word.Data mining algorithm,Time series analysis,Micro association mining,TSCalgorithm,Micro associationrule(MAR),TSC-ARalgorithm theseriesishugebutthesetissmall

吉林工业大学硕士研究生学位论文 TSC算法中支持度与置信度的选择基准值、幅间度、位移对TSC算法结果的影响细微标识与相似度在时间序列细微关联分析中的含义时间序列集的细微关联规则定义时间序列集的细微关联规则产生算法 3X-Confidence(SS)TSC算法关键参数选择 3.