يک هدف مهم از کشف دانش جستجو براي يافتن الگوها در داده است که مي‌تواند کمک کند فرايندهاي زير‌‌بنائي از اطلاعات توليد شده را توضيح بدهد. الگوها بايد جديد، مفيد و قابل فهم براي انسانها باشند. در اين پايان‌نامه ما يک روش جديد براي توصيف قابل فهم از روابط زماني در اطلاعات چند متغيره، بنام داده کاوي سري زماني ارائه مي‌کنيم. ما داده کاوي سري زماني را به عنوان يک زبان جديد براي بياي الگوهاي موقتي تعريف مي‌کنيم. الگوها يک ساختار سلسله مراتبي دارند هر سطح با يک مفهوم زماني يکتا مطابقت مي‌کند. در پائين‌ترين سطح، فواصل با طول مدت نشان داده مي‌شوند. قسمت‌هاي روي هم‌افتاده فواصل انطباق را روي سطح بعد نشان مي‌دهند. چندين بلوک‌هاي از اين نوع فواصل يک ارتباط ترتيب جزئي روي بالاترين سطح ارتباط برقرار شده‌اند. الگوها خيلي فشرده‌اند اما جزئيات در زمان درخواست براي هر عنصر را نمايش مي‌دهد. در مقايسه با روشهاي مربوط، داده‌کاوي سري‌هاي زماني برتري‌هايي در قابليت بيان مفهوم و قابليت درک را دارا مي‌باشد. الگوريتم هاي کارآمدي براي کشف الگوها پيشنهاد شده است. کارايي روشها در مجموعه داده بازار سهام مورد استفاده و شرح داده شده‌اند.
کد نوشتار : 133737