时态数据中序列模式挖掘研究.docVIP

精品文档（可编辑） 值得下载 时态数据中序列模式挖掘研究 摘 要：时态数据中对不确定性和周期数据如何处理，现有的时态数据模型很少涉及。分析时态数据中不确定数据和周期数据，可以从大量的数据中发现有意义的时间相关性，帮助企业决策者预测客户未来的行为变化趋势，总结客户对象随时间变化的规律，从而实现时态数据中序列模式的挖掘问题。该文对时态数据中序列模式挖掘技术进行了研究。 关键词：时态数据 序列模式 BI 数据挖掘 中图分类号：TP391 文献标识码：A 文章编号：1674-098X（2014）05（a）-0056-01 序列模式挖掘技术是数据挖掘技术中针对时态数据库中不确定性信息的存储、组织、挖掘和维护的问题的重要研究方法，特别是商业BI过程中，库中潜存着大量的数据信息，这些数据主要以时态数据为主，因此利用数据挖掘技术综合分析和处理时态数据是很有必要的，而序列模式挖掘技术则是数据挖掘应用的主要方法。利用该技术能够在巨量数据中发现潜在有效的模式和用户信息，并将这些模式应用于商业运营中。 1 不确定数据序列算法研究 2001年，Jian Pei提出了一种新的不确定数据序列算法[1]，其是基于传统Apriori算法的传递闭包性质。并且其中GSP是水平挖掘方法。而在1996年，Srikant提出的挖掘方法[2]是垂直挖掘方法。一般来说，近几年提出的基于传统Ap