Finding Fuzzy States Evolution Patterns
发现模糊状态演化模式

0 引言时间序列(Time Series)是指按时间顺序排列的一组数据。对时序数据进行分析,从中获取生成这些数据的系统的相关信息从而完成对系统的模型构造和对系统的未来的行为做出预测,具有重要的价值和意义。数据挖掘(也称为数据库中的知识发现),是指从数据中提取模式的过程,这些模式是有效的、新颖的、潜在可用的和易于理解的。当前数据挖掘领域对时间序列进行的研究主要限于时间序列的相似性研究,即从同一时序或者不同时序中发现相似模式。对于如何从一个时间序列中提取知识的问题,国内外尚很少见。本文首先从系统论的角度对时间序列问题进行了分析,然后将模糊性引入到时序处理中,提出了从时间序列中进行频繁状态演化模式挖掘的问题,然后论证并给出了其挖掘算法,最后在实际应用中对上述理论进行了分析和验证。