1、時(shí)間序列挖掘是數(shù)據(jù)挖掘領(lǐng)域中最具挑戰(zhàn)性的十大研究方向之一。時(shí)間序列流是一種連續(xù)、高速、無(wú)限、時(shí)變的按照時(shí)間排列的有序序列。連續(xù)性要求挖掘算法掃描次數(shù)少;高速性要求挖掘算法的實(shí)時(shí)性高;數(shù)據(jù)量的無(wú)限性要求挖掘算法能夠緩存數(shù)據(jù)，并分批裝載進(jìn)主存中;數(shù)據(jù)內(nèi)容的時(shí)變性要求挖掘算法具有處理概念漂移的能力，能夠反映出數(shù)據(jù)的演化性質(zhì)。由于時(shí)間序列流的復(fù)雜特性，時(shí)間序列流的挖掘研究仍處于探索階段，本文將從層次聚類(lèi)系統(tǒng)和序列頻繁模式挖掘兩個(gè)方面開(kāi)展研究。<

2、br>　　由于層次聚類(lèi)算法具有自適應(yīng)確定聚類(lèi)數(shù)目、適合多種類(lèi)型的簇結(jié)構(gòu)和效率高等多種優(yōu)點(diǎn)，使得它在數(shù)據(jù)流聚類(lèi)研究中應(yīng)用廣泛。本文重點(diǎn)研究了數(shù)據(jù)流層次聚類(lèi)中的ODAC(the Online Divisive Agglomerative Clustering)算法。ODAC算法是一個(gè)時(shí)間序列流增量式聚類(lèi)算法，采用自頂向下策略構(gòu)建簇的一個(gè)層次樹(shù)狀結(jié)構(gòu)。但它存在兩種問(wèn)題:噪音數(shù)據(jù)影響聚類(lèi)結(jié)果和處理概念漂移時(shí)重構(gòu)簇結(jié)構(gòu)代價(jià)過(guò)大。本文提出了一種基于

3、粗糙集理論的改進(jìn)算法ODRC(the Online Divisive Rough Clustering)。ODRC算法分為兩個(gè)階段:第一階段根據(jù)時(shí)間序列流樣本生成子簇的層次結(jié)構(gòu)，第二階段利用限制容差關(guān)系模型擴(kuò)展子簇的粗糙集定義，從而獲得子簇結(jié)構(gòu)基于粗糙集的等價(jià)劃分。該算法能夠獲得比原算法更加合理的簇結(jié)構(gòu)，增強(qiáng)了對(duì)時(shí)間序列流中概念漂移現(xiàn)象的處理能力。實(shí)驗(yàn)結(jié)果表明了該方法的可行性和有效性。
　　序列模式挖掘作為數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)之

4、一，其任務(wù)是從序列數(shù)據(jù)庫(kù)中挖掘出頻繁序列供決策者做出決策。本文引入了一種基于滑動(dòng)窗口技術(shù)的序列模式挖掘算法MFI-TransSW，該算法采用比特序列實(shí)現(xiàn)滑動(dòng)窗口操作，較好解決了在數(shù)據(jù)一遍掃描和有限內(nèi)存空間的限制下實(shí)現(xiàn)快速處理的難題。針對(duì)MFI-TransSW算法在頻繁模式生成階段計(jì)算效率不高的情況，本文提出了一種基于窗口劃分成固定數(shù)目段的多線程算法MFI-MultiSW。MFI-MultiSW算法采用線性鏈表結(jié)構(gòu)存儲(chǔ)當(dāng)前候選項(xiàng)集和窗口內(nèi)