Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 154 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

154
r: rs ограничение случайных множеств: X isrs R, R – распределение ве-
роятностей на X;
r: fg ограничения нечеткого графа: X isfg R, X функция и R –
ее нечеткий граф;
r: u ограничения «традиции» (привычной практики usually): X isu R
«обычно означает» (X is R);
r: g групповое ограничение: X isg R означает, что R ограничивает все
значения атрибутов.
Для символической записи гранулярных пропозиций предлагается язык
гранулярных вычислений: Generalized Constraint Language (GCL).
Композитные ограничения могут служить основой для извлечения ассо-
циативных правил из ВР. Такие правила извлекают на основе четырех методов:
1)
ассоциативные правила на основе мер доверия;
2)
ассоциативные правила на основе частотности;
3)
ассоциативные правила на основе корреляции ВР;
4)
ассоциации локальных трендов.
Исследования в области гранулярных вычислений применительно к не-
четким временным рядам обозначили формирование нового научного направ-
ления: извлечения знаний из нечетких временных рядов на основе гранулярных
вычислений. Методология вычисления со словами и восприятиями (computing
with words and perceptions CWP) определяет основную задачу анализа гранули-
рованных ВР: распознавание паттернов ВР (восприятий perception) и извлече-
ния ассоциативных правил в лингвистической форме. Форма правил определя-
ется принципом обобщенных ограничений (generalized constraints). В состав
правил входят переменные, принимающие гранулированные
значения.
3.5.2. Извлечение знаний из временных рядов (Time Series Data Mining)
Исследования данных и методов их анализа в последние десятилетия
оформились в виде отдельного направления, называемого интеллектуальным
анализом данных или Data Mining, в котором анализ временных рядов получил

Страницы