互关联后继树在时间序列特征模式挖掘中的应用  

Application of IRST in mining frequent patterns from time series

作　　者：秦少辉[1] 肖辉[1] 胡运发[1] 

机构地区：[1]复旦大学计算机与信息技术系,上海200433

出　　处：《计算机工程与设计》2006年第8期1327-1329,1332,共4页Computer Engineering and Design

基　　金：国家自然科学基金项目(60473070)

摘　　要：在文献[1]中提出的基于互关联后继树(IRST)的时间序列特征模式挖掘方法的基础上,加入了时间窗口的概念,以弥补IRST这种原本应用于文本检索中的索引模型在时间序列应用中的不足。对IRST以及挖掘算法做出了改进,弥补了其只能挖掘出紧密衔接特征模式的缺陷。实验结果表明,该方法可以挖掘出更多更具应用价值的特征模式。After the method of mining frequent patterns from time series based on inter-relevant successive tree （IRST） is dicussed, a new index model is designed. IRST is a novel index model for full text database. By adding time window, the new model could make up the shortage oflRST in time series application. Some other improvements are made in IRST and mining method, and more non-continually successive information is indexed. The experimental result shows that this method could find many more practical frequent patterns.

关 键 词：时间序列 数据挖掘 特征模式 互关联后继树 时间窗口 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]