本文的研究是对时间序列进行符号化和时序关联规则挖掘。首先对时序数据在国内外的研究情况进行了总结。然后详细介绍了符号化中用到的主要技术：动态时间弯曲(DTW)和分割技术。在介绍DTW的相关技术是提出了一种启发式的DTW算法。在介绍时序数据的分割技术时提出了一种用一个合适长度的、基于时序数据形状(Shape)信息的、等长分割时间序列的方法：基于统计的自适应分割方法ASABS(self-Adaptive Segmenting Algorithm Basedon Statistic)。为了找出窗口的一个合适移动长度，在传统方法的基础上提出了两种计算滑动窗口移动长度的方法。通过一种改进的提高k-均值性能的方法对这些分割后子序列进行聚类并对其符号化。为了寻找隐藏的时序模式，在生成2-项集的时候，提出了一种新颖的方法，在寻找频繁2项集的时候提出了一种用最小置信度代替最小支持度，并且把找频繁2项集转化为频繁1项集的寻找，对最后生成的时序关联规则用J-measure度量进行了排序。最后对本文的结果进行了实验分析，提出了和本文相关的未来的研究方向。