您的位置: 专家智库 > >

上海市自然科学基金(08ZR1408400)

作品数:4 被引量:3H指数:1
相关作者:吴绍春唐雁吴骞更多>>
相关机构:上海大学更多>>
发文基金:上海市教育委员会重点学科基金上海市自然科学基金国家自然科学基金更多>>
相关领域:自动化与计算机技术天文地球更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 2篇自动化与计算...
  • 1篇天文地球

主题

  • 2篇序列数据
  • 2篇时间序列
  • 2篇索引
  • 2篇前兆
  • 1篇地电
  • 1篇地电前兆
  • 1篇地震
  • 1篇地震前
  • 1篇地震前兆
  • 1篇地震前兆观测
  • 1篇序列模式挖掘
  • 1篇震前
  • 1篇时间序列数据
  • 1篇时间序列数据...
  • 1篇数据流
  • 1篇数据流挖掘
  • 1篇数据挖掘
  • 1篇数据显示
  • 1篇前兆观测
  • 1篇列数

机构

  • 2篇上海大学

作者

  • 2篇吴绍春
  • 2篇唐雁

传媒

  • 1篇计算机工程与...
  • 1篇铁路计算机应...
  • 1篇Journa...

年份

  • 3篇2011
4 条 记 录,以下是 1-3
排序方式:
基于多元索引后继树的时间序列数据流挖掘被引量:1
2011年
本文以地电前兆观测数据流为研究对象,提出了一种新颖的基于多元索引后继树的时间序列数据流挖掘模型。该模型的主要特点是使用一种新颖的位置索引方法,通过一遍扫描创建描述一个序列的所有元素的绝对位置的多元索引后继树,使用索引匹配方法以模式增长的方式生成频繁模式。理论分析与实验表明,该方法简单、高效,具有很好的实用价值。同时,通过对大量持续的地电前兆观测数据流进行分析处理,挖掘隐藏在其中的反映地电参数正常变化规律及趋势的频繁模式,为发现地电前兆异常识别提供依据,从而辅助进行地震预报。
唐雁吴绍春
关键词:地电前兆时间序列数据流
基于多元索引后继树的序列模式挖掘方法
2011年
序列模式挖掘是数据挖掘研究领域中的一个课题。本文提出一种新型的序列挖掘模型—多元索引后继树模型,该模型的主要特点是使用索引方法,仅通过对原始序列的一遍扫描而创建描述序列的多元索引后继树,然后利用索引结构使用模式增长的方法生成频繁模式。理论分析与实验表明,该方法简单高效、具有很好的实用价值,通过与其他序列挖掘模型的实验比较,发现基于该模型的挖掘算法在时间和空间两个方面都有较好的性能优势。
唐雁吴绍春
关键词:序列模式挖掘数据挖掘
Piecewise linear representation of time series based on mean trend in sliding window
2011年
Seismic data show some important characteristics,such as big volume and strong timeliness.Specific to the time series data of earthquake precursory observations,a piecewise linear representation based on the sliding window mean value(PLR MTSW)algorithm is proposed.With this algorithm,the mutation points can be identified accurately according to the rate of mean value change,while the main features of time series are maintained well.This algorithm can also smooth the noise and improve the compression accuracy with sliding window.Meanwhile the local extreme points can be identified effectively according to the change of mean value trend within window.
袁同雨吴绍春张建谷蓉蓉陈高照徐勇泉
关键词:时间序列数据地震前兆观测数据显示
共1页<1>
聚类工具0