符号化近似SAX在时序数据挖掘中的应用研究

摘要：

聚类是数据挖掘研究中最常见的一种方法,可以作为规则发现、异常发现等其它数据挖掘操作的基础,一直以来都是数据挖掘的研究热点之一.股票数据是一种典型的时间序列数据,利用股票数据进行时间序列数据挖掘的研究既有一定的实际应用价值,也是国内外的热点问题之一.文章首次将一种新型符号化方法SAX[1]应用到标准普尔500指数的股票数据的聚类研究中,使用传统的欧氏距离和动态时间弯曲两种时间序列相似性度量方法进行实验.实验结果表明将SAX应用到股票数据聚类操作,可以得到更好的趋势聚类效果和更高的效率.

关键词：符号化近似、时间序列、聚类、数据挖掘

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2006-10-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：191-193