基于粗糙集的時序數(shù)據(jù)挖掘及其應(yīng)用.pdf

1、時間序列數(shù)據(jù)挖掘是從大量的時間序列數(shù)據(jù)集中提取潛在、有用的知識、據(jù)此預(yù)測時間序列的未來。時間序列數(shù)據(jù)挖掘的研究也越來越受到人們的關(guān)注，現(xiàn)己成為數(shù)據(jù)挖掘領(lǐng)域的一個新的研究熱點。當(dāng)前時間序列數(shù)據(jù)挖掘的研究主要集中在，趨勢分析、相似性搜索、序列模式和規(guī)則發(fā)現(xiàn)上。本文結(jié)合導(dǎo)師的研究課題，首先針對時序數(shù)據(jù)預(yù)測的常用典型的預(yù)測模型做了深入探討和研究，然后結(jié)合粗糙集(Rougla Sets)這一強有力的知識獲取工具，提出了基于粗糙集的時序數(shù)據(jù)挖掘模型

2、及其挖掘方法，進行了時序挖掘方法用于股票預(yù)測的研究。 本文的主要研究成果及核心部分歸納如下： 1.在二次指數(shù)平滑預(yù)測模型中，鑒于其平滑參數(shù)的確定難題，本文給出一種基于OWA聚合算子的確定方法，該方法有別于人工指定和機器自動產(chǎn)生，它是一種同時考慮了歷史誤差和預(yù)測誤差的生成方法，它繼承了上述方法的優(yōu)點后，在此基礎(chǔ)上，用OWA算子進行聚合得到一個適合特定預(yù)測系統(tǒng)的優(yōu)化的平滑參數(shù)值，從而達到更好的預(yù)測效果。 2.作者結(jié)合

3、趨勢結(jié)構(gòu)序列(17rending Structure Sequence)定義了時間序列的趨勢變化率結(jié)構(gòu)序列，最近時間子序列，作者認(rèn)為最近時間子序列是時間序列的信息聚集器，在此基礎(chǔ)上，對不同的趨勢變化率給出了相應(yīng)的模糊語言值描述，即上升很快，上升平緩，上升很慢，持平，下降很快，下降平緩，下降很慢。 3.提出了基于粗糙集和趨勢變化率結(jié)構(gòu)序列的時序挖掘方法。該方法先將時間序列轉(zhuǎn)換成相應(yīng)的趨勢變化率序列并對其做模糊離散化處理，利用滑動窗