-
题名时态数据挖掘研究进展
被引量：15
- 1
-
-
作者
张保稳
何华灿
-
机构
西北工业大学计算机系
-
出处
《计算机科学》
CSCD
北大核心
2002年第2期124-126,103,共4页
-
基金
国家教委博士点基金(98069923)
-
文摘
在现实生活中,大量数据集之中的数据都带有时间特征.时态数据随处可见,遍及经济、气象、通信、医疗等等多个领域.股市每日(或月)指数、交换机的每小时的业务量、某一患者的脑电波和Web页的日访问量,这些都是比较常见的例子.对这些时态数据进行分析,从中获取蕴含的系统演化规律,从而完成对系统的未来行为的预测,具有重要的价值和意义.
-
关键词
时态数据挖掘
知识发现
数据库
数据挖掘
关联规则
-
Keywords
Data mining, Temporal data mining, Time series, Events sequences, Temporal patterns , Similarity search, Sequential patterns
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名时态数据的趋势序列分析及其子序列匹配算法研究
被引量：6
- 2
-
-
作者
陈当阳
贾素玲
王惠文
罗昌
-
机构
北京航空航天大学经济管理学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2007年第3期516-520,共5页
-
基金
国家自然科学基金项目(70371007)
-
文摘
针对时态数据挖掘中传统趋势序列分析的缺点,提出了数字趋势序列、趋势序列展开等概念.根据数字趋势序列的特点,使用片段斜率所对应的弧度值来度量片段的趋势.针对数字趋势序列的子序列匹配问题,设计了“DTW双约束快速搜索算法”.算法分为3个部分:DTW顺序搜索、双约束机制、冗余消除机制,其中DTW顺序搜索构成了算法的基本框架,双约束机制加快了DTW距离的计算过程,冗余消除机制消除了最终结果集中的冗余.
-
关键词
时态数据挖掘
数字趋势序列
子序列匹配
动态时间弯曲
-
Keywords
temporal data mining
number trend sequence
subsequence matching
DTW
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名确定学习与基于数据的建模及控制
被引量：19
- 3
-
-
作者
王聪
陈填锐
刘腾飞
-
机构
华南理工大学自动化学院控制与优化中心
澳大利亚国立大学信息科学与工程研究院信息工程系
-
出处
《自动化学报》
EI
CSCD
北大核心
2009年第6期693-706,共14页
-
基金
国家重点基础研究发展计划(973计划)(2007CB311005)
国家自然科学基金(60743011,90816028)资助~~
-
文摘
确定学习运用自适应控制和动力学系统的概念与方法,研究未知动态环境下的知识获取、表达、存储和利用等问题.针对产生周期或回归轨迹的连续非线性动态系统,确定学习可以对其未知系统动态进行局部准确建模,其基本要素包括:1)使用径向基函数(Radial basis function,RBF)神经网络;2)对于周期(或回归)状态轨迹满足部分持续激励条件;3)在周期(或回归)轨迹的邻域内实现对非线性系统动态的局部准确神经网络逼近(局部准确建模);4)所学的知识以时不变且空间分布的方式表达、以常值神经网络权值的方式存储,并可在动态环境下用于动态模式的快速识别或者闭环神经网络控制.本文针对离散动态系统,扩展了确定学习理论,提出一个根据时态数据序列对离散动态系统进行建模与控制的框架.首先,运用确定学习原理和离散系统的自适应辨识方法,实现对产生时态数据的离散非线性系统的未知动态进行局部准确的神经网络建模,并利用此建模结果对时态数据序列进行时不变表达.其次,提出时态数据序列的基于动力学的相似性定义,以及对离散动态系统产生的时态数据序列(亦可称为动态模式)进行快速识别方法.最后,针对离散非线性控制系统,实现了基于时态数据序列对控制系统动态的闭环辨识(局部准确建模).所学关于闭环动态的知识可用于基于模式的智能控制.本文表明确定学习可以为时态数据挖掘的研究提供新的途径,并为基于数据的建模与控制等问题提供新的研究思路.
-
关键词
确定学习
时态数据序列
离散动态系统
基于数据的建模
部分持续激励条件
时态数据挖掘
动态模式识别
基于模式的控制
-
Keywords
Deterministic learning, temporal data sequence, discrete-time systems, data-based modeling, partial persistence of excitation （PE） condition, temporal data mining, dynamical pattern recognition, pattern-based control
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种增量时态关联规则算法
被引量：1
- 4
-
-
作者
王俊华
张锡琴
冯敏敏
-
机构
浙江工业大学经贸学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2009年第10期115-117,共3页
-
文摘
由于时态数据都有较强的时间性,即数据会随时间的变化而变化,当前已发现的某些关联规则可能不再有效。因此,我们提出了一种时态约束下的增量式关联规则挖掘算法,随着新数据的产生,增量地更新关联规则集,尽可能地只处理新数据。该算法主要是根据时态事件模型和序列模型以及Apriori原则,在快速更新算法思想基础上产生的,在实际应用中有很大的意义,能对股票数据、银行数据、超市数据和气象数据等时态数据进行分析和研究。
-
关键词
增量式更新
时态数据挖掘
时态关联规则
支持度
置信度
-
Keywords
incremental updating
mining temporal data
temporal association rules
support
confidence
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
