《時序數據知識發現技術》是焦吉成所寫的管理科學與工程博士論文。
基本介紹
- 中文名：時序數據知識發現技術
- 外文名：Research on knowledge discovery technology of time series
- 作者：焦吉成
- 關鍵字：企業管理、生產管理、數據處理、數據採掘、時間序列分析
- 導師：高學東
- 學科專業：管理科學與工程
- 學位級別：博士論文
- 學位授予單位：北京科技大學
- 學位授予時間：2007
- 館藏號：F273
- 館藏目錄：2009\F273\8
中文摘要
本文運用小波分析、粗糙集、遺傳算法等理論和方法，針對企業生產管理過程中的時間序列數據，研究時間序列數據挖掘的數據預處理方法、時間序列數據的屬性約簡算法、多維時間序列的關聯規則挖掘算法，主要研究工作包括： (1)根據工業企業狀態監測時間序列的特殊性，提出了工業監控區間．極值時間序列分割算法，利用極值點對時間序列進行分割，對分割後的時間序列進行屬性抽取，形成適應於粗糙集操作的決策表。 (2)為了減少數據挖掘過程的數據計算量，提出了高維稀疏數據預聚類算法，把對象—屬性空間分割為較小的數據挖掘子空間。 (3)以集合理論為基礎，提出了屬性關係積理論，利用屬性關係積理論研究結果對決策表的屬性進行約簡，拋棄決策表，提高了屬性約簡的效率。進一步利用屬性關係積理論的特殊性質，提出了改進的關係積屬性約簡算法，大幅度地提高了關係積屬性約簡的效率。 (4)針對關係積屬性約簡算法套用於大規模決策表時，效率不高的缺點，提出了關係積和遺傳算法相結合的屬性約簡算法。 (5)提出了基於關係積理論的屬性值約簡算法，消除了約簡後決策表的冗餘屬性值，可獲得唯一的屬性值約簡，從而簡化了決策規則，解決了決策表值約簡這一NP難題。 (6)結合實際問題的特性，提出了一種基於關係積的多維關聯規則發現算法，把Apriori算法與關係積算法相結合，不需要對決策表進行多次描述，直接生成多維關聯規則的候選項集。
