基于AR_TSM的时间序列motif关联规则挖掘方法研究
【摘要】 挖掘时间序列motif间潜在的关联规则可以在预测未来趋势方面发挥重要作用，时间序列motif即时间序列中先前未知的重复出现的模式。针对符号化时间序列提取motif导致信息丢失的问题，提出基于剪枝技术的motif提取算法PM_Motif，实现了保留原始信息的motif的精准快速提取;针对分割motif来发现其内部关联规则导致的规则不一致的问题，从motif间的关联规则入手，给出了基于AR_TSM方法的时间序列motif关联规则挖掘算法，从根本上避免了因motif分割引起的不确定性，保证了规则的一致性;最后，引入了关联规则评价参数RM，在多数据集上证明了关联规则的预测性能。
