Dolování periodických vzorů

Abstract

Sběr a analýza dat jsou dnes běžnou praxí v mnoha odvětvích vědy i podnikání. Proces \emph{získávání znalostí z databází} umožňuje získat z uložených dat nové a zajímavé informace, které lze využít k dalšímu rozvoji. Tato práce popisuje základní principy takovéhoto procesu se zaměřením na získávání znalostí z temporálních dat, konkrétně na dolování periodických vzorů v časových řadách. V rámci projektu byly implementovány vybrané algoritmy pro dolování periodických vzorů ve formě dolovacích plug-inů pro službu Microsoft Analysis Services, která zajišťuje rozhraní pro dolování z dat nad platformou Microsoft SQL Server. Dokument popisuje detaily této implementace a diskutuje výsledky provedených experimentů, které se zaměřují zejména na časovou náročnost jednotlivých algoritmů.Data collecting and analysis are commonly used techniques in many sectors of today's business and science. Process called Knowledge Discovery in Databases presents itself as a great tool to find new and interesting information that can be used in a future developement. This thesis deals with basic principles of data mining and temporal data mining as well as with specifics of concrete implementation of chosen algorithms for mining periodic patterns in time series. These algorithms have been developed in a form of managed plug-ins for Microsoft Analysis Services -- service that provides data mining features for Microsoft SQL Server. Finally, we discuss obtained results of performed experiments focused on time complexity of implemented algorithms.