基于OLAM的时间序列数据挖掘算法研究

摘要

为了适应海量数据的信息处理分析需求，OLAP技术和数据挖掘技术应运而生，其中OLAP用于实现对多维数据的交互式查询处理；而数据挖掘则能够发现隐藏于数据中的潜在有用的知识。但是由于在实际的应用中OLAP与数据挖掘各有侧重，而且具有各自的使用局限，所以如果能将二者有机的结合起来，发展一种建立在OLAP立方体和数据仓库基础上的新的数据挖掘技术，将更能够适合实际的需要。OLAM技术正是这种结合的产物，因此本文首先对OLAM技术的相关理论和研究进行了详细的讨论，并且介绍了开放式数据仓库集成系统的数据挖掘子系统。 立方体计算与传统挖掘算法的结合是OLAM技术的核心，而这种结合在很大程度上需要借助物化视图来提高其性能，其中在时间序列数据挖掘中所用到的物化视图为时态视图。针对一种常用的时态聚集视图，本文采用纯插入、纯删除的增量式更新方法对视图进行维护，并通过基于维层次编码的方法提高维护过程中所需聚集运算的速度，从而进一步提高了时态聚集视图的维护效率。时态视图的高效维护使得基于OLAM的时间序列数据挖掘可以实时、正确、快速地对数据仓库任何一部分不同抽象级别的时态数据进行挖掘。 时间序列相似搜索是时间序列数据挖掘的一个重要功能，它所面临的最大问题是搜索空间过大、计算过于复杂。本文基于OLAM体系结构提出了一种时间序列相似搜索的分层匹配方法。该方法首先利用对时间序列广义移动均值的聚类进行相似搜索的粗匹配；然后通过构造时间序列趋势的相似度，利用用户对趋势相似度的要求可以进行第二次筛选；最后对剩余的时间序列进行距离计算，就可以获得最终符合用户需求的相似时间序列。实验分析表明该方法具有良好的性能和OLAM特征。

目录

文摘

英文文摘

厦门大学学位论文原创性声明及著作权使用声明

第一章绪论

1.1信息系统概述

1.2研究目的及意义

1.3研究内容、关键技术

1.3.1研究内容

1.3.2关键技术

1.4论文安排

第二章OLAM技术

2.1数据仓库

2.1.1数据仓库概述

2.1.2数据仓库体系结构

2.1.3数据仓库的应用

2.2联机分析处理OLAP

2.2.1OLAP概述

2.2.2OLAP与数据仓库

2.2.3OLAP的基本概念

2.2.4OLAP的功能

2.3多维数据模型

2.3.1数据立方体

2.3.2多维数据结构

2.3.3多维数据模型上的OLAP操作

2.3.4数据立方体的物化

2.4数据挖掘

2.4.1数据挖掘的定义

2.4.2数据挖掘的对象

2.4.3数据挖掘的功能

2.4.4数据挖掘的方法

2.4.5数据挖掘的过程

2.5联机分析挖掘OLAM

2.5.1OLAM技术形成的原因

2.5.2OLAM系统的功能特征

2.5.3OLAM系统的体系结构

2.5.4OLAM系统的实现

2.6开放式数据仓库集成系统的数据挖掘子系统

第三章时间序列数据挖掘

3.1时间序列数据挖掘概述

3.1.1时间序列

3.1.2基于时间序列的数据挖掘的研究

3.2基于OLAM的时间序列数据挖掘的实现

第四章时态视图的选择和维护

4.1时态视图的选择

4.2时态视图的维护

4.2.1时诚视图维护的处理方式

4.2.2时态视图维护策略的相关研究

4.2.3时态聚集视图的维护策略

第五章时态序列相似搜索的分层匹配

5.1相关概念

5.1.1时间序列的匹配方式

5.1.2距离度量的方法

5.1.3时间序列相似的定义

5.1.4广义移动均值

5.1.5时间序列的趋势表示

5.1.6时间序列趋势的相似度

5.2理论依据及基本思路

5.2.1理论依据

5.2.2基本思路

5.3过程及算法

5.4性能分析

5.4.1实验描述

5.4.2时间序列相似搜索分层匹配方法的OLAM特征

第六章结束语

参考文献

个人研究成果

致谢