一种基于时态数据系统的类周期规则挖掘方法

摘要

本发明公开了一种基于时态数据系统的类周期规则挖掘方法，用来发现无明显周期特性的时态相关属性之间的类周期规则。该方法包括：对时态数据系统中的关注属性进行时态处理，构造出时序特征数据；对时序特征数据进行惯量计算，得到关注属性的惯性趋势序列；在惯性趋势序列基础上，计算关注属性的峰谷链特征；构造关注属性的峰谷统计索引序列；通过跨度离散差计算，得出数据系统的类周期规则。本发明能够实现对无数学意义上的周期现象进行关联规则的计算，克服时间周期上的伸缩性和噪声数据的干扰，挖掘出类周期规则，具有良好的时效性和可靠性，可对突发事件和不可预见性事件的大数据进行规则挖掘，指导人们趋利避害，具有良好的实用效益。