基于动态链表结构的时间序列异步周期模式挖掘研究

《基于动态链表结构的时间序列异步周期模式挖掘研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基列StudyonAsynchronousPeriodicPatternsMininginTimeSeriesbasedonDynamicLinkStructure学科专业：系统工程研究生：甘海燕指导教师：顾成奎副教授天津大学管理学院二零一零年六月“—●、■独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致访}之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得鑫鲞太鲎或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示

2、了谢意。学位论文作者签名：甘洒拯签字日期：铆年6月17日学位论文版权使用授权书本学位论文作者完全了解苤奎盘堂有关保留、使用学位论文的规定。特授权苤鲞本鲎可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)I学位论文作者签名：甘沟岔签字日期：枷I，年厶月f够日跏虢碾姥一期驯。年占月垆日摘要时间序列中普遍存在着周期性的行为，从时间序列数据库中提取出周期性规则，即周期模式挖掘在时间序列数据挖掘中具有很重要的地位

3、，异步周期模式挖掘作为时间序列周期模式挖掘的一个分支，是时间序列数据挖掘的前沿领域，具有重要的理论研究价值和现实应用意义。当前的时间序列周期模式挖掘研究，主要集中在了同步周期模式挖掘。然而，当时间序列中存在一些噪声，或者出现一些数据集缺失，或者是特定的数据集插入，使得周期模式发生错位时，现有的同步周期模式挖掘算法很难找到时间序列中隐藏的周期模式。在金融、交通、电力和生物信息等时间序列数据库中，异步周期模式是广泛存在的。目前对其研究的人还很少，因此本文选择时间序列异步周期模式挖掘作为主要研究对象。本文首先对时间序列数据挖掘及周期模式挖掘进行评述，重点综述了

4、时间序列异步周期模式挖掘的研究进展，之后，详细介绍了异步周期模式挖掘的基本定义，当前异步周期模式挖掘的四个相关算法：两阶段算法、SMCA算法、OMMA算法和E．MAP算法，这些内容是本为的研究基础，贯穿于时间序列周期模式挖掘算法研究的全过程。本文重点对当前异步周期模式挖掘的四种典型算法进行比较，主要从挖掘对象、片段终止位置定义、挖掘过程、扫描时间序列数据库次数、时间复杂度和空间复杂度等多个方面，分析比较各算法的优点和不足，从中发现异步周期模式挖掘的改进方向。考虑到大部分时间序列的不可回溯性，本为创新的提出了一种基于动态链表结构的异步周期模式挖掘算法，它使

5、用链表结构，有效地节省了存储空间，并且只需对时间序列数据库扫描一次便可得到用户所需的复杂模式，无需经过生成单事件一模式和多事件一模式这两个阶段，最后采用人工数据和实际的基因序列数据进行仿真，实验结果表明了本文所提算法的有效性。关键词：时间序列，数据挖掘，异步周期模式，动态链表结构k-IABSTRACTPeriodicbehaviorexistingintimeseriescommonly,fromthetimescalesdatabasetoexlracttheperiodicrule，thatis，periodicpattemminingintimes

6、eriesplaysanimportantroleindatamining．Asynchronousperiodicpatternminingistimeseriesdataminingfromierasabranchofatimeseriesofperiodicpatternmining．Italsohasimportantresearchvalueandpracticalapplicationoftheoreticalsignificance．Thecurrentperiodicpatternminingofthetimeserieshasfocus

7、edonthesynchronousperiodicpatternmining，however,whentherearesomenoise，somedatasetsmissing，orspecificdatasetsinsertinthetimeseries，periodicpatternmisalign．Thecurrentsynchronousperiodicpatternminingisverydifficulttofmdthehiddensequenceperiodicpattern．Inthefinancial，transportation,e

8、lectricityandbio-informationtimeseries，t