模糊时态序列演化模式挖掘.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 模糊时态序列演化模式挖掘 王炳雪 W ANG Bingxue 上海财经大学 信息管理与工程学院，上海 200433 SchoolofInformation Management Engineering，ShanghaiUniversity ofFinanceand EconomicsShanghai200433，China ， WANG BingxueF·uzzy logic for mining of temporal sequence evolution paRerns．Computer Engineering and AppHca． tions，2011，47(28)：128．130． Abstract：Most existing temporal sequence mining methods depend on pa~itioning and discretization ni a naturalway ， which bringson thatthe symbolsofthe alphabetare usually chosen externally and imposed by the users． In orderto reduce the randomicity，the originaltemporalsequence is transformed into fuzzy form by fuzyz clustering，and then rfequentfuzzy temporalevolution patterns are assessed with support and confidence measure．Rule’S supportand confidence are calculated from membership and each sample doesnotarbitrarily supporta single symbolSO as to make the two importantmeasures moreexactnad actua1．An apriorialgorithm and itscomplexity fordiscovering rfequentfuzzy itemsetsarepresent．Thepracticalea1． culation showshtathte miningoftemporalsequenceevolutionpatternson commodity futuresdataismenanigfulandresultfu1． Key words：ad ta mining；fuzzy logic；temporalsequenceevolution patterns 摘 要：目前时态序列挖掘方法大多都是以一种 自然的方式对序列分割、离散处理等，从而使离散化结果很大程度依赖于外部的 人为分割变量。为了使 离散化结果更强地依赖于原始数据，应用模糊聚类方法，将连续时态演化序列转变为模糊时态演化序列， 应用模糊时态演化片段支持度评定频繁模糊时态演化模式，用隶属度计算关联规则的支持度和可信度 ，使这两个重要指标计算 更为精确。给出了频繁模糊模式集的生成算法和复杂度。实际算例显示了方法的有效性。 关键词：数据挖掘；模糊逻辑；时态序列演化模式 DOI：10．3778~．issn．1002—8331．2011．28．035 文章编号：1002—8331(2011)28．0128．03 文献标识码：A 中图分类号：TP391．77 l 前言 IFN)的方法研究了相邻区段的关联规则并用模糊理论对无效 目前 ，人们围绕时态序列演化模式问题做了大量工作。 规则消减；Keith7[等人允许区间边界数据部分地隶属于不同间 例如 ，Gauatmt等人为了挖掘时间序列内部关联规则 ，利用Al。 隔，用模糊逻辑的隶属度函数和模糊分类方法，研究连续数据 len的区