摘要

摘要

时间序列的时序关联规则指时间序列局部变化趋势之间的具有时间约束的关联关系，这些局部变化趋势发生本身具有时间先后顺序，因此这种关联关系就体现出时序性。时间序列的数据密集性、随机波动性和数据海量性决定了只有通过数据挖掘方法才能获取隐含的时序关联规则。

时间序列时序关联规则挖掘是一个系统工程，分为时间序列预处理、时间序列压缩、时间序列模式相似性度量、时间序列时序关联规则获取、解释和评价等步骤。目前关于各步骤挖掘方法的研究还不够完善，主要表现在以下方面：（１）在孤立点噪声数据的识别中，基于统计学识别法很难获得样本的分布参数，基于小波变换识别法改变了原始时间序列的真实性，基于似然比识别法的计算量较大；（２）在经典时间序列时序关联规则挖掘中，以给定长度和滑动步长的滑动窗口把时间序列离散成模式序列，然后获取频繁模式，最后生成强时序关联规则。由于滑动窗口的长度和滑动步长是由人为给定，这样时间序列的压缩结果具有很强的人为性，挖掘结果也就具有很强的不确定性：（３）时间序列模式相似性的度量是获取模式序列中频繁模式的基础，决定着时序关联规则获取。目前，元模式单调距离和元模式向量距离中对元模式表示都存在缺陷，所以元模式相似性的度量存在一定问题。而且，现有度量序列模式相似性的方法不能用距离法度量不同长度的两个序列模式的相似性。

时间序列时序关联规则具有很强的实用价值，但正如上述，目前挖掘方法却不完善。因此，本文的研究重点是时间序列时序关联规则挖掘方法的改进和完善，提出理论模型与实证分析，力求从时间序列中获取更多可靠的时序关联规则，从而为决策者提供更好的决策帮助。

本文以挖掘步骤为主线展开论述，共分八章，每章的结构安排为：首先综述国内外对本步骤所涉及的理论和研究现状，其次分析研究中存在的问题，