论文学习——水文时间序列模体挖掘

写在前面：期刊：《水利学报》；中国水利局；月刊；中文核心期刊

作者信息：

1 摘要

1. 模体是指——在一组序列中重复出现的相似片段模式。时间序列模体数据挖掘就是利用数据挖掘思想，在时间序列中找出重复出现的相似片段的过程。

2. 算法流程：小波去噪 + 极值点分解 + 符号化得到离散数据，为模体挖掘Sequitur 算法提供输入。

3. 处理的是水位数据

2 引用

时间序列挖掘，其研究内容一般包括 【时间序列相似性搜索】、【聚类】、【分类】、【序列模式挖掘】、【海量时间序列可视化】、【时间序列预测】等等。

2.1 模体挖掘的概念

模体是是生物学名词，它代表在一组序列中重复出现的相似片段的模式。

这组序列可以是蛋白质序列、RNA序列、DNA序列。

2.2 时间序列模体挖掘

2002年，Lin[2] 等人首次提出时间序列模体挖掘概念后，提出了很多的算法，但是这些算法都有一个共同的缺点：需要用户指定一个表示待发现模体长度的参数。这个长度在挖掘前用户很可能不知道或者非常难以确定。

2.3 前人工作

之前的模式识别缺点：需要用户指定一个表示待发现模体长度的参数。这个长度在挖掘前用户很可能不知道或者非常难以确定。

但是，文献[9]的出现，改变了这一局面。

• 该算法，不需要指定模体长度参数，而可以在只遍历一次数据的情况下，挖掘出不同长度的模体

本文提出的方法，就是在该基础上发展而来！所以先学习文献[9] 。

3 文献[9]模体挖掘算法分析

1. 模体数据挖掘，作为模式发现和相似性搜索的交叉主题，最早在文献[2]中提出。

2. 作者认为，在时间序列数据库中，查询事前已经知道的序列片段是一个值得重视的问题。

3. 模体挖掘问题算法，往往难以解决模体变长的问题。

3.1 经典符号化方法

• SAX表示方法，在时间序列的数据压缩表示上，有着简单实用的特点。共有两个阶段。

在第一阶段，PAA过程阶段。用一段序列的平均值代表该序列；
在第二阶段，符号化阶段，即用不同的符号来表示前一阶段的平均值。

• PAA过程的本质是把较长的序列先分成间隔相等的若干区间，再在每一区间中用该区间的平均值来代表该区间中的所有值
• 因为是平均值，所以可以较好的反映出这个区间所有值的一个总体特征，这样PAA过程就在保留原始数据基本特征的基础上起到了降维的作用。
• 【但是，只用均值划分，会丢失很多中间有用的信息！】

符号化过程建立在PAA过程之上，其作用是根据一定规则，把上一步得到的均值期间，用字母符号表示，从而达到把连续数据符号化（离散化）的目的。