时间序列时序关联规则挖掘研究(8)

ＡＢＳＴＲＡＣＴ

ｈａｖｅｍｏｒｅｏｒｌｅｓｓｄｉｓａｄｖａｎｔａｇｅｓ．Ｂｅｃａｕｓｅｔｈｅｓｉｍｉｌａｒｉｔｙａｍｏｎｇｓｅｑｕｅｎｔｉａｌｐａｔｔｅｒｎｓｃｏｍｅｓｄｏｗｎｔｏｔｗｏｍｏｄｅｌｓｏｆｄｉｆｆｅｒｅｎｔｌｅｎｇｔｈ，ｂｙｕｓｉｎｇｔｈｅｍｅｔｈｏｄｏｆｍｅａｓｕｒｉｎｇｄｉｆｆｅｒｅｎｔｄｉｍｅｎｓｉｏｎｓｄｉｓｔａｎｃｅ，ｔｈｅａｕｔｈｏｒｐｕｔｓｆｏｒｗａｒｄｄｙｎａｍｉｃｔｉｍｅｗａｒｐｉｎｇｄｉｓｔａｎｃｅｍｅａｎｓｏｆｓｅｑｕｅｎｔｉａｌｐａｔｔｅｒｎ．

ｏｆＴｅｍｐｏｒａｌＡｓｓｏｃｉａｔｉｏｎＲｕｌｅｓ（４）Ａｃｑｕｉｒｅｍｅｎｔ

ｆｒｏｍＴｈｅｔｈｉｒｄｓｔｅｐｏｆｍｉｎｉｎｇｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｉｓｈｏｗｔｏｇｅｔｆｒｅｑｕｅｎｔｐａｔｔｅｒｎｓｓｅｑｕｅｎｔｉａｌｐａｔｔｅｒｓ，ａｎｄｔｈｅｎｔｏｂｕｉｌｄｓｔｒｅｎｇｔｈｅｎｅｄｔｅｍｐｏｒａｌ

ｏｒａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ．Ｉｎｃｏｍｍｏｎｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ，ｔｈｅ

ｎｏｔ，ａｎｄｉｔｓｆｒｅｑｕｅｎｃｙｄｅｐｅｎｄｓｏｎｏｂｊｅｃｔｓｍａｙａｐｐｅａｒｏｂｊｅｃｔｓａｎｄｔｈｅａｐｐｅａｒｉｎｇｔｉｍｅｓｏｆｉｎｃｉｄｅｎｔｓ．Ｂｅｃａｕｓｅｏｆｔｈｅｄｉｆｆｅｒｅｎｃｅｏｆｔｉｍｅｓｅｒｉｅｓｐａｔｔｅｒｎ，ｔｈｅｆｒｅｑｕｅｎｃｙｃａｎｎｏｔｂｅｄｅｃｉｄｅｄｂｙｓｉｎｇｌｅｍｏｄｅｌ’Ｓａｐｐｅａｒｉｎｇｔｉｍｅｓ，ｂｕｔｂｙｔｈｅａｍｏｕｎｔｏｆｓｉｍｉｌａｒｐａｔｔｅｒｎｓ．Ｄｕｒｉｎｇｔｈｅｐｒｏｃｅｓｓｏｆｃｒｅａｔｉｎｇｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｐａｒｔｉｃｕｌａｒｉｔｙｏｆｔｉｍｅｓｅｒｉｅｓｐａｔｔｅｒｎｓ，ｔｈｅａｕｔｈｏｒｏｆｆｅｒｓｔｈｅｌａｙｅｒｅｄｍｅａｎｓｏｆｇｅｔｔｉｎｇｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓａｎｄｐｒｏｖｅｓｉｔ．

（５）ＳｉｍｉｌａｒｉｔｙｏｆＴｉｍｅＳｅｒｉｅｓ

Ｔｈｅｄｉｓｓｅｒｔａｔｉｏｎｃｌａｒｉｆｉｅｓ

ｏｎｅ

ｏｎｓｉｍｉｌａｒｉｔｙｏｆｔｉｍｅｓｅｒｉｅｓｆｒｏｍｔｗｏａｓｐｅｃｔｓ．Ｏｎｔｈｅｈａｎｄ，ｔｈｅｄｉｓｓｅｒｔａｔｉｏｎｓｔｕｄｉｅｄｔｈｅｓｉｍｉｌａｒｉｔｙｏｆｏｎｅ—ｖａｒｉｅｔｙｔｉｍｅｓｅｒｉｅｓ．Ｂａｓｅｄｏｎｔｈｅｓｕｍｍａｒｙｏｆｅｘｉｓｔｉｎｇｒｅｓｅａｒｃｈｔｉｍｅｓｅｒｉｅｓ，ｔｈｅａｕｔｈｏｒｐｕｔｓｆｏｒｗａｒｄｔｈｅ

ｏｆｔｉｍｅｓｅｒｉｅｓａｎｄｇｒａｐｈｉｃｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅ ｔｏ －ｍｅａｓｕｒｅｓｉｍｉｌａｒｉｔｙａｎａｌｙｚｅｓｔｈｅ

ｍｅｔｈｏｄ．Ｏｎｔｈｅｏｔｈｅｒｈａｎｄ，ｔｈｅｄｉｓｓｅｒｔａｔｉｏｎｒｅｓｅａｒｃｈｅｓｓｉｍｉｌａｒｉｔｙｏｆｍｕｌｔｉｖａｒｉａｔｅｔｉｍｅｓｅｒｉｅｓ．Ｆｉｒｓｔｌｙｔｈｅａｕｔｈｏｒａｎａｌｙｚｅｓｔｈｅｎｅｃｅｓｓｉｔｙｏｆｒｅｓｅａｒｃｈｉｎｇｉｔ，ａｎｄｔｈｅｎｔｈｅｄｉｆｆｉｃｕｌｔｙｉｎｉｔ，ｆｉｎａｌｌｙｃｏｍｅｓｕｐｗｉｔｈ

ｂａｓｅｄｏｎｔｗｏｗａｙｓｔｏｍｅａｓｕｒｅｓｉｍｉｌａｒｉｔｙｏｆｔｉｍｅｓｅｒｉｅｓ，ｍａｔｒｉｘａｎｄｓｙｎｔｈｅｓｉｓａｔｔｒｉｂｕｔｉｏｎ．

ＦｌａｔｏｆＴｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｏｆｔｉｍｅｓｅｒｉｅｓ（６）Ｍｉｎｉｎｇ

ＴｈｅｍｉｎｉｎｇｆｌａｔｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｏｆｔｉｍｅｓｅｒｉｅｓｕｓｅｓＪＡＶＡａｓｅｘｐｌｏｉｔｉｎｇｌａｎｇｕａｇｅｓ，ａｎｄｈａｓ６ｍｏｄｕｌｅｓ．Ｉｔｈａｓｓｅｖｅｒａｌｆｕｎｃｔｉｏｎｓ，ｓｕｃｈａｓｌｏａｄｉｎｇｄａｔａ，ｔｉｍｅｓｅｒｉｅｓｄａｔａｐｒｅ—ｐｒｏｃｅｓｓｉｎｇ，ｔｉｍｅｓｅｒｉｅｓｄａｔａｃｏｍｐｒｅｓｓｉｏｎ，ｔｉｍｅｓｅｒｉｅｓｄａｔａｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅ，ｔｈｅｒｅｑｕｉｒｅｍｅｎｔｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓａｎｄｔｈｅｉｎｔｅｒｐｒｅｔａｔｉｏｎａｎｄｅｖａｌｕａｔｉｏｎｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ，ｅｔｃ．Ｔｈｅｄｉｓｓｅｒｔａｔｉｏｎｐｒｏｖｅｓｅｖｅｒｙｉｍｐｒｏｖｅｍｅｎｔｂｙｅｍｐｉｒｉｃａｌａｎａｌｙｓｉｓ，ａｎｄａｌｓｏｒｅａｌｉｚｅｓｔｏｍｉｎｅｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｆｒｏｍ

Ｃｏｍｂｉｎｉｎｇｗｉｔｈｔｉｍｅｏｆｓｅｒｉｅｓ．ｔｈｅｏｒｉｅｓｍｉｎｉｎｇ

ｏｎｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ，ｔｈｅｄｉｓｓ