多维时间序列数据挖掘的方法研究及应用

《多维时间序列数据挖掘的方法研究及应用》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、多维时间序列数据挖掘的方法研究及应用摘要数据挖掘是当前计算机技术研究的热点之一，时间序列数据挖掘是数据挖掘研究的一个重要的组成部分，相对于数据挖掘较成熟的部分而言（比如关联规则的挖掘），时间序列数据挖掘的研究是数据挖掘较新的一个方向，其中多维时间序列的数据挖掘更是比较前沿的一个课题。目前国际上对时间序列挖掘的研究逐渐成为一个新的热点。时间序列挖掘的目的是从时间序列数据库中找出频繁出现的子序列趋势或模式。而多维时间序列还需要降维处理这一步骤。本文的工作主要对多维时间序列数据挖掘中的降维处理、相似性搜索和可视化三个方面具体的算法进行了研究对每个算法都给出了改进或优化的方法并结合实验

2、进行论证给出相应的实验结果。并且实现了一个基于WebService的可视化数据挖掘技术开发平台。本文主要研究内容如下1）降维处理。降维方法是用来克服“维数灾难”和模型化高维数据的一种典型数据处理技术，是用来解决这一问题的有效手段之一。它可通过对离散数据集合的分析来探求嵌入在高位数据空间中本征低维流形的不同样式，寻求事物的本质规律性。并且多维时间序列中有些维是相互关联的，而这些维数之间的关联影响很有可能是非线性的并且也有可能是相互之间影响。提出了一种基于BP神经网络的算法，利用BP神经网络可以以任意精度逼近任意函数这一特性，对I其进行降维。2)相似性搜索。时序数据的相似性挖掘是时

3、序数据挖掘中的重要研究内容。时序数据相似性模式挖掘就是在数据库中发现与给定时序数据的模式相似的时序序列，它有广泛的应用价值。由于是基于多维时间序列的相似性搜索，则要考虑多维的特性，利用1）提出的算法先将其降到一维时间序列，然后使用提出的一种基于形态特征的时间序列相似性搜索算法，找出相似的子序列。3)可视化。可视化方法就是以各种可以发挥出人类在模式处理方面的特殊能力的方式来显示数据。多维时间序列的可视化其实可以看成为多维数据的可视化，多维数据的可视化就是通过各种手段拓展二维空间，以显示更多维或者说附带更多属性值关系的技术。提出了利用了平行坐标法来显示多维的时间序列。通过可视化结果

4、观察数据的某种隐含特性可以更好地指导数据挖掘过程。关键字：多维时间序列，数据挖掘，降维处理，相似性搜索，可视化IIRESEARCHANDIMPLEMENTATIONOFMULTIDIMENSIONALTIME-SERIESDATAMININGMETHODSABSTRACTDataminingisoneofhotspotsofcomputerscience.Time-Seriesminingisanimportantpartofdataminingresearch.Comparedwithothermatureparts(suchasassociationmining)ofdat

5、amining,time-seriesminingisanewerdirection.Especially,multidimensionaltime-seriesminingisamuchnewerdirection.Today,theresearchoftime-seriesminingisgraduallybecominganewhotspot.Thepurposeoftime-seriesminingistofindfrequentsubsequences,trends,andpatterns.Multidimensionaltime-seriesminingneedst

6、oreducedimensions.Inthispaper,themainworkistoresearchthealgorithmsofdimensionalityreduction,similaritysearchandvisualization.Theimprovementortheoptimizationismadeforeachalgorithm.Moreover,Idemonstratethemthroughexperiments,andgivetherelatedresults.Theplatformbasedonwebservice,whichisusedforv

7、isualdatamining,isimplemented.Themainresearchcontentsaresummarizedasfollows:1)DimensionalityReduction:Thedimensionalityreductioncanovercomethecurseofdimensionalityandmodelhighdimensionaldata.IIIThismethodsolvesthisproblemeffectively.Anditfindsdiffe