论文部分内容阅读
摘要：在数据库中发现知识(KDD)是当今国际人工智能和数据库研究的新兴领域，对于时间序列数据的挖掘是其中重要的研究课题之一。本文分析了知识发现与数据挖掘的基本理论与时序数据库挖掘中的几个重要的方面，研究了连续属性离散化方法、分类发现、聚类发现、关联规则、序列模式等挖掘算法，尤其是重点研究了基于时间序列数据的挖掘方法，并且为改进性能，提出了适用于时间序列数据的模式匹配算法和关联规则发现算法，并充分考虑了兴趣度和负属性在关联规则发现算法中的作用。本文的理论研究为基于知识发现的时序数据的预测模型研究打下了理论基础，算法的实现对预测模型的构建具有很高的实用价值。