汤其婕，朱小萍

(南京航空航天大学 计算机科学与技术学院，江苏 南京 211106)

0 引 言

时间序列(time series)是一种典型的高维数据类型，也是数据挖掘[1-2]领域中主要研究的对象。一条时间序列是一组序列数据，它通常是在相等间隔的时间段内，依照给定的采样率，对某种潜在过程进行观测的结果。它广泛存在于工业、农业及商业等领域，与人们的生活息息相关。其典型数据包括航天飞船等重要仪器每一时刻的运行状态数据、医疗设备记录的病人每时每刻的心率变化等。研究如何有效地从这些复杂的海量时间序列中挖掘潜在的有用信息，具有重要的理论价值与现实意义[3-4]。

在实际生产生活中，时间序列的产生通常受不确定因素的影响，如数据采集设备的缺陷和环境影响，导致数据采集与实际数据有一定的偏差；或者出于隐私安全考虑，人为地将一定程度的偏差引入到数据中。这些偏差导致时间序列在每一个点上的取值对应一个可能值的集合，无法给出其确定值。将这类型的数据定义为不确定时间序列。加之时间序列本身具有的海量、高维等特征，若直接对原始不确定数据进行数据挖掘等操作，效率很低。而解决这一问题最直接的方法就是对原始数据进行预处理操作。但是由于不确定时间序列与确定时间序列在取值上的不同之处，原有用于确定时间序列上的方法则不适用于不确定时间序列。因此，结合已有的针对确定数据的处理方法，找到适用于不确定时序数据的预处理方法，是目前针对不确定时间序列研究的重点，也是文中主要研究的问题。……