时序模式发现算法研究与改进

《时序模式发现算法研究与改进》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、河北工业大学硕士学位论文时序模式发现算法研究与改进姓名：张瑜申请学位级别：硕士专业：计算机应用技术指导教师：彭玉青2003.1.1河北工业大学硕士学位论文时序模式发现算法研究与改进摘要数据挖掘(DataMining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。被信息产业界认为是数据库系统最重要的前沿之一，是信息产业最有前途的交叉学科。数据挖掘算法的好坏将直接影响到所发现知识的好坏。目前大多数的研究都集中在数据挖掘算法和应用上。本文根据数据挖掘领域的需求和现状，研究了复杂数据

2、库中的时序数据库挖掘技术。主要从事的是，在时序数据中发现时序模式。本文概述了时序模式发现所涉及的领域和学科的基本理论知识、目前的研究现状，并分析了它的研究意义。同时给出了本文的具体的工作，主要是：对在时序数据序列中发现模式问题进行了描述，并介绍了一种新的趋势逻辑表示方法，给出了其算法及算法的实验结果；对时序数据进行处理，提出了利用线段的斜率反正切值作为模式识别的样本，从而在分类时忽略模式的畸变；另外，还提出了～个新的基于高阶神经网络的时序模式发现算法。在这一算法中，作者运用了单层的高阶神经网络和分层方法。单层高阶神经网络没有隐含层节点的困扰，训练速度更快

3、；模式分类能力更为强大；不存在局部最小的问题，模式分类精度更高；模式的不变性构建于网络结构之中等优点。分层方法能加快各节点神经网络的学习速度，也能提高模式划分精度。这两种技术使得算法的分类效果更好。给出了算法思想，并实现了此算法。实验结果表明，作者提出的算法在分类的精度上有了一定的改善。本文提出的算法，可以应用到具有时序数据的领域。同其他的时序模式发现算法相比较，具有几点创新：1)从分类精度的角度来改善时序模式发现算法；2)通过高阶神经网络，直接利用网络的特性忽略了时序模式的某些畸变；3)利用了分层方法，进一步改善分类精度。关键词：数据挖掘，时序数据，时

4、序模式，高阶人工神经网络，人工神经网络模式识别BP算法，分类精度堕生堡銮垄墨塞鎏竺蜜皇鏊丝RESEARCHANDIMPRoVEMENToFANALGoRITHMFoRTIME．SERIESPATTERNSDISCoVERYABSTRACTDataminingiStheprocessofabstractingunaware，potentialandusefulinformationandknowledge丘Dmplentiful，incomplete，noisy,fuzzyandstochasticdata,whichisdeemedtooneofafor

5、elandofdataminingsysternandapromisingcross—subject．AssociationruleiSoneofmoreimportantpartindatamining，andfindingfrequentitemsetsplaysanimportantroleinabstractingassociationrules．Mostofexistingalgorithmscostmuchtimeandspacebecausetheyneedplentyofrepetition．Dataminingalgorithmwill

6、directlyinfluencethefindingknowledge．Atpresent，mostofresearchesfocusonthealgorithmandapplicationofdatamining．Accordingtorequirementandactualityofdataminingfield．miningtechnologyoftime—seriesdatabaseincomplexdatabaseiSstudiedinthisPaDer．Istudyonmostlyfindingtime．seriespatternsinti

7、me—seriesdata．Thefieldandsubjectbasictheoryknowledgeoftime—seriespatternsfindingandtheactualityofresearcharesummarized．andthemeaningofitsresearchiSanalyzed．ThedetailedWOrksareasfollows：thefindingpatternsproblemsinthetime—seriesdatasequencearedescribed．andanewtrendlogicexpressionm

8、ethodiSintroduced，anditsalgorithmandexpe