Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 155 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

155
название интеллектуального анализа временных рядов или Time Series Data
Mining (TSDM).
Извлечение знаний обычно определяется как методология для получения
знаний из баз данных, но какие формальные методы используются для интегра-
ции этого знания с базой знаний – остается открытой проблемой.
Для решения этой проблемы необходимо представление результатов Data
Mining в форме, используемой в человеческих
знаниях. Человеческое знание
основано на образах и формулируется лингвистически. Вычисления со словами
и образами (CWP) дают методологию для управления информацией и для раз-
работки систем, основанных на знаниях. Data Mining интегрирует методы, ос-
нованные на образах, дает возможность для извлечения информации из баз
данных в лингвистической форме, подходящей для их использования в методах
принятия решений .Методы и технологии извлечения знаний с использованием
временных рядов должны оперировать паттернами временных рядов, отыски-
вать ассоциации между ними и извлекать знания.
На основе новой методологии Data Mining решается расширенная сово-
купность задач анализа временных рядов, определенных в работе [Batyrshin, 2007]:
1) сегментация
– разбиение ВР на значимые сегменты [Graves, 2009];
2) кластеризация
– поиск группировок ВР или их паттернов [Giove, 2009];
3) классификация
– назначение ВР или их паттернам одного из заранее
определенных классов [Herbst, 2009];
4) индексирование
– построение индексов для эффективного выполнения
запросов к базам данных ВР;
5) резюмирование (summarization) – формирование краткого описания ВР,
содержащего существенные черты с точки зрения решаемой задачи
[Kacprzyk, 2009];
6) обнаружение аномалий – поиск новых, не типичных паттернов ВР;
7) частотный анализ – поиск часто проявляющихся паттернов ВР;
8) прогнозирование
– прогноз очередного значения ВР на основе истории ВР;

Страницы