主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第8期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
潘定,沈钧毅.时态数据挖掘的相似性发现技术.软件学报,2007,18(2):246-258
时态数据挖掘的相似性发现技术
Similarity Discovery Techniques in Temporal Data Mining
投稿时间:2005-06-19  修订日期:2006-01-11
DOI:
中文关键词:  数据挖掘  时态数据  相似性发现  时态规则
英文关键词:data mining  temporal data  similarities discovery  temporal rule
基金项目:Supported by the National Natural Science Foundation of China under Grant Nos.60173058, 70372024 (国家自然科学基金)
作者单位
潘定 暨南大学,管理学院,广东,广州,510632
西安交通大学,计算机科学与技术系,陕西,西安,710049 
沈钧毅 西安交通大学,计算机科学与技术系,陕西,西安,710049 
摘要点击次数: 4957
全文下载次数: 6173
中文摘要:
      现实世界存在着大量的时态数据,时态数据挖掘(temporal data mining,简称TDM)是近年来学术界关注的一个重要研究课题.相似性发现技术关注数据的发展变化,试图从时态数据中发现事物动态演化的相似性规律.分析和比较了近年来TDM研究中涉及的主要相似性发现技术.首先区分定义了3类时态数据:时间序列、事件序列和交易序列;然后分类并讨论了各种与序列相关的主要方法和技术,涉及相似性度量、序列抽象表示和搜索,以及各类挖掘任务及其算法操作;最后展望进一步研究的方向.
英文摘要:
      Temporal data mining (TDM) has been attracting more and more interest from a vast range of domains, from engineering to finance. Similarity discovery technique concentrates on the evolution and development of data, attempting to discover the similarity regularity of dynamic data evolution. The most significant techniques developed in recent researches to deal with similarity discovery in TDM are analyzed. Firstly, the definitions of three categories of temporal data, time series, event sequence, and transaction sequence are presented, and then the current techniques and methods related to various sequences with similarity measures, representations, searching, and various mining tasks getting involved are classified and discussed. Finally, some future research trends on this area are discussed.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利