本项目提出了以高维时间序列为研究对象的多种数据挖掘算法。首先以研究相对较成熟的针对一维时间序列的挖掘算法为基础,从定义高维时间序列的表示形式以及维度约简入手,提出了针对高维时间序列有效的索引机制。在此基础上,结合机器学习和模式分类理论,研究针对大规模高维时间序列数据库的挖掘方法,针对主旨模式提取和异常事件检测这两个问题寻找低复杂度的解决算法;同时开发原型系统来提供一个高维时间序列挖掘算法的实验平台,并使用多种实际应用中的数据进行测试,验证以上成果的有效性。