学位论文 > 优秀研究生学位论文题录展示
基于多属性特征的时态近似周期挖掘和应用
作 者: 周晓昕
导 师: 孟志青
学 校: 浙江工业大学
专 业: 管理科学与工程
关键词: 时态数据挖掘 多维近似周期 多维近似周期关联规则 层次聚类 SOM(自组织特征映射)聚类
分类号: TP311.13
类 型: 硕士论文
年 份: 2008年
下 载: 77次
引 用: 1次
阅 读: 论文下载
内容摘要
随着人们对时态数据挖掘的深入,周期挖掘作为理解时态数据、预测未来趋势的一个极有意义的特征,日益成为时态数据挖掘中十分重要的研究课题。然而,目前很少有人研究基于多属性特征时态数据的近似周期,即多维时态近似周期。多维近似周期指的是多属性事件发生后,相隔一个时间周期(该时间周期可以在固定时间K的时间范围δ内波动)多属性事件重复发生,其关联规则还同时研究了该近似周期规则前件对规则后件发生的影响程度。这是一个很有意义的研究方向,因为同一对象多个属性之间往往存在周期性的相互影响,多个对象的属性之间由于对象的相互竞争、合作关系,也存在周期性的影响,而这种周期性往往表现为近似周期。如果我们将其应用到金融、气象、水文、医疗、超市等领域,发现其近似周期与关联规则,对指导和管理相关的决策问题具有相当的实际价值。本文从以下几方面对时态近似周期进行了研究:(1)介绍了时态周期挖掘的研究背景和不足,引出本文研究内容。(2)在时态型、时态因子和时间粒度的基础上,给出了多维时态事件与预测模型,以及多维时态周期关联规则模型。(3)提出了多维时态近似周期的数学定义,如多维近似周期模式、近似周期模式的支持度、置信度、近似精度和模式覆盖等,证明了相关性质。同时研究了基于时态数据库的层次聚类和SOM聚类的多维时态近似周期的挖掘算法,实验表明了算法的有效性。(4)扩展了多维时态近似周期的定义和性质,提出了三种多维时态近似周期关联规则的概念和性质,研究了基于SQL语言和SOM聚类的挖掘算法并进行了实验,同时尝试将近似周期关联规则应用于关联规则后件预测。本文获得的主要成果为:1、给出了多维时态事件,扩展了多维时态预测模型,提出了多维周期关联规则模型,并证明了相关性质。2、提出了一种多维时态近似周期的数学模型,给出了基于时态数据库的层次聚类和SOM聚类的挖掘算法。3、对三种不同类型多维时态近似周期关联规则进行探讨,提出基于时态数据库和SOM聚类的挖掘算法并应用于实践预测。
|
全文目录
摘要 3-5 ABSTRACT 5-9 1 绪论 9-20 1.1 研究背景 9-10 1.2 数据挖掘综述 10-13 1.2.1 数据挖掘的产生与发展 10-11 1.2.2 数据挖掘研究内容及功能 11-12 1.2.3 数据挖掘常用技术及工具 12-13 1.3 时态数据挖掘综述 13-16 1.3.1 时态模型 13-14 1.3.2 时态数据挖掘研究方向 14-15 1.3.3 时态数据挖掘研究工具 15-16 1.4 周期模式挖掘综述 16-18 1.4.1 周期模式挖掘类型 16-17 1.4.2 周期模式挖掘存在的不足 17-18 1.5 本文研究的内容 18-20 2 多维时态数据模型 20-31 2.1 与时间相关的一些概念和性质 20-24 2.1.1 时态型和时间粒度 20-23 2.1.2 时态型的连续性 23-24 2.2 多维时态模型 24-28 2.2.1 多维时态事件模型 24-25 2.2.2 事件运算及性质 25-26 2.2.3 多维时态预测模型 26-28 2.3 多维时态周期关联规则模型 28-30 2.4 本章小结 30-31 3 多维时态近似周期挖掘 31-47 3.1 模型构造 31-34 3.2 基于层次聚类技术的多维近似周期模式挖掘算法 34-40 3.2.1 数据准备 35-37 3.2.2 挖掘算法 37-38 3.2.3 实验结果 38-40 3.3 基于SQL语言和SOM聚类的多维时态近似周期挖掘算法 40-46 3.3.1 SOM网络的拓扑结构和工作原理 40-42 3.3.2 SOM训练算法 42-43 3.3.3 SOM多维近似周期挖掘算法 43-45 3.3.3.1 输入特征向量预处理 43-44 3.3.3.2 SOM多维近似周期挖掘算法 44-45 3.3.4 实验结果 45-46 3.4 小结 46-47 4 多维近似周期关联规则 47-68 4.1 多维近似周期关联规则模型扩展 47-51 4.1.1 多维时态近似周期关联规则类型 47-48 4.1.2 模型构造 48-51 4.1.3 多维时态周期关联规则约简 51 4.2 多维近似周期关联规则挖掘算法 51-59 4.2.1 数据准备 52 4.2.2 基于单对象的维间近似周期关联规则挖掘算法 52-55 4.2.3 多对象同步近似周期关联规则挖掘 55-58 4.2.4 多对象异步近似周期关联规则挖掘 58-59 4.3 实验结果及预测 59-65 4.4 算法对比 65-67 4.5 小结 67-68 5 总结与展望 68-69 致谢 69-70 参考文献 70-74 攻读硕士期间公开发表的论文 74
|
相似论文
- 对于系统发育谱法聚类算法的改进,TP311.13
- 面向消费者感性需求的手持GPS设计探讨,TN967.1
- 基于Web的社会网络搜索中人名同一性判断方法研究,TP393.09
- 基于两层次聚类的车辆配载调度方法,U492.22
- 网络舆情数据获取与话题分析技术研究,TP393.09
- 互联网新闻热点挖掘系统的研究与实现,TP393.09
- 模糊聚类中若干问题的研究,O235
- 帕金森病相关基因的聚类分析研究,R742.5
- 基于社区发现的网络舆论导向系统研究与应用,TP393.09
- 文本聚类在话题检测与人名消歧中的应用研究,TP391.1
- 基于改进的模糊C均值聚类算法的多文档自动文摘,TP391.1
- 基于云计算的并行聚类算法研究,TP311.13
- 模糊RBF神经网络在人脸识别的应用研究,TP391.41
- 基于潜在语义索引及层次聚类特征空间重构方法与应用研究,Q51
- 基于混合聚类的个性化搜索研究,TP391.3
- OLAP中基于维层次聚类层次块树数据立方体存储的研究与应用,TP311.13
- 突发事件新闻文本层次聚类方法研究,TP391.1
- 随机矩阵理论在肺癌基因网络识别中的应用,O151.21
- 基于凝聚模糊K-means的聚类方法研究,TP181
- 基于随机矩阵理论的层次聚类方法在基因网络研究中的应用,O469
- 层次聚类算法的研究与应用,TP311.13
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com
|