時序數據挖掘的若干技術研究及其實現(xiàn).pdf

1、本文的工作主要對時間序列數據挖掘中的趨勢分析、序列模式挖掘與相似搜索的結合，和可視化三個方面具體的算法進行了研究，對每個算法都給出了改進或優(yōu)化的方法，并結合實驗進行論證，給出相應的實驗結果，其研究成果在Dminer平臺中得到了實現(xiàn)和應用。本文主要研究內容如下：1) 趨勢分析：在趨勢分析指數平滑技術的平穩(wěn)性預測、趨勢性預測，和季節(jié)性預測三種方法中采用了IGS（Iterated Grid Search）算法對參數進行優(yōu)化，使得擬合值和實

2、際值之間的平均平方誤差MSE最小，從而得到較好的平滑結果和較好的預測值。2) 序列模式挖掘與相似搜索的結合：在序列模式挖掘算法EMMA的基礎之上，利用挖掘出來的頻繁模式提出了一種新的預測方法TSD-BMP。3)可視化：在可視化方面，提出了一種適合于對大數據量的數據進行可視化的分析方法TSD-PVAP，該方法主要是采用基于像素的可視化技術，HIS顏色映射模式，和遞歸模式的排列技術，顯示結果直觀，清晰，可以很清楚地看出數據的發(fā)展與變化趨