导读:本文包含了多时间粒度论文开题报告文献综述及选题提纲参考文献，主要关键词:时间粒度,智能卡数据,相似性度量,出行规律
多时间粒度论文文献综述
张晚笛,陈峰,王子甲,汪波,王挺[1]（2018）在《基于多时间粒度的地铁出行规律相似性度量》一文中研究指出乘客出行规律对城市轨道交通运营管理至关重要,而不同时间粒度下观测到的客流规律差异较大。以往研究缺乏多时间粒度车站层级客流规律的量化研究。本文基于刷卡数据分析不同时间尺度下地铁出行规律的相似性。构建客流时间序列模型和相似性度量方法,使用连续五周北京地铁刷卡数据分别度量1 min到720min共16个时间粒度下,进站客流和OD客流与历史同期的相似性大小,并基于度量结果给出一定精度要求下预测短时进站量和OD量时的最小时间粒度推荐值,以综合相似性指标对全网车站的可预测等级进行划分。多角度统计分析结果表明,工作日客流与历史同期相似性较大,高峰比平峰、早高峰比晚高峰相似性大。(本文来源于《铁道学报》期刊2018年04期）
程雅琼,蔡亮[2]（2015）在《多时间粒度自动划分对动态关联规则挖掘影响的研究》一文中研究指出1概述在数据挖掘领域中,有一类数据本身之间存在着千丝万缕的联系,而又在时间的推移下不断的演化,传统的数据挖掘仅仅只基于时间本身,对时间之间的关联关系和因果关系描述不足的情况也几乎没有考虑到时间尺度对于时间的数据关系的影响。1996年至1998年,Claudio Bettini等首次提出将时间间隔大小看做时间粒度的观念。1993年,Agrawal等首次提出了时间序列的挖掘模式,为动(本文来源于《网络安全技术与应用》期刊2015年10期）
苏礼楷[3]（2011）在《一种基于多时间粒度的实时客流查询优化算法》一文中研究指出随时间实时变化的客流数据属于时间序列数据,本文根据客流数据的接收频率,应用关系模型实现客流数据的存储建模;为了减弱数据采集频率对实时客流查询效率的影响,建立多时间粒度的客流视图,可提高实时客流查询的计算效率。(本文来源于《计算机与现代化》期刊2011年08期）
李乃乾,姚新会,田东平[4]（2011）在《多时间粒度序列模式挖掘》一文中研究指出序列模式挖掘是数据挖掘的一个重要问题.传统的序列模式仅能揭示频繁出现的项目以及出现的顺序,但不能揭示在前续项目出现的情况下,后续项目出现的时间.在本文中,引入一种新的多时间粒度序列模式,模式中相邻项目之间的转换时间采用从原数据集中导出的、多时间粒度下的最小有界时间区间和平均时间标注.建立了多时间粒度序列模式挖掘模型,提出了一种新的多时间序列模式挖掘算法MG-PrefixSpan.实验表明,算法是有效的.(本文来源于《小型微型计算机系统》期刊2011年01期）
舒平达,陈华辉[5]（2009）在《支持多时间粒度的数据流上最频繁K项挖掘》一文中研究指出数据流最频繁K项挖掘是指在数据流中找出K个项,它们的支持数大于数据流中的其他项.已有的一些算法只能挖掘整个数据流的频繁K项,而无法找出距离最近的任意时间段内的最频繁K项.因此,提出一种基于多层概要结构的数据流最频繁K项挖掘算法MMF(K)_MS,新算法利用各层节点数目可变的HFVN框架结构来支持对不同时间粒度的查询,同时采用Count-Sketch数据结构来维护各层的概要信息,并通过实验验证了算法的有效性.(本文来源于《宁波大学学报(理工版)》期刊2009年04期）
万静,郝忠孝[6]（2008）在《具有多时间粒度的强全序时态模式中多值依赖问题研究》一文中研究指出在时态数据库中存在着与时态多值依赖相关的存储冗余、更新异常等问题.但由于时态多值依赖的复杂性,使得根据时态多值依赖所进行的范式分解并不能总保持无损联接,为此对强全序时态模式中时态多值依赖与无损分解的相关性进行了深入研究,给出了规则的时态多值依赖(RTMVD)和属性集的时间粒度等概念,并给出了RTMVD的一套有效的推理规则,针对强全序时态模式中时态多值依赖与无损分解的相关性给出了相关定理,解决了规则的时态多值依赖环境下时态模式在多粒度上的无损分解问题,为规则时态多值依赖环境下时态模式的进一步规范化奠定了基础.(本文来源于《计算机研究与发展》期刊2008年06期）
尹浩,张世栋,袁辉[7]（2007）在《基于多时间粒度转换算法的时态数据库扩展》一文中研究指出1引言由于越来越多的应用需要保存历史信息,对时态数据库的研究受到了人们的关注。不同的应用领域具有对时间的不同要求,因此一个时态数据库管理系统(TDBMS)的数据定义语言应提供用户定义时间元的功能。由于应用的复杂性及多样性,不但(本文来源于《第二十四届中国数据库学术会议论文集（技术报告篇）》期刊2007-10-20）
张弓,赵鑫,李诚[8]（2007）在《多时间粒度下时态模式的T3NF分解算法在Delphi中的实现》一文中研究指出针对时态数据库中有效地进行数据库设计而提出的通过分析TFD集所具有的良好特性,给出满足时态第叁范式(T3NF)的无损分解的多项式时间的算法。本文详细介绍了如何在Delphi开发环境下对此算法进行实现,并给出了与此算法相关的一些具体设计方案。(本文来源于《齐齐哈尔大学学报》期刊2007年04期）
郝忠孝,李艳娟[9]（2007）在《具有多时间粒度的时态多值依赖及时态模式分解方法研究》一文中研究指出一个好的数据库逻辑设计目标是消除数据冗余以及插入、删除和更新异常.对于时态数据库,通过具有多时间粒度的时态函数依赖约束对时态数据库进行规范化已有大量研究.基于时态函数依赖和多值依赖理论提出了多时间粒度约束的时态多值依赖(TMVD)等概念,并给出了时态多值依赖的推理规则,对其有效性、完备性进行了证明.由于包含有限个TMVD的TMVD集通常蕴含着无限个TMVD,给出了TMVD的有限推理规则,对其有效性、完备性进行了证明.最后,基于时态多值依赖集提出了时态第四范式,并给出了时态模式的T4NF的无损分解算法,对算法的可终止性、正确性进行了证明,并对时间复杂度进行了分析.(本文来源于《计算机研究与发展》期刊2007年05期）
姚春龙,郝忠孝[10]（2006）在《多时间粒度下时态数据库设计中时态类型的处理》一文中研究指出在许多大型信息系统中需要存储大量的历史数据.为了有效地组织这些时间变化数据,可以使用时态函数依赖(TFDs)对时态数据库进行有效地设计.由于多时间粒度的使用,数据库设计算法需要在计算机上实现表示时态类型间的关系的逻辑结构和时态类型间的相关操作.为此提出了细于关系矩阵和封闭的时态类型集,并且对于给定的时态类型集及其细于关系矩阵,给出了一个自动生成它的一个封闭集及封闭集对应的细于关系矩阵的有效算法.通过提出的细于关系矩阵和封闭集算法,可以方便地在计算机上实现时态数据库设计算法需要的时态类型间的细于关系比较和glb操作.(本文来源于《小型微型计算机系统》期刊2006年11期）
多时间粒度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
1概述在数据挖掘领域中,有一类数据本身之间存在着千丝万缕的联系,而又在时间的推移下不断的演化,传统的数据挖掘仅仅只基于时间本身,对时间之间的关联关系和因果关系描述不足的情况也几乎没有考虑到时间尺度对于时间的数据关系的影响。1996年至1998年,Claudio Bettini等首次提出将时间间隔大小看做时间粒度的观念。1993年,Agrawal等首次提出了时间序列的挖掘模式,为动
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多时间粒度论文参考文献
[1].张晚笛,陈峰,王子甲,汪波,王挺.基于多时间粒度的地铁出行规律相似性度量[J].铁道学报.2018
[2].程雅琼,蔡亮.多时间粒度自动划分对动态关联规则挖掘影响的研究[J].网络安全技术与应用.2015
[3].苏礼楷.一种基于多时间粒度的实时客流查询优化算法[J].计算机与现代化.2011
[4].李乃乾,姚新会,田东平.多时间粒度序列模式挖掘[J].小型微型计算机系统.2011
[5].舒平达,陈华辉.支持多时间粒度的数据流上最频繁K项挖掘[J].宁波大学学报(理工版).2009
[6].万静,郝忠孝.具有多时间粒度的强全序时态模式中多值依赖问题研究[J].计算机研究与发展.2008
[7].尹浩,张世栋,袁辉.基于多时间粒度转换算法的时态数据库扩展[C].第二十四届中国数据库学术会议论文集（技术报告篇）.2007
[8].张弓,赵鑫,李诚.多时间粒度下时态模式的T3NF分解算法在Delphi中的实现[J].齐齐哈尔大学学报.2007
[9].郝忠孝,李艳娟.具有多时间粒度的时态多值依赖及时态模式分解方法研究[J].计算机研究与发展.2007
[10].姚春龙,郝忠孝.多时间粒度下时态数据库设计中时态类型的处理[J].小型微型计算机系统.2006