基于片段模式的多时间序列联系分析.pdfVIP

计算机科学2006Vol.33NQ.1 基于片段模式的多时间序列关联分析 秦亮曦1,2,“刘新峰2 史忠植， (中国科学院计算技术研究所智能信息处理重点实验室 北京100080) (中国科学院研究生院 北京 100049)2 (广西大学计算机与电子信息学院 南宁530004) 摘 要 本文对基于片断模式的多时间序列关联分析进行了研究，提出了一种分析方法。这一方法是，首先通过聚类 找出在时间序列中频繁出现的片断棋式，然后将找到的片断模式作为模板，对时间序列进行跨事务关联分析。我们采 用中国证券市场1997^-2001年的数据为测试数据集，对我们提出的算法进行了测试。测试结果表明，我们的算法是 有效的。 关健词 时间序列，关联规则，聚类.动态时间规整 Segment-basedMultipleTimeSeriesAssociationAnalysis QINLiangXi I_IUXin-Fe斌 SHIZhong-Zhi KeyfahofIntelligentInformationProcessing,InstituteofComputingTechnology,ChineseAcademyofSciences,Beijing100080 (GraduateSchoolofChineseAcademyofSciences,Beijing100049) (CollegeofComputer,ElectronicsandInformation,GuangxiUniversity,Nanning630004)3 Abstract Inthispaper,itisstudiedthatsegment-basedmultipletimeseriesassociationrulesanalysis,andanap proachispresented.Theapproachisthat,firstlyfindingthefrequentsegmentpatterninthetimeseriesbymeansof clustering,thenusingthefoundsegmentpatternsastemplatestodotheintertransactionatassociationanalysis.We usethedataofChinesestockmarketfrom1997to2001asthetestdatasettotestourapproach.Theexperimentalre suitsshowthattheapproachiseffective. KeywordsTimeseries,Associationrules,Clustering,Dynamictimewarping ARM 1 引言 在时间序列中，往往有许多会不断重复出现的片断模式。 时间序列是由某个物理量在不同时间点的采样值按照时 如证券市场的股票走势，有许多重要的形态(如头肩型、头肩 间次序排列而组成的序列。如:股票市场每天的股票收盘价 底、土升三角形、下降只角形、长方形等)。有经验的证券分析 格数据、每天的气温数据、电话公司每小时的话务量等都是时 人员能够识别出这些形态，并根据历史数据情况判断股票的 间序列。组成时间序列的数据中，往往隐含着相应系统的一 下 一步走势。然而，由于股票数据的动态特征非常强，数据复 些内在的统计特性和发展规律。如何根据这些时间序列，较 杂多变，对于大多数投资者而言，仅仅依靠人眼观察，从大量 准确地找出这些特性和规律，尽可能多地从中提取出我们所 的历史数据中分析和判断股票的走势，是一件非常难办的事 需要的信息呢?用以实现上述目的的整个方法称为时间序列 情。如果能利用计算机 自动地挖掘、分析这些形态以及它们 分析。这是一种根据动态数据揭示系统动态结构和规律的方 之间的关系，对于投资者预测股票走