10.3778/j.issn.1002-8331.2011.28.035
模糊时态序列演化模式挖掘
目前时态序列挖掘方法大多都是以一种自然的方式对序列分割、离散处理等,从而使离散化结果很大程度依赖于外部的人为分割变量.为了使离散化结果更强地依赖于原始数据,应用模糊聚类方法,将连续时态演化序列转变为模糊时态演化序列,应用模糊时态演化片段支持度评定频繁模糊时态演化模式,用隶属度计算关联规则的支持度和可信度,使这两个重要指标计算更为精确.给出了频繁模糊模式集的生成算法和复杂度.实际算例显示了方法的有效性.
数据挖掘、模糊逻辑、时态序列演化模式
47
TP391.77(计算技术、计算机技术)
上海财经大学211工程三期资助
2012-02-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
128-130,231