基于多目标决策的时间序列数据挖掘算法

摘要

为了解决当前算法挖掘时间序列数据过程中噪声对所得结果有较大影响的问题,该文采用多目标决策方法对时间序列数据进行挖掘.采用TOPSIS方法构造初始矩阵,并使用AHP方法确定权重,使用信息熵权重法对时间序列数据进行处理,采用K-means聚类方法对所得结果进行分类,并进行敏感性分析,发现TOPSIS的区间为[0.08,1],说明该模型鲁棒性强.因此用该模型进行不同类别的加速比测试,发现基于多目标决策理论的效果始终优于基于中心度和基于时空模型方法.