基于导数序列的时间序列同构关系发现

基于导数序列的时间序列同构关系发现

ID:28121208

大小:17.26 KB

页数:4页

时间:2018-12-08

基于导数序列的时间序列同构关系发现_第1页
基于导数序列的时间序列同构关系发现_第2页
基于导数序列的时间序列同构关系发现_第3页
基于导数序列的时间序列同构关系发现_第4页
资源描述:

《基于导数序列的时间序列同构关系发现》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。基于导数序列的时间序列同构关系发现  摘要:  时间序列子序列匹配作为时间序列检索、聚类、分类、异常监测等挖掘任务的基础被广泛研究。但传统的时间序列子序列匹配都是对精确相同或近似相同的模式进行匹配,为此定义了一种全新的具有相似发展趋势的序列模式――时间序列同构关系,经过数学推导给出了时间序列同构关系判定的法则,并基于此提出了同构关系时间

2、序列片段发现的算法。该算法首先对原始时间序列进行预处理,然后分段拟合后对各时间序列分段进行同构关系判定。针对现实背景数据难以满足理论约束的问题,通过定义一个同构关系容忍度参数使实际时间序列数据的同构关系挖掘成为可能。实验结果表明,该算法能有效挖掘出满足同构关系的时间序列片段。  关键词:  时间序列;数据挖掘;子序列匹配;分段;模式发现  中图分类号:    文献标志码:A  Abstract:  Asthebasisoftimeseriesdataminingtasks,suchasindexing,clus

3、tering,classification,andanomalydetection,subsequencematchinghasbeen为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。research

4、edwidely.Sincethetraditionaltimeseriessubsequencematchingonlyaimsatmatchingtheexactlysameorapproximatelysamepatterns,anewsequencepatternwithsimilartendency,calledtimeserieshomogeneouspattern,wasdefined.Withmathematicalderivation,thetimeserieshomogeneouspatte

5、rnjudgmentrulesweregiven,andanalgorithmontimeserieshomogeneouspatterndiscoverywasproposedbasedonthoserules.Firstly,therawtimeserieswerepreprocessed.Secondly,thehomogeneouspatternswerematchedwithsegmentationandfittingsubsequences.Sincepracticaldatacannotsatis

6、fythetheoreticalconstraints,aparameterofhomogeneouspatterntolerancewasdefinedtomakeitpossibleforthepracticaldatahomogeneouspatternsmining.Theexperimentalresultsshowthattheproposedalgorithmcaneffectivelyminethetimeserieshomogeneouspatterns.  英文关键词Keywords:  t

7、imeseries;datamining;subsequencematching;segmentation;patterndiscovery  0引言为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。 

8、 时间序列数据挖掘的主要任务包括相似性检索、聚类、分类、模式发现、异常监测等,其中模式发现又分为序列模式发现、有趣模式发现、周期模式挖掘、异常模式发现等。序列模式发现最早由Agrawal等[1]提出,算法的输入是一系列序列数据集,算法的目标是找到满足用户定义的最小支持度的所有频繁序列模式;有趣模式发现[2]是指发现满足用户事先预期的、存在特定规律的模式行为;周期模式发现[3-7]根据周

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。