時態(tài)數(shù)據(jù)挖掘及其應(yīng)用.pdf

1、時態(tài)數(shù)據(jù)挖掘中，由于數(shù)據(jù)對象不僅規(guī)模龐大而且內(nèi)容復(fù)雜，研究重點一直都放在方法的可行性上，已有的挖掘方法大多限于如何挖掘出數(shù)據(jù)內(nèi)部規(guī)律的表現(xiàn)特征，鮮有關(guān)于如何挖掘出數(shù)據(jù)本質(zhì)規(guī)律的論著。經(jīng)過查閱大量國內(nèi)外文獻，作者發(fā)現(xiàn)時態(tài)數(shù)據(jù)挖掘領(lǐng)域的研究尚處于起步階段。為改變這一現(xiàn)狀，提高時態(tài)數(shù)據(jù)挖掘的效率和效果，本文進行了一系列的研究工作。主要的創(chuàng)新可歸結(jié)為以下幾點。 首先，創(chuàng)新地提出了持續(xù)事件序列的概念，建立了規(guī)范統(tǒng)一的時態(tài)數(shù)據(jù)格式，完全保留

2、了時態(tài)數(shù)據(jù)內(nèi)在的時域結(jié)構(gòu)。與已有研究不同，持續(xù)事件具有兩個顯著特點：(1)事件的發(fā)生并非瞬間完成，而是在一定的時間段內(nèi)保持發(fā)生狀態(tài)；(2)以個體為基本單位，并將相關(guān)的指標作為條件事件集一并記錄。 其次，本文提出了一系列的時態(tài)數(shù)據(jù)挖掘方法。在規(guī)則挖掘中，本文重新整合了數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則的定義，進一步提出了時態(tài)規(guī)則挖掘，使其能夠適應(yīng)時域特征更為復(fù)雜的時態(tài)數(shù)據(jù)；在聚類分析中，利用粗糙集理論的“等價關(guān)系”概念，創(chuàng)新地提出高維數(shù)據(jù)的粗糙

3、集聚類方法，完全避免了高維數(shù)據(jù)聚類中的維數(shù)災(zāi)問題；而在模型挖掘中，借鑒風險模型的建模思想，提出了時態(tài)數(shù)據(jù)的模型化挖掘技術(shù)，使數(shù)據(jù)挖掘具備了捕捉時態(tài)數(shù)據(jù)內(nèi)在規(guī)律的能力。 最后，本文還對這三類時態(tài)數(shù)據(jù)挖掘方法分別進行了實例分析。對于手機用戶的月度消費數(shù)據(jù)，我們分別進行了時態(tài)規(guī)則挖掘和粗糙集聚類兩類最主要的挖掘方法；上市公司ST事件的時態(tài)數(shù)據(jù)合并了2000年至2005年間的所有中國A股股票的財務(wù)報表和市場表現(xiàn)。盡管所涉及的數(shù)據(jù)規(guī)模較大

4、，本文利用模型挖掘，仍然成功的完成了挖掘任務(wù)。 本文所得的主要結(jié)論有：(1)在現(xiàn)階段，時態(tài)數(shù)據(jù)挖掘可以完全采用本文提出的持續(xù)事件序列格式進行表示。持續(xù)事件序列為時態(tài)數(shù)據(jù)挖掘提供了一個統(tǒng)一規(guī)范的數(shù)據(jù)對象格式，不僅有利于方法論研究，更有利于算法設(shè)計和比較；(2)時態(tài)規(guī)則挖掘顯著優(yōu)于靜態(tài)規(guī)則挖掘。這主要是因為時態(tài)規(guī)則可以提取出事務(wù)在時域上的順序和并發(fā)關(guān)系，而靜態(tài)規(guī)則挖掘卻不能；(3)粗糙集的等價關(guān)系從知識分類的觀點給出了一種全新的類的