[发明专利]一种时间序列频繁对称模式挖掘方法及装置

权利要求书

1.一种时间序列频繁对称模式挖掘方法，其特征在于，包括：

根据动态规划算法和拟牛顿法对机械工业时间序列挖掘数据进行分析处理，确定机械工业时间序列关键点信息；

根据所述机械工业时间序列关键点信息和预设截取间隔，将所述时间序列划分为多个时间子序列，对各个时间子序列进行对称性分析，得到对称子序列集；

对所述对称子序列集中各个对称子序列的相似度进行分析，得到各个对称子序列的相似度矩阵，根据相似度矩阵进行密度聚类，得到频繁对称模式信息；

其中，所述对各个时间子序列进行对称性分析，得到对称子序列集的步骤，具体包括：

每三个关键点截取一段时间子序列，获取各时间子序列中间关键点信息，根据所述各时间子序列中间关键点信息划分得到各时间子序列左右序列信息；

利用快速动态规整算法计算每个时间子序列左右序列信息的相似性，得到各时间子序列的对称性，将对称性大于预设对称性阈值的时间子序列认定为对称子序列。

2.根据权利要求1所述时间序列频繁对称模式挖掘方法，其特征在于，所述根据动态规划算法和拟牛顿法对时间序列进行分析处理，确定机械工业时间序列关键点信息的步骤，具体包括：

获取新增时间点信息，遍历时间序列在新增时间点信息之前的所有时间点；

将时间序列在新增时间点信息之前的所有时间点作为暂定关键点，截取暂定关键点到新增时间点的第一时间序列和暂定关键点的前驱关键点到新增时间点的第二时间序列；

通过拟牛顿对所述第一时间序列和第二时间序列进行分析，遍历新增时间点信息之前的所有时间点，得到机械工业时间序列关键点信息。

3.根据权利要求1所述时间序列频繁对称模式挖掘方法，其特征在于，所述根据相似度矩阵进行密度聚类，得到频繁对称模式信息的步骤，具体包括：

通过DBSCAN算法对相似度矩阵进行聚类，得到对称子序列的多个类别信息，每个类别信息中的时间子序列个数和时间子序列占比信息；

若类别信息中的时间子序列占比信息大于预设比例阈值，则该类别信息判定为频繁对称模式。

4.根据权利要求1所述时间序列频繁对称模式挖掘方法，其特征在于，在所述根据动态规划算法和拟牛顿法对时间序列进行分析处理的步骤之前，所述方法还包括：

获取原始时间序列；

对原始时间序列进行最大最小值归一化处理和小波降噪处理，得到标准输入时间序列。

5.一种时间序列频繁对称模式挖掘装置，其特征在于，包括：

分析模块，用于根据动态规划算法和拟牛顿法对机械工业时间序列挖掘数据进行分析处理，确定机械工业时间序列关键点信息；

处理模块，用于根据所述机械工业时间序列关键点信息和预设截取间隔，将所述时间序列划分为多个时间子序列，对各个时间子序列进行对称性分析，得到对称子序列集；

挖掘模块，用于对所述对称子序列集中各个对称子序列的相似度进行分析，得到各个对称子序列的相似度矩阵，根据相似度矩阵进行密度聚类，得到频繁对称模式信息；

所述处理模块具体用于：

每三个关键点截取一段时间子序列，获取各时间子序列中间关键点信息，根据所述各时间子序列中间关键点信息划分得到各时间子序列左右序列信息；

利用快速动态规整算法计算每个时间子序列左右序列信息的相似性，得到各时间子序列的对称性，将对称性大于预设对称性阈值的时间子序列认定为对称子序列。

6.根据权利要求5所述时间序列频繁对称模式挖掘装置，其特征在于，所述分析模块具体用于：

获取新增时间点信息，遍历时间序列在新增时间点信息之前的所有时间点；

将时间序列在新增时间点信息之前的所有时间点作为暂定关键点，截取暂定关键点到新增时间点的第一时间序列和暂定关键点的前驱关键点到新增时间点的第二时间序列；

通过拟牛顿对所述第一时间序列和第二时间序列进行分析，遍历新增时间点信息之前的所有时间点，得到机械工业时间序列关键点信息。