Т.В. Афанасьева – д.т.н., профессор, доцент, кафедра «Информационные системы», 

Ульяновский государственный технический университет

E-mail: tv.afanasjeva@gmail.com

А.А. Сапунков – аспирант, Ульяновский государственный технический университет

E-mail: sapalks@gmail.com

В.М. Стучебников – д.т.н., профессор, ген. директор, ЗАО МИДАУС (г. Ульяновск) E-mail: mida@mv.ru

Исследована периодичность применительно к временным рядам в предположении, что числовые временные ряды предварительно преобразованы в лингвистические. Рассмотрены символические и сегментные периодичности, представленные в виде лингвистических паттернов. Предложен алгоритм обнаружения периодических паттернов с постоянным периодом и их параметров. Приведены примеры, объясняющие принцип работы предложенного алгоритма.

1. Malode Y.B., Khadse D.B., Jamthe D.V. Efficient Periodicity Mining using Circular Autocorrelation in TimeSeries Data // International Research Journal of Engineering and Technology (IRJET). 2015. P. 430−436.
2. Rasheed F, Alhajj R. STNR: A suffix tree based noise resilient algorithm for periodicity detection in time series databases // Applied Intelligence. 2010. P. 267−278.
3. Mala D, Mahanta A. Detection of calendar based periodicities of interval-based temporal patterns // International Journal of Data Mining & Knowledge Management Process (IJDKP). 2012. P. 17−31.
4. Elfeky M.G., Aref W.G., Elmagarmid A.K. Periodicity Detection in Time Series Databases // IEEE Trans. Knowledge and Data Eng. 2005. P. 875−887.
5. Elfeky M.G., Aref W.G., Elmagarmid A.K. WARP: Time Warping for Periodicity Detection // Proceedings of the Fifth IEEE International Conference on Data Mining (ICDM'05). 2005. P. 138−145.
6. Novak V. Linguistic characterization of time series. // Fuzzy Sets and Systems. 2016. P. 52−72.
7. Кнут Д. Алгоритм Кнута–Морриса–Пратта // Искусство программирования на ЭВМ. М.: Мир. 1978. Т. 3. С. 356.
8. Афанасьева Т.В., Тонерян М.С. Применение алгоритма Кнута–Морриса–Пратта для решения проблемы идентификации периодических локальных тенденций в нечетких временных рядах // VI-я Всероссийская научно-практическая конф. Нечеткие системы и мягкие вычисления–2014 (НСМВ–2014). Т. 1. СПб: Изд-во ЛИТМО. 2014. С. 12−18.
9. Lin J., Keogh E., Lonardi S., Chiu B.Y. A symbolic representation of time series, with implications for streaming algorithms // DMKD. 2003. P. 2−11.
10. Afanasieva T., Yarushkina N., Gyskov G. ACL-Scale as a Tool for Preprocessing of Many-Valued Contexts // Proc. of the Second International Workshop on Soft Computing Applications and Knowledge Discovery (SCAD 2016). 2016. P. 2−11.
11. Афанасьева Т.В. Модель ACL-шкалы для генерации лингвистических оценок в принятии решений // Вопросы современной науки и практики. Университет им. В.И. Вернадского. Т. 2. Серия «Технические науки». Тамбов. ТГТУ. 2008. № 4(14). С. 91−97.
12. McCreight E.M.. A space-economical suffix tree construction algorithm // Journal of the ACM. 1976. P. 262−272.