10.19734/j.issn.1001-3695.2019.12.0664
基于AR_TSM的时间序列motif关联规则挖掘方法研究
挖掘时间序列motif间潜在的关联规则可以在预测未来趋势方面发挥重要作用,时间序列motif即时间序列中先前未知的重复出现的模式.针对符号化时间序列提取motif导致信息丢失的问题,提出基于剪枝技术的motif提取算法PM_Motif,实现了保留原始信息的motif的精准快速提取;针对分割motif来发现其内部关联规则导致的规则不一致的问题,从motif间的关联规则入手,给出了基于AR_TSM方法的时间序列motif关联规则挖掘算法,从根本上避免了因motif分割引起的不确定性,保证了规则的一致性;最后,引入了关联规则评价参数RM,在多数据集上证明了关联规则的预测性能.
时间序列、motif、关联规则、数据挖掘、关联规则评价参数
38
TP301(计算技术、计算机技术)
国家重点研发计划资助项目2016YFC1401902
2021-03-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
403-408