[发明专利]基于变化一致性挖掘时序数据关联关系的方法

摘要

基于变化一致性挖掘时序数据关联关系的方法，首先对时序数据变量进行预处理；然后对单个变量进行小波变换，用滑动窗口将原始时间序划分成若干个窗口，对每个窗口进行离散小波变换，提取最大小波细节系数；再对单个变量所有窗口的最大小波细节系数进行WDC聚类，目的是区分出和大部分窗口小波特征不一样的窗口，这些窗口对应了变量的变化点；最后对所有变量的变化点进行CCP聚类，聚类结果中同一个簇内变量的变化点是近似的，因此这些变量具有变化一致性，被认为具有潜在关联关系；本发明从变量间变化一致性角度出发，不但能够发现具有线性关联关系的变量，还能检测到具有复杂非线性关联关系的变量，这对于大型复杂系统变量之间的关联分析具有重要作用。

主权项

1.基于变化一致性挖掘时序数据关联关系的方法，其特征在于:实现该方法的系统包括数据预处理模块(1‑1)、特征提取模块(1‑2)、WDC聚类模块(1‑3)和CCP聚类模块(1‑4)，其具体步骤是：1)首先，采用数据预模块(1‑1)处理对原始时序数据进行去野值、等间隔插值、归一化操作，得到时序变量的有效数据形式；2)其次，采用特征提取模块(1‑2)对时序变量的有效数据形式的每个窗口数据进行离散小波变换，提取最大小波细节系数；3)然后，采用WDC聚类模块(1‑3)对单个变量所有窗口的最大小波细节系数进行WDC聚类，聚类结果中小于阈值的簇内窗口为变化点；4)最后，采用CCP聚类模块(1‑4)对所有变量的变化点向量进行CCP聚类，聚类结果中同一个簇内的变量是相关的，最后输出每个簇内变量的关联关系及其强度。