[发明专利]一种基于时态数据系统的类周期规则挖掘方法

权利要求书

1.一种基于时态数据系统的类周期规则挖掘方法，其特征在于，该方法包括以下步骤：

A.对时态数据系统中的关注属性进行时态处理，构造出时序特征数据和关注属性的考察点序列；

B.对时序特征数据进行惯量计算，得到关注属性的惯性趋势序列；

C.在惯性趋势序列基础上，计算关注属性的峰谷链特征；

D.构造关注属性的峰谷统计索引序列；

E.通过跨度离散差计算，发现数据系统的类周期规则。

2.如权利要求1所述的基于时态数据系统的类周期规则挖掘方法，其特征在于，所述步骤A的具体实现方式为：

时态数据系统的模型描述如下：记目标时态系统的时间区间为T＝{t₁,t₂…t_n}；关注属性记为F＝{F₁,F₂…F_m}，m为关注属性的维度；关注属性的特征值记为f＝{f₁,f₂…f_p}，p为特征的维度；所关注属性的特征值从记录到更新的时间区间记为关注属性的生命周期T_l＝[T_b,T_e]，生命周期内的属性特征值为定量，生命周期选定为等长生命周期；时间粒度是系统展开时态信息的最小时间区间，记为g；

基于上述构建的时态数据系统，建立时态特征模式为其中和表示在当前系统时间粒度g下，关注属性F的生命周期起点和终点，则根据s个不同的生命周期，将会建立以下时态特征模式记录：

其中，fⁱ表示第i个生命周期内关注属性的特征值；表示第i个生命周期的时间起点；表示第i个生命周期的时间终点；g表示时态系统的当前时间粒度；

至此完成了时序特征数据的构建，则关注属性的考察点序列为：

属性F_i的考察点总数

则属性F_i的考察点序列第k个考察点

3.如权利要求2所述的基于时态数据系统的类周期规则挖掘方法，其特征在于，所述步骤B的具体实现方式为：

本方法引入：属性趋势、噪声、趋势惯量、惯量评价四个函数量，其中，属性趋势共有“上升”“下降”“波峰”“波谷”“边界值”五种状态；噪声表示属性受到可能引起波动的影响因子；趋势惯量表示属性维持当前趋势的能力；惯量评价用来量化地评价属性当前趋势惯量所能够克服噪声的能力；

对于A步骤已建立的时态数据，记关注属性为F_i；属性F_i的趋势类型集记为UP_i表示在考察时间区间内属性F_i上升趋势，DN_i,表示在考察时间区间内属性F_i下降趋势，PK_i表示在考察时间区间内属性F_i的波峰趋势,Vl_i表示在考察时间区间内属性F_i波谷趋势,EG_i表示在考察时间区间内属性F_i的边界趋势；属性F_i的惯量函数记为F_in(F_i)；趋势的持续时间记为Du_r；属性的惯性评价函数记为F_tn(F_i)；

为了明显区分出F_i的五个趋势维持当前状态的能力，F_in(F_i)采用经验公式：

求出惯量函数F_in(F_i)后，即可对F_i的惯量进行惯量评价，惯量评价需要惯量评价函数来进行，该函数可由用户自定义，或按照以下优化算法：

则关注属性F_i的惯量趋势序列TR_arr(F_i)的算法为：

(1)初始化：令循环控制变量K＝0，惯量趋势TR(F_i)＝EG_i,对应的持续时间Du_r＝0；

(2)通过前后考察点比对法，循环查找每一个考察点的变化趋势；

(3)采用上述趋势惯量算法获得各考察点的趋势惯量F_in(F_i)，并利用惯量评价函数F_tn(F_i)评价当前惯量；

(4)经步骤(3)的惯量评价后，记未加噪声时的趋势为TR_pre(F_i)，数据系统的噪声容限为N_max,当前考察点的属性值记为V[1]，其前后考察点属性值分别为V[0]和V[2]，则加入噪声容限后的各考察点当前趋势TR_current(F_i)为：

上式中各条件如下：

(5)经上述计算后，将得到的趋势值存入到属性F_i的趋势序列TRa_F_i[]中，即完成关注属性的惯性趋势序列的求解。