改进的Sequitur算法：高效异步周期模式挖掘

"基于Sequitur的时间序列异步周期模式挖掘 (2012年)" 本文主要探讨了在时间序列分析中的一个关键问题——异步周期模式挖掘，并提出了一个改进的方法，该方法旨在提高挖掘效率。在传统的异步周期模式挖掘过程中，通常采用1-pattern的有效段和周期作为基础，然后通过枚举法来寻找更高阶的i-patterns，这导致了较高的时间复杂度。 Sequitur算法在此背景下被引入，它是一种用于压缩和识别符号序列的高效算法。在时间序列被符号化之后，本文提出的方法利用Sequitur来生成候选的i-patterns及其对应事件的位置序列。Sequitur算法能够有效地发现和压缩重复模式，从而降低搜索空间，减少计算量。 随后，文章介绍了基于OEOP（Order-Equivalence of One Pattern）的i-patterns有效段生成算法。OEOP是一个用于识别和提取有效模式的策略，它允许在不精确的时间对齐下查找周期模式。通过这个算法，可以确定1-pattern和i-patterns的有效段以及它们的周期，进而生成有效子序列。 实验结果显示，所提出的基于Sequitur的时间序列异步周期模式挖掘方法在效率上显著优于传统方法。这种方法不仅减少了时间复杂度，还能够在处理大规模时间序列数据时保持较高的准确性。 该研究的背景是作者参与的国家自然科学基金资助项目“基于时空序列的水文过程相似性挖掘”(51079040)，由陈遥、朱跃龙、冯钧和李士进共同完成。其中，陈遥是讲师和博士研究生，专注于智能数据处理和数据挖掘领域；朱跃龙和冯钧是教授和博士，而李士进是副教授和博士。文章于2012年11月10日被接收，并在同年1月4日完成修订。 关键词包括异步周期模式、Sequitur算法、时间序列、符号化和数据挖掘。这些关键词揭示了研究的核心内容和方法，强调了在不同时刻间可能存在周期性关系的时间序列数据的分析技术。通过Sequitur和OEOP的结合，研究提供了一种更有效率的解决方案，对于理解和预测复杂系统的行为，特别是在水文学和其他领域的时间序列数据分析中，具有重要的理论和应用价值。