互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

多变量时间序列的模糊决策树挖掘


□ 国宏伟 刘燕驰 梁合兰 武 森

  (北京科技大学, 北京 100083)
  
  摘 要:针对目前时间序列决策研究方法的一些缺陷,提出了多变量时间序列模糊决策树挖掘方法,并给出了该方法的实验分析。实验结果证明该方法能够找出多变量时间序列子序列的形态与某个序列的后期趋势或状态的决策信息。
  关键词:数据挖掘; 时间序列; 模糊决策树
  中图分类号:TP311.1 文献标志码:A
   文章编号:10013695(2009)01005402
  
  Multivariable time series fuzzy decision tree mining
  GUO Hongwei, LIU Yanchi, LIANG Helan, WU Sen
  
  (University of Science & Technology Beijing, Beijing 100083, China)
  
  Abstract:Focused on the limitations of the research approaches of time series decision making at present, this paper put forward an approach of multivariable time series fuzzy decision tree mining, also gave out the experimental analysis of the approach. The experimental result shows that the approach is capable of finding out the decision relationship between the subsequences pattern of multivariable time series and the future trend or state of time series.
  Key words:data mining; time series; fuzzy decision tree
  
  0 引言
  时间序列研究的核心就是通过历史的时间序列数据建立模型获取知识,为未来的决策提供支持。传统时间序列研究是通过时序建模的方法,主要有AR(自回归)、MA(滑动平均)、ARMA(自回归滑动平均)和ARIMA模型等[1]。随着人工智能研究的深入,研究时序的方法有专家系统的时序研究[2]、人工神经网络时序研究、基于遗传算法的人工神经网络时序研究、混沌与非线性理论时序研究、基于模糊理论的时序研究等[3]。但是专家系统存在知识获取困难和推理速度慢等缺点;神经网络虽然能实现知识的自动获取且具有很高的推理速度,但仍存在学习收敛速度慢、知识表示隐含、推理过程隐含等不足;模糊推理虽能很好地处理模糊性和不确定性问题,但也存在模糊规则获取困难和推理速度慢等缺陷[4]。 ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017