基于机器学习的数据结构时间序列预处理与统一算法

DOI:

评审日期

出版日期

注解: 该研究的主题是从异构来源收集和初步准备数据的过程。 经济信息在本质上是异质的、半结构化的或非结构化的。 由于主要文档的异质性以及人为因素，初始统计数据可能包含大量噪声，以及自动处理可能非常困难的记录。 这使得动态输入数据的预处理成为检测主题领域中显着模式和知识的重要前提，研究主题是相关的数据预处理代表了许多独特的任务，这些任务导致了各种算法和启发式方法的出现，用于解决预处理任务，如合并和清理，变量的识别。 作者提出的预处理方法的关键修改是自动化数据集成技术。
作者提出的技术涉及联合使用在词库网络上构建模糊时间序列和机器词法比较的方法，以及使用使用MIVAR概念构建的通用数据库。预处理算法形成了一个单一的数据模型，能够转换数据集的周期性和语义，并将来自不同来源的数据集成到一个单一的信息库中。

出版日期: