多粒度时间部分周期模型

时间的描述和划分是时态数据采掘中一个非常重要的方面,针对目前时态数据采掘中缺少对多粒度时间等的研究的现状,提出了多粒度时间,粒度转换,时态序等的严格数学定义,并研究和证明了它们的相关性质。以此为基础引出了一个多粒度时间部分周期模型,对模型的支持度和置信度等性质进行了详细讨论,并将多粒度时间下的部分周期模型运用到股票数据实验中,实验表明所提出的模型对于研究时态数据采掘具有重要意义。

多粒度时间下的近似周期挖掘研究

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。

多粒度时间序列中模糊规则的提取

介绍了一种从多粒度时间序列中提取模糊规则的数据挖掘方法 ,该方法在时间序列中引入多重时间粒度 ,以模糊规则的形式给出数据挖掘的结果 .建立多粒度时间序列的数学模型 ,并对提取模糊规则中所涉及的一些基本概念作出定义 .在此基础上 ,给出数据挖掘的具体算法 .

多粒度时间文本数据的周期模式挖掘算法

大规模文本数据挖掘是大数据分析的重要分支,也是近年来的一个研究热点。研究了多粒度时间文本数据周期模式挖掘算法,首先提出了时间粒度转换、多粒度时间间隔等概念,然后建立了文本数据的周期模型,给出了一个多粒度时间文本下的周期模式挖掘算法,最后对大量病毒文本文献数据进行了实验,表明了提出的算法可以挖掘一些有效的周期模式,讨论了周期宽松度对支持度和置信度的影响。该研究为大文本数据分析提供了一种新的方法。

工作流中多粒度时间约束的建模及其一致性分析

对基本工作流网进行了时间属性的扩展,定义了一个可以模拟业务过程多粒度时间约束的工作流模型:多粒度时间约束工作流网,可以很好地模拟与业务过程相关的多粒度时间约束,包括任务的相对就绪时间约束、任务的相对执行时间约束、任务的执行持续时间约束以及任务之间的时间约束,并且给出了这些多粒度时间约束的一致性分析.

一种面向语义的多粒度时间数据建模方法

【目的/意义】提出一种多粒度时间数据建模方法,用以支持面向自然语言语义、以事件为核心的时间信息的管理,为后续研究奠定基础。【方法/过程】对时间粒度、粒度空间、时刻域、时间定位等概念进行定义,以此为基础设计时间数据模型。【结果/结论】提出了图结构多粒度时间数据模型TGM(Time-Granular-Model),进一步提出了TGM上的计算表示方法,以及基于TGM的语义时间描述方法。与传统时间数据模型相比,TGM可以较好地表示自然语言时间信息的语义特征,并处理各类时刻与时间颗粒的对应以及它们的时序关系。

一类多粒度近似周期关联规则问题的挖掘研究

研究一类在多粒度时间下单事件同属性不同状态之间有一定关联的近似周期规律挖掘问题。给出了多粒度近似周期关联规则模型形式化的数学定义和性质,构造了相关模型,提出了利用聚类算法挖掘周期模式并应用于股票数据进行实验,实验结果表明算法是有效的。

基于扩展任务结构的工作流建模及分析

任务结构是工作流管理系统中常用来进行工作流建模的语言,但其核心是过程控制流方面的规范,对其他方面很少涉及,比如活动间的信息流、时间约束等等.本文首先对任务结构进行了扩展,加入了资源和多粒度时间的概念,使其除了能描述任务的相关性外,也能很好地模拟任务间的信息流以及由于流程的分布性等因素而引起的多粒度时间约束.接下来对扩展任务结构的多粒度时间约束一致性和合理性进行了分析和验证.

面向对象的地理实体时空位置多粒度表达

同一地理实体在不同的时空粒度下会表现出相异的位置动态变化规律。近年来,如何对地理实体在不同时空粒度下的时空位置进行组织和表达成为GIS研究的热点之一。本文基于面向对象的思想,设计了"三级空间"和"0-1位置变化序列",并由此提出一种地理实体时空位置的多粒度表达方法。在实体时空位置的多粒度描述方面,对于任一地理实体,空间维度上构建一种具有不同空间粒度的"全局—相对—对象"三级空间;时间维度上将不同时段或时刻转换为一系列不同时间粒度的离散时间点。在实体时空位置的多粒度存储组织方面,将地理实体时空位置的变化过程划分为不同阶段,对该实体在不同时间点下的空间位置信息设置不同的存储方式,可合理减少信息冗余。在实体时空位置的多粒度转换方面,提出基于三级空间的递进认知、时间点与时段之间快速转换等策略,初步实现了地理实体时空位置在不同时空粒度下的转换。该方法可有效地描述地理实体在可变时空粒度下的时空位置,为时态GIS和多粒度时空数据库的建立提供参考。