Rough集驱动的时间序列数据挖掘策略：获取时序与非时序信息

该篇论文深入探讨了一种基于Rough集的时间序列数据挖掘策略，发表于2001年12月的《系统工程理论与实践》第12期，文章编号为100026788(2001)1220022208。Rough集理论，作为处理模糊和不确定性的强大工具，被作者应用于时间序列数据分析领域。论文的核心内容围绕如何有效地从时间序列数据中提取时序信息（如趋势和周期性）以及非时序信息（如异常值和季节性模式），这些都是数据挖掘的重要组成部分。 作者马志锋、邢汉承和郑晓妹分别来自深圳中兴通讯股份有限公司上海第二研究所、东南大学计算机科学与工程系以及南京航空航天大学计算机科学与工程系，他们共同研究了时间序列数据中原始数据、变化量和变化率等多方面的信息。这些指标不仅反映了数据的静态特性，也揭示了数据随时间演变的趋势和动态特性。 在实践中，论文通过实例展示了Rough集理论如何帮助处理时间序列数据的复杂性和不确定性，证实了其在数据挖掘领域的适用性和有效性。关键词包括“数据挖掘”、“Rough集”和“时间序列数据”，突出了论文的重点研究方向。中图分类号 TP18 表明这是一篇关于计算机科学技术中的数据处理和分析的文章，文献标识码 A，意味着该研究具有较高的学术价值和可读性。 这篇论文为时间序列数据挖掘提供了一种新颖且实用的方法，通过Rough集理论来捕捉和理解数据中的潜在规律，对于在信息技术领域特别是商业智能、金融预测和物联网应用等方面具有重要的实际意义。