一种新的时间序列数据挖掘方法研究

摘要

该文提出了一种新的时间序列数据挖掘方法,同时还定义了诸如事件、事件特征函数、时序模式和时序模式集、相空间和目标函数等概念,初步建立了时序数据挖掘的框架.在时序数据挖掘中首先要根据时序数据挖掘的目标定义时间序列的事件、事件特征函数和目标函数.再根据时延嵌入技术把时间序列转换到相空间和扩展的相空间.最后研究人员用遗传算法搜索最优的时序模式集并用它来预报.该文首先对相关领域的工作做了简要的回顾并阐述了涉及新的时序数据挖掘方法的有关理论.接着详细的解释了相关概念和时序数据挖掘的框架,并重点分析了正弦时间序列和梅雨期降水量的时间序列.

目录

文摘

英文文摘

第一章绪论

1.1引言

1.2典型的时态数据

1.3数据库中的时态知识

1.4时态数据挖掘中需考虑的几个重要问题

1.5时间序列数据挖掘的进展

1.6本文的主要工作

第二章有关的理论

2.1时序数据中相似序列的挖掘

2.1.1基于ARMA模型的序列匹配方法

2.1.2基于离散傅立叶变换的时间序列相似性快速查找

2.2遗传算法(Genetic Algorithm)

2.3 Takens定理

2.4数据挖掘

第三章时序数据挖掘的相关概念

3.1事件

3.1.1事件实例

3.1.2事件实例

3.2时序模式和时序模式集

3.3相空间和时延嵌入

3.4事件特征函数

3.5扩展的相空间

3.6目标函数

第四章时间序列数据挖掘的基本方法

4.1时间序列数据挖掘方法的总体框架

4.2一个时间序列数据挖掘方法的例子

4.2.1时间序列数据挖掘的目标

4.2.2时序模式的长度

4.2.3创建相空间

4.2.4组成扩展的相空间

4.2.5搜寻最优的时序模式集

4.2.6测试阶段--创建相空间

4.2.7测试阶段—预测事件

4.3时序模式集显著性统计检测

4.4优化方法

第五章应用时间序列数据挖掘方法分析实例

5.1正弦时间序列

5.2梅雨期降水量的时间序列

第六章系统今后的改进和扩展

参考文献

附录

致 谢