时间序列时序关联规则挖掘

然后提出相应的改进方法，并用实证进行分析和论证。文章主要内容包括：

（１）时间序列预处理

时间序列的预处理是时间序列时序关联规则挖掘的第一步：怎样清洗时间序列中的噪声数据。这部分首先对时间序列的噪声数据进行界定，其次综述已有时间序列孤立点噪声数据的识别方法，并且分析这些方法的优缺点，最后提出基于数据相对变化率的时间序列孤立点噪声数据的识别方法。

ｆ２）时间序列的压缩

时间序列压缩是时间序列时序关联规则挖掘的第二步：如何把时间序列转化成模式序列。首先分析时序关联规则挖掘过程中数据压缩的必要性、目的和意义，其次综述已有时间序列压缩方法，在此基础上提出时间序列压缩方法的评价体系，并对已有压缩方法进行比较分析，然后选择有利于时序关联规则挖掘的时间序列压缩方法，最后对所选择压缩方法分割点的确定加以改进。

（３）时间序列模式相似性的度量

时间序列模式间相似性度量是时间序列时序关联规则的重要内容之一。只有很好地度量模式间的相似性，才能更好地完成模式序列中频繁模式和时序关联规则的获取。本文认为已有度量两个元模式相似性的方法存在弊端，考虑到序列模式的相似性度量涉及两个不同长度的模式，因而把度量两个不同维数的点间的距离的方法应用到序列模式相似性的度量上，提出序列模式相似性的动态时间弯曲距离度量法。

（４）时间序列时序关联规则的获取

时间序列时序关联规则挖掘的第三步：怎样从模式序列中获取频繁模式进而生成强时序关联规则。在一般时序关联规则中，对象或者事件的频繁性由其出现的次数决定。但由于时间序列模式的差异性，模式出现的次数不能决定其频繁性，而应由与其相似模式的数目决定。在时序关联规则的生成过程中，针对时间序列模式频繁性的特殊性，本文提出时序关联规则的分层获取方法，并用实证加以分析。

（５１时间序列的相似性

本文对时间序列的相似性研究从两方面展开。一方面研究一元时间序列序列的相似性。首先综述国内外关于时间序列相似性的研究，并分析存在问２