[发明专利]基于AR_TSM的时间序列motif关联规则挖掘方法

权利要求书

1.一种基于AR_TSM的时间序列motif关联规则挖掘方法，包括步骤：

S1：采集一时间序列数据；

S2：基于PM_Motif方法对所述时间序列数据进行motif提取；

S3：基于AR_TSM方法的时间序列motif关联规则挖掘；

S4：利用衡量指标RM衡量规则预测性能；

所述S2进一步包括步骤：

S21：利用滑动窗口方法将长度为m的时间序列TS划分成m-s+1个长度为s的子序列，将子序列的集合表示为{C₁,C₂,…,C_m-s+1}，其中C1表示下标为1的子序列；

S22:随机选取r个参考子序列，分别计算各个子序列与参考子序列的距离，存入距离矩阵Dis之中：

其中，表示第r参考子序列，/表示第m-s+1序列与第r参考子序列之间的距离；

S23：利用公式(1)计算所述距离矩阵Dis每一行的标准差ψ：

将标准差ψ最大的一行对应的参考子序列作为最佳参考子序列C_BRS；D(C_*,C_Δ)表示子序列C_*和子序列C_Δ间的欧式距离值，若该值小于给定距离阈值R，则表示这两个子序列相似；

S24：计算每个子序列到最佳参考子序列C_BRS的欧氏距离，并按所述欧氏距离的值对各子序列进行升序排列；对所述欧氏距离大于距离阈值R的子序列进行剪枝处理；

S25：将满足距离阈值R且其重复次数大于给定阈值的子序列归为一类集合之中，遍历完所有子序列，完成时间序列motif的提取；

所述S3步骤中：

根据预设规则生成强关联规则并进行输出；

所述预设规则满足：

Locate(j-motif)-Locate(i-motif)∈[0,T] (2)；

P(j-motif|i-motif)＞min_conf (4)；

其中，Locate(i-motif)表示取i-motif里子序列的下标，T表示时间阈值；motif表示时间序列；表示关联规则/发生的概率，min_sup表示最小概率阈值；P(j-motif|i-motif)表示当i-motif发生的情况下，j-motif发生的概率；/

所述S4步骤中，所述衡量指标RM满足公式(5)：

其中，Predict_error表示预测的结果与规则真实值之间的欧氏距离；

其中，C_predict,i表示预测到的规则中的后件，C_true,i表示规则中后件的真实值；

Random_error表示随机选取n个位置并计算该位置上的子串和规则中的后件之间的欧氏距离，重复该操作1000次，然后取平均值。

2.根据权利要求1所述的基于AR_TSM的时间序列motif关联规则挖掘方法，其特征在于，所述S4步骤中，所述衡量指标RM的值越接近于0，表明该关联规则的预测性能越好。