时态数据采掘中的时态型与时间粒度研究

研究了时态型与时间粒度的有关理论 ,提出了时态型、时间粒度、粗时间粒度、基时态型、基时间粒度和基准时间等概念 ,并研究了它们在刻画绝对时间的关系 ,最后给出一个一类简单频繁事件模式发现的例子 ,对于研究时态数据采掘具有重要意义 .

一种时态近似周期的数据挖掘研究

研究了时态近似周期的挖掘问题,提出了近似周期模式,引进了近似精度、近似周期模式覆盖等概念及性质,提出了一个基于SOM(自组织特征映射)聚类来寻找近似周期模式的算法,实验表明算法是有效的。

基于兴趣度的时态关联规则挖掘算法

关联规则挖掘是数据挖掘研究中的一个重要方面,给出了一个关联规则中事件所包含信息的模型,在此基础上,提出了一种基于兴趣度的时态关联规则挖掘算法。该算法较好地弥补了应用模板匹配方法筛选基于兴趣度的关联规则时主观性太强,兴趣度阈值的定义过于简单,所挖掘出来的关联规则没有体现时态约束的缺陷。最后,将该算法应用到了股票数据的趋势挖掘中,得到了满意的实验结果。

数据仓库的时态关联规则的描述

该文从时态型概念出发给出了有限个属性在时态型上描绘的不同状态时态事件空间,定义了事件之间的时态关联规则,由此导出了5种不同的具有一定意义的时态关联规则,这些时态关联规则具有普遍的理论意义,可以用于商品销售、股票价格等等数据仓库中的数据采掘问题。

一种基于SOM单属性时态特征聚类的方法

对单属性时态特征聚类进行了研究,提出了一种基于SOM网络(自组织特征映射)聚类提取单属性时态数据特征的方法,通过实验表明此算法是有效的.

一种周期时态关联规则挖掘算法

应用时态关联规则模型和时态事件空间,提出了一种单事件周期时态关联规则挖掘算法,并对其进行了可行性分析和复杂性分析。该算法通过挖掘不同时间间隔下的时态关联规则,能较好地处理非拐点的邻接点的趋势分布特征的挖掘,完整地挖掘时态数据趋势分布特征。最后,将该算法应用到股票数据的趋势挖掘中,得到了满意的实验结果。

一个基于频繁项集的时态数据挖掘算法

研究了基于频繁项集的一个时态数据挖掘算法,首先,引进了基于频繁项集关联规则的概念,性质,然后,给出了基于时态约束关联规则的相关概念的定义和性质分析。最后,给出了在时态数据库中挖掘具有时态约束的最大频繁项集,并在此频繁项集生成时态关联规则的算法.由此导出了一种具有一定意义的时态关联规则挖掘方法,这种方法可以用于商品销售,股票价格等问题的知识发现,最后讨论了该算法在股票数据分析上的一个应用。

一类周期时态关联规则的知识发现问题

探讨了一类基于某种时态约束的周期时态关联规则的有关问题.首先,引入了时态型的定义以及相关的概念.然后,给出了一种时态事件模型,用以描述基于时态型的不同属性的各种状态的事件,同时定义了一类事件间的周期时态关联规则,它能在诸如股票波动、天气预报、商品销售等领域提供短期的预测和决策.最后,给出了发现此类周期时态关联规则算法的主要步骤,并且给出了对股票数据挖掘的实验结果分析.

一类具有时态约束的关联规则的知识发现问题

本文探讨了一类具有时态约束的关联规则的有关问题。首先,我们引入了时态型的定义以及相关的概念。接下来,我们给出了一种时态事件模型,用以描述基于时态型的不同属性的各种状态的事件,也定义了一类具有时态约束的关联规则,它能在诸如股票波动、天气预报、商品销售等领域提供短期的预测和决策。最后,我们给出了发现具有时态约束的关联规则算法的主要步骤。

一类相邻时态关联规则的知识发现问题

本文研究了一类新的知识发现问题即基于时态约束的相邻时态关联问题,首先我们引进了时间的时态型、基时态型等概念及其性质,然后我们给出了有限个属性在时态型的基础上描绘不同状态的时态事件空间,从而定义了事件之间的时态关联规则,由此导出了1种具有一定意义的相邻时态关联规则,这种相邻时态关联规则可以用于商品销售、股票价格等问题的知识发现和短期的预决策,最后讨论了在2个时态型下的相邻时态关联规则的算法主要步骤,并给出了实例的分析。

大学英语四级语法结构辅导(二)

三、语法结构重点、难点分析与对策第一部分语法结构测试的内容分析中,提到了几种测试范围。在考试中,考生应该正确判断所测试的题目属于哪一种具体的语法现象,并且要根据不同的情况采用不同的方法解题。下面分别加以说明。时态型考点英语有16种时态:一般现在时、过去时、将来时、过去将来时以及这四种时态的进行时。