摘要
研究时态数据库中多粒度时间下的近似周期的挖掘问题。在多粒度时间、多粒度时间格式的基础上引入多粒度时间间隔的定义以及相关性质,构造多粒度近似周期模型,提出一个基于SOM聚类的多粒度近似周期的挖掘算法。利用高频股票数据580000宝钢JBT1进行实验,证明了该算法的有效性。
This paper discusses a mining problem of approximate periodicity with multi-granularity time in the temporal database. It introduces the concepts and properties of the multi-granularity time interval on the basis of multi-granularity time and multi-granularity time format. It constructs multi-granularity approximate periodic pattern. It proposes an mining algorithm based on self-organizing map to fred multi-granularity approximate periodic pattern. Results obtained from experiments on high frequency stock market data of 580000 Bao Steel JBT1 demonstrate that the proposed algorithm is efficient.
出处
《计算机工程》
CAS
CSCD
北大核心
2010年第3期83-85,88,共4页
Computer Engineering
基金
湖南省自然科学基金资助项目(09JJ6093)
湖南省教育厅重点课题基金资助项目(2008(288))
湖南省教育厅科技处基金资助项目(08C017)
湖南第一师范学院校级课题基金资助项目(XYS08N03)
关键词
数据挖掘
自组织映射网络
多粒度时间
近似周期
data mining
Self-Organizing Map（SOM） network
multi-granularity time
approximate periodicity
