论文部分内容阅读
采用当前算法挖掘时间序列数据时,不能有效的降低噪声对时间序列数据挖掘过程造成的影响,不能通过提高集群规模缩短数据处理时间,存在加速比低和可扩展性差的问题。将多目标决策理论应用到时间序列数据挖掘中,提出基于多目标决策的时间序列数据挖掘算法,挖掘时间序列之间对时间序列进行预处理,消除时间序列中存在的噪声,提取时间序列中存在区域极值点,对提取得到的区域极值点做等长处理,获得由极值点构成的序列。通过多目标决策方法利用获取的极值点构建决策矩阵,对比决策对象之间存在的差值,采用偏好函数将差值转变为对应的偏好度,