基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
论文提出一个基于小波分析的时间序列挖掘模型TSMiner,它支持时间序列数据挖掘的整个过程.该模型由5部分组成:原始数据的可视化、数据预处理、数据约简,模式发现和结果模式可视化.该模型应用小波实现数据的多层次可视化表示、数据约简和多尺度模式发现.它可以帮助用户观察高维数据,理解中间结果和解释发现的模式.
推荐文章
基于小波分析的时间序列数据挖掘
小波分析
ARMA模型
神经网络
时间序列
数据挖掘
基于小波分析与支持向量机的时间序列预测
小波分析
多尺度分解
去噪
支持向量机
时间序列预测
基于小波分解的网络流量时间序列建模与预测
网络流量
小波分解
时间序列
预测
时间序列数据挖掘综述
时间序列
数据挖掘
相似性搜索
模式发现
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波分析的时间序列数据挖掘模型
来源期刊 计算机工程与应用 学科 工学
关键词 时间序列 数据挖掘 可视化 小波分析
年,卷(期) 2004,(30) 所属期刊栏目 博士论坛
研究方向 页码范围 26-28
页数 3页 分类号 TP311
字数 2715字 语种 中文
DOI 10.3321/j.issn:1002-8331.2004.30.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 蔡庆生 中国科学技术大学计算机科学与技术系 115 2706 28.0 47.0
2 郑诚 安徽大学计算机科学与技术学院 103 1013 15.0 28.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (6)
同被引文献  (3)
二级引证文献  (12)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(2)
  • 引证文献(1)
  • 二级引证文献(1)
2010(2)
  • 引证文献(1)
  • 二级引证文献(1)
2011(4)
  • 引证文献(1)
  • 二级引证文献(3)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
时间序列
数据挖掘
可视化
小波分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导