时间序列的聚类和关联规则挖掘研究

《时间序列的聚类和关联规则挖掘研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、型燮鲨型茎．㈣哕燃必摘要信息技术的高速发展导致了海量数据的产，生。如何在这些海量数据中发现有用的知识，是我们目前面临的最主要问题。数据挖掘技术的出现，为解决这一问题提供了有力的工具。在这些海量数据中，有一类很重要的数据对象——时

2、’日J序列。所谓时fnJ序列就是按照时间先后顺序排列各个观测记录的数据集，众多领域中的数据集都具有这个特点。由于时间序列可以准确反映事件随时问变化的过程，近几年来已经成为了数据挖掘领域研究的热点之一。动态性、高维度、高特征相关性和火量噪音是时I'日J序列的独特结构，这种特征使许多经典的处理静态数据的算法难以发挥作用，极大地增加了挖掘算法的研究难度

3、。因此，开展时间序列的数据挖掘研究，是～个具有挑战性的、且有理论价值和实际意义的研究课题。现实中的大量系统可以用复杂网络来刻画。一个典型的网络是由许多节点与连接两个节点之间的边组成，其中节点用来代表真实系统中不同的个体，而边则用来表示个体之间的关系。近年来，复杂网络的研究受到了越来越多的关注，并渗透到从fj然科学到工程科学共至社会科学的多个领域。复杂网络具有的特征之一是社闭结构，诸多学者从不同角度对如何发现网络中的社团结构问题进行了研究。事实l：，发现网络中社团的过程就是聚类的过程。如何利用复杂网络解决时

4、’自J序列的聚类I、uJ题，足。个值得研究的课题。聚类和关联舰则挖

5、掘是数据挖掘领域研究的基本I、uJ题。本文通过对序列F1_l的H扑iJ进行加权和结合复杂网络理沦，开展了如下的研究：_I：作。提出了⋯种基于Normal矩阵谱平分法的时问序列聚类算法。该算法首先对时f¨J序列数据进行向量形式转化，计算出各个时间序列I’日J的相似度并构建复杂网络，然后利用基于Normal矩阵的谱平分法进行社团划分，相似的时

6、’只J序列被划分到一个礼团，即实现对时问序列数据的聚类。为了验证该方法的有效性和町行性，将其应用丁实惭：的股票时间序列数据聚类分析中，取得了较好的实验结果。在时间越近越重要原贝0指导下，对记录进行时l’日J加权，通过给出加权的公式，提出

7、了一种基于背景的加权关联规则挖掘方法。该算法可以针‘埘用户感兴趣的时间一地，_背景进行关联规则挖掘。相比传统挖掘方法，该方法通过从低层次到高层次概念的序列映射，可以分析U{不同粒度层次的相关信息，有利于决策者做出更准确的决策分析，制定更优的策略。关键词：数据挖掘；时间序列；聚类；关联规则；复杂网络基丁．时间序列的聚类和关联规则挖掘TheStudyofClusterandAssociationRuleMininginTimeSeriesAbstractTherapiddevelopmentofinformationtechnologybringshugedata．andit

8、isimportanthowtomineusefulknowledgeinthesedata．Thedataminingseemstobeapowerfultooltodealwiththisproblem．Amongthesemassdata，oneoftheimportantdatatypesistimeseries(TS)whichiSdatasetthatthedatarecordsarearrangedovertime．Thevariousdataproducedinmanyfilessharethischaracteristic．Inrecentyears，t

9、heresearchonTShasbeenoneofthepopulartopicsindataminingbecauseTScandescribeexactlytheeventchangeprocedureovertime．Thedynamicity,highdimensions．characteristicdependencyandnoisearetheuniquestructureofTS．Forthisreason，itisdifficulttomineknowledgein’FSbyusingofclassicalmethodsandalgorithms．The

10、refore，researchingondatamininginTSisachallengingandvaluableproblemintheoryandpractice．Manysystemsintheworldcallbemodeledbycomplexnetwork．Atypicalnetworkiscomposedofnodesandedgesconnectednodes，wherenodesrepresentthedifferententitiesandedgesreflecttherelationsbetweena