计算机应用技术专业优秀论文计算机应用技术专业优秀论文 关于时间序列相似性及时序规则发关于时间序列相似性及时序规则发现的研究现的研究关键词：数据挖掘关键词：数据挖掘 时间序列挖掘时间序列挖掘 时序相似性时序相似性 增量挖掘增量挖掘 时序规则时序规则摘要：随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力 大幅度提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了 广泛的关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数 据挖掘已成为当前研究的焦点之一。 本文在综述国内外数据挖掘研究发展概 况后，对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规 则发现等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下： 1对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量， 即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一 个新的优化技术：忽略重叠优化。 2对时序模式挖掘算法进行了研究。由 于闭序列有着良好的性质，故本文利用闭序列的特性，提出了一种更好的优化 算法。该方法避免了候选项的生成，提高了挖掘效率。 3研究了在大型数 据库中进行增量挖掘的问题，我们提出了一个新的 InCloSpan 闭序列增量挖掘 算法。 4利用新得到的闭序列模式挖掘算法，讨论了寻找基于时间段的时 序规则的问题。利用得到的时序规则，可以对数据库的数据进行预测分析。正文内容正文内容随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力大 幅度提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了广 泛的关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数据 挖掘已成为当前研究的焦点之一。 本文在综述国内外数据挖掘研究发展概况 后，对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规则 发现等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下： 1对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量， 即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一 个新的优化技术：忽略重叠优化。 2对时序模式挖掘算法进行了研究。由 于闭序列有着良好的性质，故本文利用闭序列的特性，提出了一种更好的优化 算法。该方法避免了候选项的生成，提高了挖掘效率。 3研究了在大型数 据库中进行增量挖掘的问题，我们提出了一个新的 InCloSpan 闭序列增量挖掘 算法。 4利用新得到的闭序列模式挖掘算法，讨论了寻找基于时间段的时 序规则的问题。利用得到的时序规则，可以对数据库的数据进行预测分析。 随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力大幅度 提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了广泛的 关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数据挖掘 已成为当前研究的焦点之一。 本文在综述国内外数据挖掘研究发展概况后， 对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规则发现 等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下： 1对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量， 即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一 个新的优化技术：忽略重叠优化。 2对时序模式挖掘算法进行了研究。由 于闭序列有着良好的性质，故本文利用闭序列的特性，提出了一种更好的优化 算法。该方法避免了候选项的生成，提高了挖掘效率。 3研究了在大型数 据库中进行增量挖掘的问题，我们提出了一个新的 InCloSpan 闭序列增量挖掘 算法。 4利用新得到的闭序列模式挖掘算法，讨论了寻找基于时间段的时 序规则的问题。利用得到的时序规则，可以对数据库的数据进行预测分析。 随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力大幅度 提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了广泛的 关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数据挖掘 已成为当前研究的焦点之一。 本文在综述国内外数据挖掘研究发展概况后， 对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规则发现 等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下： 1对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量， 即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一 个新的优化技术：忽略重叠优化。 2对时序模式挖掘算法进行了研究。由 于闭序列有着良好的性质，故本文利用闭序列的特性，提出了一种更好的优化 算法。该方法避免了候选项的生成，提高了挖掘效率。 3研究了在大型数 据库中进行增量挖掘的问题，我们提出了一个新的 InCloSpan 闭序列增量挖掘 算法。 4利用新得到的闭序列模式挖掘算法，讨论了寻找基于时间段的时 序规则的问题。利用得到的时序规则，可以对数据库的数据进行预测分析。随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力大幅度 提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了广泛的 关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数据挖掘 已成为当前研究的焦点之一。 本文在综述国内外数据挖掘研究发展概况后， 对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规则发现 等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下： 1对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量， 即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一 个新的优化技术：忽略重叠优化。 2对时序模式挖掘算法进行了研究。由 于闭序列有着良好的性质，故本文利用闭序列的特性，提出了一种更好的优化 算法。该方法避免了候选项的生成，提高了挖掘效率。 3研究了在大型数 据库中进行增量挖掘的问题，我们提出了一个新的 InCloSpan 闭序列增量挖掘 算法。 4利用新得到的闭序列模式挖掘算法，讨论了寻找基于时间段的时 序规则的问题。利用得到的时序规则，可以对数据库的数据进行预测分析。 随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力大幅度 提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了广泛的 关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数据挖掘 已成为当前研究的焦点之一。 本文在综述国内外数据挖掘研究发展概况后， 对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规则发现 等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下： 1对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量， 即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一 个新的优化技术：忽略重叠优化。 2对时序模式挖掘算法进行了研究。由 于闭序列有着良好的性质，故本文利用闭序列的特性，提出了一种更好的优化 算法。该方法避免了候选项的生成，提高了挖掘效率。 3研究了在大型数 据库中进行增量挖掘的问题，我们提出了一个新的 InCloSpan 闭序列增量挖掘 算法。 4利用新得到的闭序列模式挖掘算法，讨论了寻找基于时间段的时 序规则的问题。利用得到的时序规则，可以对数据库的数据进行预测分析。 随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力大幅度 提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了广泛的 关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数据挖掘 已成为当前研究的焦点之一。 本文在综述国内外数据挖掘研究发展概况后， 对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规则发现 等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下： 1对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量， 即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一 个新的优化技术：忽略重叠优化。 2对时序模式挖掘算法进行了研究。由 于闭序列有着良好的性质，故本文利用闭序列的特性，提出了一种更好的优化 算法。该方法避免了候选项的生成，提高了挖掘效率。 3研究了在大型数 据库中进行增量挖掘的问题，我们提出了一个新的 InCloSpan 闭序列增量挖掘 算法。 4利用新得到的闭序列模式挖掘算法，讨论了寻找基于时间段的时 序规则的问题。利用得到的时序规则，可以对数据库的数据进行预测分析。 随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力大幅度 提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了广泛的关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数据挖掘 已成为当前研究的焦点之一。 本文在综述国内外数据挖掘研究发展概况后， 对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规则发现 等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下： 1对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量， 即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一 个新的优化技术：忽略重叠优化。 2对时序模式挖掘算法进行了研究。由 于闭序列有着良好的性质，故本文利用闭序列的特性，提出了一种更好的优化 算法。该方法避免了候选项的生成，提高了挖掘效率。 3研究了在大型数 据库中进行增量挖掘的问题，我们提出了一个新的 InCloSpan 闭序列增量挖掘 算法。 4利用新得到的闭序列模式挖掘算法，讨论了寻找基于时间段的时 序规则的问题。利用得到的时序规则，可以对数据库的数据进行预测分析。 随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力大幅度 提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了广泛的 关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数据挖掘 已成为当前研究的焦点之一。 本文在综述国内外数据挖掘研究发展概况后， 对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规则发现 等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下： 1对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量， 即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一 个新的优化技术：忽略重叠优化。 2对时序模式挖掘算法进行了研究。由 于闭序列有着良好的性质，故本文利用闭序列的特性，提出了一种更好的优化 算法。该方法避免了候选项的生成，提高了挖掘效率。 3研究了在大型数 据库中进行增量挖掘的问题，我们提出了一个新的 InCloSpan 闭序列增量挖掘 算法。 4利用新得到的闭序列模式挖掘算法，讨论了寻找基于时间段的时 序规则的问题。利用得到的时序规则，可以对数据库的数据进行预测分析。 随着计算机软、硬件的进步，人们利用信息技术产生和搜集数据的能力大幅度 提高。作为一种有效的数据分析及预测工具，数据挖掘在近年来得到了广泛的 关注。时间序列数据在数据库数据中十分普遍，于是对时间序列进行数据挖掘 已成为当前研究的焦点之一。 本文在综述国内外数据挖掘研究发展概况后， 对时间序列的表达、相似性搜索、序列模式挖掘、增量挖掘以及时序规则发现 等几个问题进行了研究分析。本文的主要的研究内容和研究成果如下： 1对时间序列的分段线性化表示进行了研究，提出了一个新的时间序列度量， 即模式趋势距离。并且使用该度量提出了一个新的时间序列相似性算法，及一 个新的优化技术：忽略重叠优化。 2对时序模式挖掘算法进行了研究。由 于闭序列有着