第1章 绪论 1
1.1 数据挖掘简介 1
1.2 时态数据挖掘现状 2
1.3 时态数据挖掘类型 4
第2章 时态数据与时态关联规则模型 8
2.1 时态型和时间粒度的概念及性质 8
2.2 时态事件空间与时态规则模型 15
2.3 时态关联规则的分类 18
第3章 时态关联规则算法 23
3.1 单事件相同时态因子内关联规则挖掘算法 23
3.2 单事件周期时态关联规则挖掘算法 28
3.3 双事件时态关联规则挖掘算法 32
3.4 基于兴趣度的时态数据关联规则挖掘算法 37
3.5 多维多时间粒度关联规则挖掘算法 42
3.6 小结 50
第4章 时态关联规则的周期性挖掘算法 51
4.1 周期关联规则的分类 51
4.2 周期的获取及表示 51
4.3 一个周期挖掘算法 52
4.4 实验结果 54
4.5 小结 57
第5章 多粒度时间下的部分周期挖掘算法 58
5.1 部分周期模型 58
5.2 利用了裁剪的算法(CA) 60
5.3 基于输入的算法(IA) 62
5.4 数值实验 63
5.5 小结 65
第6章 基于粗糙集的时态数据挖掘算法 66
6.1 粗糙集理论 66
6.2 时态数据知识表达 74
6.3 基于粗糙集的时态数据挖掘算法 80
6.4 车流量分析上的应用 94
第7章 基于SOM近似周期模式挖掘算法 99
7.1 模型构造 99
7.2 近似周期模式挖掘算法 101
7.3 实验及结果分析 106
7.4 小结 110
第8章 基于SOM的时态近似周期关联规则挖掘算法 111
8.1 模型构造 111
8.2 近似周期关联规则挖掘算法 114
8.3 实验及结果分析 115
8.4 小结 119
第9章 基于SVM的时态数据回归算法 120
9.1 加权支持向量回归机(WSSVR) 120
9.2 基于时态数据的WSSVR预测模型 123
9.3 实验 125
9.4 小结 133
第10章 基于SVM的时态周期模式算法 134
10.1 支持向量分类机 134
10.2 时态数据周期模型 135
10.3 证券数据的周期发现 138
10.4 小结 142
第11章 时态数据流的增量聚类算法 143
11.1 问题描述及其相关概念 143
11.2 算法框架及其描述 146
11.3 算法的性能分析 153
11.4 股票数据上的应用 154
11.5 小结 163
第12章 时态文本数据挖掘算法 164
12.1 时态文本预处理 164
12.2 时态文本关联模型 166
12.3 时态文本关联规则算法 172
12.4 数值实验 186
英文人名翻译表 196
参考文献 198
致谢 201