1) fuzzy time series data mining
模糊时间序列挖掘
3) time series data mining technology
时间序列数据挖掘技术
4) fuzzy time sequence
模糊时间序列
1.
One model of fuzzy time sequence was chosen to confirm the initial parameters.
选择了一个模糊时间序列的模型来确定模糊系统初始参数,同时运用了Type-2模糊系统和Type-1模糊系统进行了训练及预测,比较了他们的训练逼近效果,以及预测效果,给出了仿真。
5) Fuzzy time series
模糊时间序列
1.
Modeling and Application of Fuzzy Time Series;
模糊时间序列建模及应用
2.
Based on FAR(p) model, an optimal forecasting method of fuzzy time series is established in the paper.
以模糊时间序列的 Ｆ Ａ Ｒ（ｐ ）为基础，建立了模糊时间序列的最优预测原则、计算原理及计算方法，探讨了实时预测途径，并通过仿真验证了所建立的最优预测方法的有效性。
3.
In this paper, definition of fuzzy time series is revisited, the exiting fuzzy time series models are analyzed and a new fuzzy time series forecasting method is presented.
文章中首先回顾了基于模糊理论的模糊时间序列定义,对现有的模糊时间序列模型进行分析,在此基础上提出了一种新的模糊时间序列预测方法,以上证指数为对象进行了拟合,从结果看新的基于模糊时间序列预测方法在MSN、平均误差(%)和标准误差(%)等指标上要优于现有的预测方法。
6) sequence pattern mining
序列模式挖掘
1.
Although sequence pattern mining has been deeply studied,it is a challenge to extend to data streams.
为了实现对数据流的序列模式挖掘,提出了基于数据流的序列模式挖掘算法MFSDS-1和MFSDS-2,它们均通过调整入选度的大小来调整保存信息的粒度。
2.
In this paper, the sequence pattern mining algorithms are deep.
序列模式挖掘是挖掘基于时间或者其它顺序的出现频率高的模式。
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条