在大数据领域中,时序数据被广泛应用在互联网、物联网、传感器和科学实验等各个方面,例如每天的股票价、温度湿度数据、车流量等时序数据。其具有体量大、多样性、价值密度低和速度快等特征。但是随着信息爆炸时代产生的海量时序数据日益增长,有价值数据与无价值数据也随之疯狂的增长,要获取如此庞大的时序数据潜在的价值信息愈发困难。因此,信息处理工作变得更加具有挑战性。本文采用用户用电量作为时序数据的研究对象,本文的目的是把所有数据信息提取出来。由于海量时序数据的无限增长,导致存储规模的膨胀式增加。本着无可用信息的数据最小化和可用信息的数据最大化的信息处理策略,只存储支配数据,非支配数据不存储,非支配数据的价值信息通过支配数据的计算,可以被有效提取。本文采用仿射变换模型,实现时序数据信息处理。其中主要涉及两个核心内容:第一,支配数据的获取。将到来的时序数据通过聚类,然后在每个聚类中分别采用均值迁移法和最小连通支配集思想获取支配集,最后存在存储结构中。第二,数据的信息提取。在支配数据获取过程中根据求近似结果的约束,其是由存储结构中的支配集与仿射矩阵计算得来。然后分别对两种支配集获取方法进行了对比实验,验证了均值迁移法在某种意义上要优于连通支配集。