数据挖掘14.pptVIP

课程名称：医学数据挖掘 授课教师：王体春 教师E-Mail: wangtichun@cqmu.edu.cn 医学数据挖掘Medical Data Mining 应用篇 第十四章 时间序列数据挖掘及其在医院中的应用 第一节　时间序列的趋势分析 时间序列及时间序列数据库 时间序列（Ｔime Series)：反映某一总体特征的同一指标的数据，按照相等时间间隔顺序搜集整理而形成的一组统计数据；也指某一系统在不同“时间”的响应。 时间数据库是在传统的数据库基础上加上时间维，即存放包含时间相关属性的数据数据库。 时间序列数据库存放随时间变化多端的数据，是由随时间变化的序列值或事件组成的数据库。 时间序列的构成因素 长期趋势：指一个时间序列依时间进展而逐渐增加或减少的长期变化之趋势.T 季节性变动：年年重复出现的一年内的季节性周期变动，即一个时间序列第年随季节替换，时间序列值勤呈周期性变化.S 周期性变动：又称循环变动，指时间序列值勤相隔数据年后所呈现的周期变动，即沿着趋势线如钟摆地循环变动.C 不规则变动：指时间序列值勤受到突发事件、偶然因素或不明原因所引起的非趋势性、非季节性、非周期性的随机变动.I 时间序列的分析模型构成与方法 加法模型. Y=T+S+C+I 乘法模型 Ｙ＝T*S*C*I 时间序列预测方法 第二节　时间序列的相似性搜索 时间序列相似性搜索概述 时间序列相似性搜索：给定某个时间序列，要从一个大型时间序列数据库中找出与之最相似的序列。 最长公共子序列 时间序列相似性搜索的分类 子序列匹配 整体序列匹配 时间序列相似性搜索的处理步骤 预处理阶段 查询阶段 基于序列变换的相似性搜索 Ａgrawal的规范变换相似性搜索 Ｄavood 的变换相似性研究 基于序列外形特征的相似性搜索 Ｘia的形状匹配法 界标相似性模型 基于外形特征的相似性搜索方法的特点 基于小波变换的相似性搜索 第三节　时间序列模式和周期模式挖掘 时间序列模式挖掘 序列模式挖掘的情形和参数 时间序列的持续时间t 事件折叠窗口w 被发现的时间之间的间隔int 时间序列周期模式挖掘 挖掘全周期模式：在周期中的第一时间点都影响着时序上的循环行为。 挖掘部分周期模式：松散的全周期模式，描述部分时间点的时序周期 挖掘周期关联规则：周期性出现的事件之间的关联规则，即在某个周期中，某个事件的发生将会导致另一事件的发生 第四节　时间序列数据挖掘在医院管理中的应用实例 数据挖掘目的 数据挖掘方法 模式之一 季节性ARIMA乘积模型 季节性BP神经网络模型 最优加权组合预测方法 模式之二 样本资料 数据预处理 第四节　时间序列数据挖掘在医院管理中的应用实例 实验结果 模型一实验结果 季节性ARIMA乘积模型构建 季节性神经网络模型构建 季节性组合预测模型 模型二实验结果 灰色模型GM(1,1)预测和残差检验 残差修正的季节性神经网络模型 GMSANN叠合预测模型拟合与预测结果 讨论 作业： Ｅx1,2,4,5 * * * * *