时序关联规则挖掘算法研究.docVIP

时序关联规则挖掘算法研究 　　摘 要：基于概念格理论，本文研究了对时间序列的波动情况进行周期关联规则的挖掘。首先对时间序列进行了反季节化预处理，然后给出了生成周期关联规则的算法，在算法内部对生成的概念进行了剪枝处理，有效的提高了挖掘速度。并用所给出的高精度模型对不满足移动平均法反季节化预处理条件的时间序列进行了反季节化计算。 　　关键词：数据挖掘；时间序列；关联规则；形式概念分析 　　1 引言 　　目前，关于时间序列中的周期分析正在受到数据挖掘领域的重视，如序列的周期模式和周期规则的发现。针对周期模式的挖掘，即在时序数据库中挖掘重复出现的模式。周期模式挖掘可以看成是以一组分片序列为持续时间的序列模式挖掘，例如，在每年春节销售这一事件出现前后的每一天的销售等。周期模式可以应用于许多重要的领域，例如，季节、潮汐、行星轨道、每日能量消耗、每日交通模式以及每周特定时间的所有TV节目。 　　2 时间序列 　　时间序列是指按时间顺序排列的随时间变化的数据集合。这些数据通常是等时间间隔测得的数值，在经济、技术的很多领域都广泛存在[1]，如股票每日波动，科学实验，医疗等等。随着信息技术的广泛使用，人类所拥有的时间序列信息量急剧增加。针对这些海量历史时序数据，如何利用新的技术方法，将其转化为可靠的知识信息，提高人类对未来的预测能力以及对未来事件的提前控制能力，一直受到人们的密切关注。